-
公开(公告)号：CN111401132B
公开(公告)日：2022-11-08
申请号：CN202010093801.2
申请日：2020-02-14
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V20/52 , G06V40/10 , G06V10/82 , G06V10/764 , G06V20/70
Abstract: 一种监控场景下属性层次关系指导的行人属性识别方法，包括：根据行人属性的层次特性及不同层次属性间的关系改进网络结构，分层次进行属性识别并引入全连接层来学习不同层次属性间的关系；根据行人属性的位置约束改进网络结构，引入注意力机制，分别从空间域和通道域两个维度来学习注意力权重，使网络更加关注特定的身体部位；选用加权交叉熵损失函数，以各属性的正样本比例作为权重系数；把训练集输入改进后的卷积神经网络，得出行人属性识别模型；将测试集输入到行人属性识别模型中进行识别，对行人属性识别模型的实验结果进行评估；本方法可分析更深层次的行人属性，更好挖掘属性的层次关系以及位置约束，使属性识别结果更全面和准确。
-
公开(公告)号：CN112733602B
公开(公告)日：2022-08-05
申请号：CN202011438882.1
申请日：2020-12-07
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明提供一种关系引导的行人属性识别方法，其中，该方法包括以下步骤：(A)以卷积神经网络提取图像特征，将特征图与属性进行关联，并将特征图转化为与属性具有强关联的属性特征向量；(B)根据(A)生成的属性特征向量，引入自注意力机制，生成代表属性之间关系的关系矩阵；(C)将行人属性关系分为显性关系和隐性关系。显性关系代表先验信息关系，包括层级关系和空间位置关系。隐性关系通过数据驱动的方式形成构建的属性关系。通过S1)提出的属性特征向量和S2)提出的关系矩阵生成方式，生成不同类型的属性关系矩阵；(D)以图卷积的形式充分利用关系矩阵和属性特征向量，进行属性推理预测；(E)将测试集输入到行人属性识别模型中进行识别，对实验结果进行评估。
-
公开(公告)号：CN109376607A
公开(公告)日：2019-02-22
申请号：CN201811126538.1
申请日：2018-09-26
Applicant: 北京航空航天大学 , 中国人民公安大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了一种面向行人再识别的基于多投影变换的特征度量学习方法，包括以下步骤：S1提取不同摄像头对应的特征向量；S2利用标定数据学习不同摄像头的投影矩阵；S3利用投影矩阵将不同摄像头对应的特征向量转换到公共特征空间；当没有新的摄像头添加到非重叠的摄像头网络中时，执行步骤S7；当新的摄像头添加到非重叠的摄像头网络中时，执行步骤S4；S4找到与新的摄像头的最相似的摄像头类；S5将新的摄像头下行人图像的特征向量转换到最相似的摄像头类的特征空间内；S6将转换后的特征向量再转换到公共特征空间；S7计算各个特征向量的之间的距离；S8根据特征向量间的距离来进行排序，得到排序列表，从而提高行人再识别的准确率。
-
公开(公告)号：CN116866703A
公开(公告)日：2023-10-10
申请号：CN202310514341.X
申请日：2023-05-09
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了一种摄像机参数自适应调整方法。该方法包括：在准确度量场景间的背景差异的基础上自适应调整摄像机的成像参数(S1)，其中，通过照度估计、色偏估计和散射估计度量场景间的背景差异(S1‑1)；在此基础上针对不同的背景差异自适应调整对应的成像参数，(S1‑2)。在准确度量场景间的目标差异的基础上自适应调整运动控制参数(S2)，其中，通过检测跟踪得到检测跟踪结果(S2‑1)；通过计算标签偏移和特征偏移度量场景的目标差异(S2‑2)；在此基础上，如果当前场景的目标信息不足，通过目标状态建模、目标快速定位和基于多目标感知结果计算运动控制参数序列(S2‑3)。与现有方法不同，本发明方法不仅提高图像视觉质量，对提升目标检测算法在新场景下的性能也有显著提升。
-
公开(公告)号：CN112733602A
公开(公告)日：2021-04-30
申请号：CN202011438882.1
申请日：2020-12-07
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明提供一种关系引导的行人属性识别方法，其中，该方法包括以下步骤：(A)以卷积神经网络提取图像特征，将特征图与属性进行关联，并将特征图转化为与属性具有强关联的属性特征向量；(B)根据(A)生成的属性特征向量，引入自注意力机制，生成代表属性之间关系的关系矩阵；(C)将行人属性关系分为显性关系和隐性关系。显性关系代表先验信息关系，包括层级关系和空间位置关系。隐性关系通过数据驱动的方式形成构建的属性关系。通过S1)提出的属性特征向量和S2)提出的关系矩阵生成方式，生成不同类型的属性关系矩阵；(D)以图卷积的形式充分利用关系矩阵和属性特征向量，进行属性推理预测；(E)将测试集输入到行人属性识别模型中进行识别，对实验结果进行评估。
-
Patent Agency Ranking
公开(公告)号：CN119399495A
公开(公告)日：2025-02-07
申请号：CN202310517170.6
申请日：2023-05-09
