-
公开(公告)号：CN112489076B
公开(公告)日：2024-05-28
申请号：CN202011419808.5
申请日：2020-12-06
Applicant: 北京工业大学
IPC: G06T7/20
Abstract: 本发明公开了一种多目标跟踪方法与系统，所述方法包括读取待跟踪数据、预处理待跟踪数据、生成目标轨迹以及关联目标轨迹。本发明提出的多目标跟踪可适应多种场景，不需要使用者根据场景手动调整视频子序列长度，并且本发明改进的目标轨迹生成模块减少了冗余的特征提取任务，减轻监控系统需要承担的计算量。另外，本发明改进的目标轨迹关联模块借助时序信息对目标轨迹质量进行判断，其判断过程计算简单，不会为监控系统增加过多的计算量。综上所述，本发明提出的多目标跟踪方法使用相对简便，具有良好的跟踪结果。
-
公开(公告)号：CN110956094B
公开(公告)日：2023-12-01
申请号：CN201911090619.5
申请日：2019-11-09
Applicant: 北京工业大学
IPC: G06V40/10 , G06V10/56 , G06V10/30 , G06N3/0464 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/22
Abstract: 本发明公开了一种基于非对称双流网络的RGB‑D多模态融合人员检测方法，属于计算机视觉与图像处理领域。包含RGBD图像采集，深度图像预处理，RGB特征提取和Depth特征提取，RGB多尺度融合和Depth多尺度融合，多模态特征通道重加权以及多尺度人员预测；本发明针对传统对称型RGBD双流网络易导致深度特征流失的问题，设计非对称RGBD双流卷积神经网络模型。对RGBD双流网络分别设计多尺度融合结构，实现多尺度信息互补。构建多模态重加权结构，合并RGB和Depth特征图，并对合并后的每个特征通道加权赋值，实现模型自动学习贡献占比。利用多模态特征进行人员的分类和边框回归，在保证实时性的同时，提高人员检测的准确性，并增强对夜间
-
公开(公告)号：CN109558810B
公开(公告)日：2023-01-20
申请号：CN201811341401.8
申请日：2018-11-12
Applicant: 北京工业大学
IPC: G06V40/10 , G06V10/764 , G06V10/80
Abstract: 本发明公开了基于部位分割与融合目标人物识别方法，该方法是通过将人体进行部位分割，分割为头肩、躯干、腿部和全身四个部位，对于每个部位通过卷积神经网络分别训练得到四个部位分类器，每个部位分类器输出对应识别为目标人物的置信分数，然后我们将所有部分分类器进行部位分类器阈值判断和融合决策，获得最终的识别结果。该识别方法融合了身体多个部位的决策信息，可充分挖掘各身体部位之间的内在关联，具有多场景的普适性。当人物面部等特征区分度较大的部位受到部分遮挡时，依然可以通过联合其他身体部位信息进行有效识别，对部分遮挡有较好的鲁棒性。在加权组合的基础上添加部位决策阈值，避免加权组合结果受到部位极端值的影响。
-
公开(公告)号：CN110110629B
公开(公告)日：2021-05-28
申请号：CN201910336741.X
申请日：2019-04-25
Applicant: 北京工业大学
Abstract: 本发明公开了面向室内环境控制的人员信息检测方法与系统，系统包括图像读取装置模块、图像配准模块、配准后红外热图像读取模块、配准后可见光图像读取模块、人员信息检测模块、人员区域信息映射模块、人员体表温度计算模块和信息融合模块。通过对分辨率、视场角以及拍摄角度不同的可见光图像和红外热图像配准处理，使得配准后可见光图像和红外热图像的像素点对应。然后检测配准后可见光图像中人员区域信息、性别和年龄信息，并将配准后可见光图像中人员区域信息映射到配准后红外热图像中，精确获取配准后红外热图像中人员区域信息，计算出人员体表温度，从而完成与室内环境控制相关的人员性别、年龄以及人员体表温度信息检测。
-
公开(公告)号：CN110956094A
公开(公告)日：2020-04-03
申请号：CN201911090619.5
申请日：2019-11-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于非对称双流网络的RGB-D多模态融合人员检测方法，属于计算机视觉与图像处理领域。包含RGBD图像采集，深度图像预处理，RGB特征提取和Depth特征提取，RGB多尺度融合和Depth多尺度融合，多模态特征通道重加权以及多尺度人员预测；本发明针对传统对称型RGBD双流网络易导致深度特征流失的问题，设计非对称RGBD双流卷积神经网络模型。对RGBD双流网络分别设计多尺度融合结构，实现多尺度信息互补。构建多模态重加权结构，合并RGB和Depth特征图，并对合并后的每个特征通道加权赋值，实现模型自动学习贡献占比。利用多模态特征进行人员的分类和边框回归，在保证实时性的同时，提高人员检测的准确性，并增强对夜间低照度以及人员遮挡下检测的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN112489076A
