-
公开(公告)号：CN105261040B
公开(公告)日：2018-01-05
申请号：CN201510676986.9
申请日：2015-10-19
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种多目标跟踪方法及装置，包括确定参考图像帧中每一目标对象在当前的目标图像帧的第一类预测区域，确定所述目标图像帧所对应的梯度幅值图；利用预定窗口在所述梯度幅值图中逐像素点滑动，得到所述预定窗口在滑动过程中所生成的多个子图像区域；从多个子图像区域中，筛选得到包含物体对象的第一类子图像区域；通过将目标图像帧中的第一类子图像区域分别与参考图像帧中每一目标对象在当前的目标图像帧的第一类预测区域进行图像匹配，通过匹配的方式确定目标对象在所述目标图像帧中的区域，而并非仅仅依据前一帧图像的目标对象的区域信息来直接预测，因此，能够提高多目标跟踪准确率。
-
公开(公告)号：CN105574510A
公开(公告)日：2016-05-11
申请号：CN201510958380.4
申请日：2015-12-18
Applicant: 北京邮电大学
CPC classification number: G06K9/00348 , G06K9/00342 , G06K9/4628 , G06K9/4609
Abstract: 本发明实施例公开了一种步态识别方法，首先，提取待识别人的步态视频的初始步态特征；再根据已训练好的子神经网络和所述初始步态特征，获取对应的优化步态特征；然后，根据待识别人的优化步态特征与匹配库中每个已知人物的优化步态特征，确定对应的相似度，根据相似度最大时匹配库中的优化步态特征对应的已知人物的信息，确定所述待识别人的信息；其中的已训练好的子神经网络是通过训练包括两条并行设置且权重共享的相同子神经网络的神经网络获得，使子神经网络对于同一人的优化步态特征相似度较大，对于不同人的优化步态特征相似度较小，从而提高识别方法的准确性。
-
公开(公告)号：CN105117737A
公开(公告)日：2015-12-02
申请号：CN201510644656.1
申请日：2015-10-08
Applicant: 北京邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6222 , G06K9/6272
Abstract: 本发明实施例提出了一种基于车辆轨迹向量确定车辆实际方向的方法及装置，该方法中针对获取的每个车辆轨迹向量进行聚类，根据每个聚类中包含的车辆轨迹向量，确定每个聚类中心点对应的车辆轨迹向量，其中该聚类的数量大于预设的车辆的实际方向的数量，根据与每个聚类中心点对应的车辆轨迹向量的距离，确定待分类的车辆轨迹向量所在聚类，根据与每个聚类中心点对应的车辆轨迹向量匹配的车辆的实际方向，确定待分类的车辆轨迹向量的实际方向，保证了方向确定的准确性和鲁棒性。
-
公开(公告)号：CN105261040A
公开(公告)日：2016-01-20
申请号：CN201510676986.9
申请日：2015-10-19
Applicant: 北京邮电大学
CPC classification number: G06K9/6269 , G06K9/6276 , G06T2207/10016 , G06T2207/30232
Abstract: 本发明实施例提供了一种多目标跟踪方法及装置，包括确定参考图像帧中每一目标对象在当前的目标图像帧的第一类预测区域，确定所述目标图像帧所对应的梯度幅值图；利用预定窗口在所述梯度幅值图中逐像素点滑动，得到所述预定窗口在滑动过程中所生成的多个子图像区域；从多个子图像区域中，筛选得到包含物体对象的第一类子图像区域；通过将目标图像帧中的第一类子图像区域分别与参考图像帧中每一目标对象在当前的目标图像帧的第一类预测区域进行图像匹配，通过匹配的方式确定目标对象在所述目标图像帧中的区域，而并非仅仅依据前一帧图像的目标对象的区域信息来直接预测，因此，能够提高多目标跟踪准确率。
-
-
-
Search Results
4
records
(took 0.022 seconds)