Applicant: 北京航空航天大学杭州创新研究院 , 中国计量大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V10/74 , G06V10/764 , G06V10/774 , G06T7/00 , G06T7/90
Abstract: 本发明公开了一种新场景下目标检测性能自适应度量方法。该方法包括：融合光照、色偏和散度估计度量背景差异(S1)，其中，计算训练场景和应用场景的背景差异指标的统计量(S1‑1)；在此基础上，将训练场景作为正常场景，对应用场景进行分类，分为正常、高动态、强光、低照度、色偏以及低能见度场景，作为场景间背景差异的度量(S1‑3)。综合标签偏移和特征偏移度量目标差异(S2)；其中，通过KS检验计算标签偏移结果(S2‑1)；使用训练场景和应用场景中图像检测结果的目标特征熵计算特征偏移结果(S2‑2)；作为目标差异的度量结果。与现有方法不同，本发明方法不仅能够判断场景间是否存在域差异，还能细粒度地分析场景的域差异的类型。可以提升目标检测算法在新场景下的性能。
-
公开(公告)号：CN117115851A
公开(公告)日：2023-11-24
申请号：CN202310608449.5
申请日：2023-05-27
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V40/10 , G06V20/52 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 一种在监控场景下，基于去除深度模型在推理过程中学习到的冗余属性间共现偏置，以实现在变化场景下更好泛化性能的行人属性识别方法。包括：一种新的属性信息解耦特征的生成方式。在模型对某一属性的识别和推理过程中，利用特征的线性插值与标签的线性插值匹配这一先前研究中的实验观察，通过最小化该属性的特化特征与其他属性预测概率间的互信息，以减少对于其他属性信息的利用，在显著降低训练时间的前提下实现了更好的准确率；一种新的特征插值方法。本发明提出了方向‑范数分离的特征插值方法，该方法相比于原始的插值过程，可以更好地发掘与探索属性特征的分布域，进而提高了模型的最终效果；使用卷积神经网络，按照以上算法框架，以特定训练参数配置对模型进行训练，得到行人属性识别模型。本方法可以实现在发生时空变化的监控场景中更加精确和稳定的行人属性识别结果。
-
公开(公告)号：CN118747905A
公开(公告)日：2024-10-08
申请号：CN202410741638.4
申请日：2024-06-09
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V40/10 , G06V10/44 , G06N3/0464 , G06V10/80 , G06N3/0895 , G06V10/764
Abstract: 行人属性识别(PAR)旨在生成行人的结构化描述，并在监控中具有重要意义。现有方法主要致力于训练过程中提升属性的空间定位。然而，这些方法未能解决数据集中单一视角姿态与现实中遇到的复杂视角姿态之间的差异，导致在开放环境中属性定位效果不佳。因此，本文介绍了一种新的多视角PAR方法，该方法使用人体关键点信息来适应复杂视角姿态。该方法利用关键点来建模属性特征的空间分布，便于进行弱监督定位，以模拟属性与人体在复杂视角下的动态关系。此外，它还结合了空间位置编码来建模人体结构信息，并隐式捕捉属性与人体之间的关系。最后我们应用了特征融合的方法使得空间位置信息发挥更大的作用。
-
公开(公告)号：CN111401132A
公开(公告)日：2020-07-10
申请号：CN202010093801.2
申请日：2020-02-14
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
Abstract: 一种监控场景下属性层次关系指导的行人属性识别方法，包括：根据行人属性的层次特性及不同层次属性间的关系改进网络结构，分层次进行属性识别并引入全连接层来学习不同层次属性间的关系；根据行人属性的位置约束改进网络结构，引入注意力机制，分别从空间域和通道域两个维度来学习注意力权重，使网络更加关注特定的身体部位；选用加权交叉熵损失函数，以各属性的正样本比例作为权重系数；把训练集输入改进后的卷积神经网络，得出行人属性识别模型；将测试集输入到行人属性识别模型中进行识别，对行人属性识别模型的实验结果进行评估；本方法可分析更深层次的行人属性，更好挖掘属性的层次关系以及位置约束，使属性识别结果更全面和准确。
-
公开(公告)号：CN120075261A
公开(公告)日：2025-05-30
申请号：CN202510200728.7
申请日：2025-02-24
Applicant: 杭州萧山国际机场有限公司 , 北京航空航天大学杭州创新研究院 , 北京航空航天大学
Abstract: 本申请提供一种机场环境通信并发控制方法、装置及电子设备，用于改善机场环境通信并发控制的资源利用效率较低的问题。该方法包括：通过强化学习模型中的策略神经网络基于样本数据选择并执行机场设备的目标动作，获得机场设备在当前通信周期内采集的设备数据；基于样本数据、设备数据、目标动作和目标动作对应的奖励值优化强化学习模型中的目标神经网络，目标神经网络的网络架构与策略神经网络的网络架构相同；将目标神经网络的模型参数赋值给策略神经网络，获得策略网络模型；使用策略网络模型对机场设备的通信策略进行控制，通信策略为从动作空间中选择出需要执行的目标动作，动作空间包括多个动作。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.046 seconds)