公开(公告)日：2021-03-12
申请号：CN202011419808.5
申请日：2020-12-06
Applicant: 北京工业大学
IPC: G06T7/20
Abstract: 本发明公开了一种多目标跟踪方法与系统，所述方法包括读取待跟踪数据、预处理待跟踪数据、生成目标轨迹以及关联目标轨迹。本发明提出的多目标跟踪可适应多种场景，不需要使用者根据场景手动调整视频子序列长度，并且本发明改进的目标轨迹生成模块减少了冗余的特征提取任务，减轻监控系统需要承担的计算量。另外，本发明改进的目标轨迹关联模块借助时序信息对目标轨迹质量进行判断，其判断过程计算简单，不会为监控系统增加过多的计算量。综上所述，本发明提出的多目标跟踪方法使用相对简便，具有良好的跟踪结果。
-
公开(公告)号：CN109558810A
公开(公告)日：2019-04-02
申请号：CN201811341401.8
申请日：2018-11-12
Applicant: 北京工业大学
Abstract: 本发明公开了基于部位分割与融合目标人物识别方法，该方法是通过将人体进行部位分割，分割为头肩、躯干、腿部和全身四个部位，对于每个部位通过卷积神经网络分别训练得到四个部位分类器，每个部位分类器输出对应识别为目标人物的置信分数，然后我们将所有部分分类器进行部位分类器阈值判断和融合决策，获得最终的识别结果。该识别方法融合了身体多个部位的决策信息，可充分挖掘各身体部位之间的内在关联，具有多场景的普适性。当人物面部等特征区分度较大的部位受到部分遮挡时，依然可以通过联合其他身体部位信息进行有效识别，对部分遮挡有较好的鲁棒性。在加权组合的基础上添加部位决策阈值，避免加权组合结果受到部位极端值的影响。
-
公开(公告)号：CN109034125B
公开(公告)日：2021-12-03
申请号：CN201811006043.5
申请日：2018-08-30
Applicant: 北京工业大学
Abstract: 本发明公开了基于场景复杂度的行人检测方法与系统，方法包括数据读取、图像预处理、基于场景复杂度自动调整DPM行人检测阈值以及行人检测组成。通过计算所述的场景复杂度得到最适合此场景的行人检测阈值。随后将待检测图片与计算得到的行人检测阈值输入至DPM算法对行人进行检测，DPM算法将输出检测结果以及检测得分，通过设定行人检测阈值可以将检测得分较低的非行人目标区分剔除，提高检测结果的准确程度。本方法可适应多种监控场景，不再需要使用者根据场景手动调整行人检测阈值，并且计算方式相对简单，不会大幅增加检测算法的复杂度，减轻监控系统需要承担的计算量。本发明提出的行人检测方法使用相对简便，具有良好的检测结果。
-
公开(公告)号：CN109034125A
公开(公告)日：2018-12-18
申请号：CN201811006043.5
申请日：2018-08-30
Applicant: 北京工业大学
CPC classification number: G06K9/00362 , G06K9/4604 , G06K9/4642 , G06K9/6256
Abstract: 本发明公开了基于场景复杂度的行人检测方法与系统，方法包括数据读取、图像预处理、基于场景复杂度自动调整DPM行人检测阈值以及行人检测组成。通过计算所述的场景复杂度得到最适合此场景的行人检测阈值。随后将待检测图片与计算得到的行人检测阈值输入至DPM算法对行人进行检测，DPM算法将输出检测结果以及检测得分，通过设定行人检测阈值可以将检测得分较低的非行人目标区分剔除，提高检测结果的准确程度。本方法可适应多种监控场景，不再需要使用者根据场景手动调整行人检测阈值，并且计算方式相对简单，不会大幅增加检测算法的复杂度，减轻监控系统需要承担的计算量。本发明提出的行人检测方法使用相对简便，具有良好的检测结果。
-
公开(公告)号：CN119323598A
公开(公告)日：2025-01-17
申请号：CN202411417796.0
申请日：2024-10-11
Applicant: 北京城建集团有限责任公司 , 北京工业大学 , 北京城建勘测设计研究院有限责任公司
Abstract: 本发明提供一种地铁盾构隧道裂缝分割测量方法及系统，涉及深度学习技术领域。基于改进的YOLOv8‑GSD模型对地铁盾构隧道图像进行裂缝分割，并引入伽马矫正与RCLAHE理论结合的方法精确测量裂缝宽度、长度信息。所述方法包括：采集包含裂缝的地铁盾构隧道图像；基于改进的YOLOv8‑GSD模型对采集的地铁盾构隧道图像进行裂缝分割，形成地铁隧道裂缝图像；对地铁隧道裂缝图像进行图像预处理；对图像预处理后的地铁隧道裂缝图像，根据多种子区域生长方法提取裂缝区域，对裂缝区域通过细化算法提取裂缝骨架；基于裂缝骨架，根据像素连接方式计算裂缝长度和裂缝宽度。所述一种地铁盾构隧道裂缝分割测量系统应用于一种地铁盾构隧道裂缝分割测量方法。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
