公开(公告)号：CN110619268B

公开(公告)日：2022-11-25

申请号：CN201910727543.6

申请日：2019-08-07

Applicant: 北京市新技术应用研究所

Inventor： 曲寒冰 ,  祁子梁 ,  董良 ,  赵传虎

IPC: G06V40/10 ,  G06V20/40 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于时空分析与深度特征的行人再识别方法及装置，在行人再识别应用中，由于在实际的大规模视频监控场景中对行人图像进行全局搜索存在复杂性和不合理性，并且为了进一步提高识别准确率和识别速度，本发明提出结合时空信息分析和深度特征提取的方法。首先通过分析得到行人的移动速度符合γ分布，再通过该分布来对行人的时空信息作进一步分析，得到行人的时空先验概率；然后在大规模数据集上结合实际采集图像训练卷积神经网络，提取深度特征计算视觉时空概率；最后结合上述两种概率判断两幅图像是否为相同行人。实现了在实际的大规模视频监控应用场景从海量的监控或采集数据中既能有效地提高行人再识别的识别效率，又能保持较高的行人再识别精度，达到了高效准确的行人再识别效果。

公开(公告)号：CN110619268A

公开(公告)日：2019-12-27

申请号：CN201910727543.6

申请日：2019-08-07

Applicant: 北京市新技术应用研究所

Inventor： 曲寒冰 ,  祁子梁 ,  董良 ,  赵传虎

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于时空分析与深度特征的行人再识别方法及装置，在行人再识别应用中，由于在实际的大规模视频监控场景中对行人图像进行全局搜索存在复杂性和不合理性，并且为了进一步提高识别准确率和识别速度，本发明提出结合时空信息分析和深度特征提取的方法。首先通过分析得到行人的移动速度符合γ分布，再通过该分布来对行人的时空信息作进一步分析，得到行人的时空先验概率；然后在大规模数据集上结合实际采集图像训练卷积神经网络，提取深度特征计算视觉时空概率；最后结合上述两种概率判断两幅图像是否为相同行人。实现了在实际的大规模视频监控应用场景从海量的监控或采集数据中既能有效地提高行人再识别的识别效率，又能保持较高的行人再识别精度，达到了高效准确的行人再识别效果。

公开(公告)号：CN111881188A

公开(公告)日：2020-11-03

申请号：CN202010772255.5

申请日：2020-08-04

Applicant: 河北工业大学 ,  北京市新技术应用研究所

Inventor： 曲寒冰 ,  路玲玲 ,  赵传虎 ,  阎刚 ,  于洋 ,  于明

IPC: G06F16/2458 ,  G06F17/18 ,  G06Q10/04

Abstract: 本发明为一种基于贝叶斯算法的时间序列数据预测方法，该方法包括以下步骤：处理原始数据，从中提取实验所需要的数据信息；在由两个维度的时间信息形成的二维方格图上对提取的数据当中的事件信息进行统计，并将统计值作为观测值，生成一个包含两种时间信息以及与这两种不同的时间信息所组成的每一个时间点相对应的观测值数据框，即得到时间序列数据；与每一个时间点相对应的观测值整体上服从泊松分布，采用rw2d模型模拟时间序列数据的趋势；利用贝叶斯算法给出rw2d模型参数的先验分布信息，最后对rw2d模型参数后验分布进行估算。根据估算后的后验分布可以得出大维度时间标签下的小维度时间标签相应事件的相对风险，来提高最终预测结果的准确度。