公开(公告)号：CN116563937A

公开(公告)日：2023-08-08

申请号：CN202310106799.1

申请日：2023-02-13

Applicant: 北京工业大学

Inventor： 付利华 ,  吴会贤 ,  张梓通 ,  邢旻与 ,  董光建

IPC: G06V40/20 ,  G06V10/75 ,  G06V10/42 ,  G06V10/44 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了基于关键帧的多粒度特征学习步态识别方法，该方法对步态序列内的步态轮廓图进行关键帧提取，选择出对识别结果影响大的步态轮廓图，将其组成为关键帧序列。关键帧序列与原步态序列分别进行步态特征的提取，最终融合成识别特征，使得提取的识别特征更具有判别性；在特征提取时关注时序信息，并且将全局特征与局部特征融合。该发明使用交叉熵损失与三元组损失优化识别特征以提高识别的准确率。本发明解决了过去基于序列的步态识别技术在识别时无差别化特征提取、局部特征提取不充分以及时序特征提取不充分的问题。本发明适用于行人的步态识别任务，识别准确率高，算法鲁棒性好。本发明在步态识别领域有着广泛的应用。

公开(公告)号：CN116205861A

公开(公告)日：2023-06-02

申请号：CN202310106797.2

申请日：2023-02-13

Applicant: 北京工业大学

Inventor： 付利华 ,  王俊翔 ,  李鑫辉 ,  刘雯雯 ,  张梓通

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/33 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于数据增强的医学图像分割方法，该方法针对医学图像缺乏带标签数据集的现状，通过数据增强的方法扩充数据集进而用来训练分割网络。该方法通过图像配准的方法，并且借鉴了循环生成对抗网络的循环一致性思想，通过基于循环一致性的空间结构配准网络和基于循环一致性的外观结果配准网络生成空间变换配准域和外观变换配准域，同时通过循环一致性损失进一步提升和优化图像配准的准确性；然后通过生成的空间变换配准域和外观变换配准域进行图像配准，从而达到扩充带标签数据集的目的，最终用来训练图像分割网络。本发明解决了带标签医学图像数据集稀缺的问题，并且进一步提升了生成图像的质量，在医学图像分割领域有着广泛的应用。

公开(公告)号：CN117893562A

公开(公告)日：2024-04-16

申请号：CN202410113794.6

申请日：2024-01-26

Applicant: 北京工业大学

Inventor： 付利华 ,  张梓通 ,  刘雯雯 ,  于嘉航

IPC: G06T7/20 ,  G06V10/80 ,  G06V10/82 ,  G06V10/766 ,  G06V10/75 ,  G06V10/764 ,  G06N3/0464

Abstract: 本发明公开了基于孪生特征注入网络的视觉单目标跟踪方法，以目标模板和视频帧序列作为输入，并在当前帧中以前一帧目标所在位置为中心选出固定尺寸大小的区域作为搜索区域。使用相似性捕捉特征融合模块学习目标模板和搜索区域之间的空间和语义相似性以及上下文关联信息，然后使用盒适应网络模块进行互相关计算得到初步分类结果和初步回归结果，最后使用关联性感知模块计算候选目标与目标模板之间的关联性得分，并基于关联性得分和候选目标的初步分类结果，得到最后的跟踪目标。该方法解决了过去基于孪生网络的视觉单目标跟踪方法在面对复杂背景环境和众多干扰物影响下，目标易跟丢或目标标记不完全的问题。

公开(公告)号：CN114419671B

公开(公告)日：2024-03-26

申请号：CN202210052859.1

申请日：2022-01-18

Applicant: 北京工业大学

Inventor： 付利华 ,  章海涛 ,  王丹 ,  杜金莲 ,  张梓通

IPC: G06V40/10 ,  G06V40/20 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/042

Abstract: 本发明公开了一种基于超图神经网络的遮挡行人重识别方法，用于解决行人重识别在行人图像被遮挡时识别精度不高，行人特征表示辨别力不强的问题，提升模型的准确性。首先引入行人特征提取模块，基于人体关键点信息提取行人图像的局部特征，获得带有可见性信息的行人局部特征表示；高阶信息融合模块基于超图神经网络自适应融合行人局部特征，获得更具判别性的行人特征；在此基础上，特征匹配模块将人体拓扑信息结合到图匹配过程中，对遮挡行人图像进行更准确的相似性度量。本发明能够获得较强的行人特征表示，在遮挡行人图像数据集上识别精度较高，并保持稳定的识别效果。

公开(公告)号：CN114419671A

公开(公告)日：2022-04-29

申请号：CN202210052859.1

申请日：2022-01-18

Applicant: 北京工业大学

Inventor： 付利华 ,  章海涛 ,  王丹 ,  杜金莲 ,  张梓通

IPC: G06V40/10 ,  G06V40/20 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于超图神经网络的遮挡行人重识别方法，用于解决行人重识别在行人图像被遮挡时识别精度不高，行人特征表示辨别力不强的问题，提升模型的准确性。首先引入行人特征提取模块，基于人体关键点信息提取行人图像的局部特征，获得带有可见性信息的行人局部特征表示；高阶信息融合模块基于超图神经网络自适应融合行人局部特征，获得更具判别性的行人特征；在此基础上，特征匹配模块将人体拓扑信息结合到图匹配过程中，对遮挡行人图像进行更准确的相似性度量。本发明能够获得较强的行人特征表示，在遮挡行人图像数据集上识别精度较高，并保持稳定的识别效果。