-
公开(公告)号：CN107644429A
公开(公告)日：2018-01-30
申请号：CN201710946156.2
申请日：2017-09-30
Applicant: 华中科技大学 , 深圳华中科技大学研究院
Abstract: 本发明公开了一种基于强目标约束视频显著性的视频分割方法，属于图像处理技术领域。本发明方法在图像显著性的基础上引入了强目标约束，即通过多尺度跟踪算法和光流校正获得目标的位置及尺度约束，通过历史帧分割结果获得目标的颜色约束，计算得到视频显著性结果；对此视频显著性结果做直方图分类操作，获得标签掩图，计算当前帧的前/背景先验概率模型；在当前帧构建基于超像素的时空连续全连接条件随机场模型，使用此先验概率模型定义数据项，结合超像素间的颜色距离、空间距离和边缘关系定义帧内平滑项和帧间平滑项，并使用快速高维高斯滤波算法进行优化求解，完成视频目标分割。本发明方法有效的提高了视频分割的准确性和时间效率。
-
公开(公告)号：CN107590818A
公开(公告)日：2018-01-16
申请号：CN201710794283.5
申请日：2017-09-06
Applicant: 华中科技大学 , 深圳华中科技大学研究院
Abstract: 本发明公开了一种交互式视频分割方法，首先，进行目标轮廓线预估，得到目标物体在当前帧的预估初始轮廓，并在当前帧目标预估轮廓线基础上，通过距离映射得出每个像素点到目标预估轮廓的最短距离，作为该像素点的位置属性。在当前帧每个像素除了三维颜色属性的基础上，加入反映时空约束的位置属性，即每个像素点距离预估目标轮廓的距离值，扩展到高维空间。建立图结构时先将高维空间的每个属性预先划分为多个直方图Bin，然后将帧间平滑项叠加到通过全局概率模型计算得到的数据项中，作为能量函数模型的数据项，最终利用最大流最小割算法得到能量函数模型的解，成功的融入了目标的运动信息，增加了视频分割的时空连续性。
-
公开(公告)号：CN107644429B
公开(公告)日：2020-05-19
申请号：CN201710946156.2
申请日：2017-09-30
Applicant: 华中科技大学 , 深圳华中科技大学研究院
Abstract: 本发明公开了一种基于强目标约束视频显著性的视频分割方法，属于图像处理技术领域。本发明方法在图像显著性的基础上引入了强目标约束，即通过多尺度跟踪算法和光流校正获得目标的位置及尺度约束，通过历史帧分割结果获得目标的颜色约束，计算得到视频显著性结果；对此视频显著性结果做直方图分类操作，获得标签掩图，计算当前帧的前/背景先验概率模型；在当前帧构建基于超像素的时空连续全连接条件随机场模型，使用此先验概率模型定义数据项，结合超像素间的颜色距离、空间距离和边缘关系定义帧内平滑项和帧间平滑项，并使用快速高维高斯滤波算法进行优化求解，完成视频目标分割。本发明方法有效的提高了视频分割的准确性和时间效率。
-
公开(公告)号：CN107590818B
公开(公告)日：2019-10-25
申请号：CN201710794283.5
申请日：2017-09-06
Applicant: 华中科技大学 , 深圳华中科技大学研究院
Abstract: 本发明公开了一种交互式视频分割方法，首先，进行目标轮廓线预估，得到目标物体在当前帧的预估初始轮廓，并在当前帧目标预估轮廓线基础上，通过距离映射得出每个像素点到目标预估轮廓的最短距离，作为该像素点的位置属性。在当前帧每个像素除了三维颜色属性的基础上，加入反映时空约束的位置属性，即每个像素点距离预估目标轮廓的距离值，扩展到高维空间。建立图结构时先将高维空间的每个属性预先划分为多个直方图Bin，然后将帧间平滑项叠加到通过全局概率模型计算得到的数据项中，作为能量函数模型的数据项，最终利用最大流最小割算法得到能量函数模型的解，成功的融入了目标的运动信息，增加了视频分割的时空连续性。
-
公开(公告)号：CN113191204A
公开(公告)日：2021-07-30
申请号：CN202110372771.3
申请日：2021-04-07
Applicant: 华中科技大学
Abstract: 本发明公开了一种多尺度遮挡行人检测方法和系统，将行人头部检测模型与行人全身检测模型相结合，通过可信IoU阈值构建待定全身检测结果集，并结合全身检测结果与头部检测结果的匹配情况对待定全身检测结果集再次进行筛选，提升了密集场景下的行人检出率。采用多个单分辨率并行子网络和多个多尺度特征融合模块来构建特征提取网络，提升了特征提取网络输出特征的质量和信息完备性。在通道连结多个子网络输出特征后，使用通道选取模块进一步聚合了语义相关的特征通道，为后续多尺度目标的中心点预测、尺度预测和偏置预测任务提供了更良好和更精准的特征信息。
-
Patent Agency Ranking
公开(公告)号：CN111832443A
公开(公告)日：2020-10-27
申请号：CN202010601260.X
申请日：2020-06-28
Applicant: 华中科技大学
Abstract: 本发明涉及违规行为检测领域，具体公开了一种施工违规行为检测模型的构建方法及其应用，包括：对原始图像样本集中的图像进行相似度配对，并对每组图像对进行前景交换以及对交换后的所有图像进行风格渲染，得到扩展图像样本集；基于原始图像样本集和扩展图像样本集，训练单阶段目标检测网络，其中在训练时根据图像上文信息以及检测网络中的类别预测分支和位置预测分支的预测结果对网络参数进行调优，最后基于构建的违规行为检测模型进行违规行为的检测。本发明对原始样本进行配对相似度增强，极大提高训练样本规模以及模型训练精度，另外在训练时考虑上下文信息，通过对网络添加上下文信息对其正则化，极大提高目标检测的准确率。
-
公开(公告)号：CN111639570A
公开(公告)日：2020-09-08
申请号：CN202010429681.9
申请日：2020-05-20
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于运动模型和单目标线索的在线多目标跟踪方法，属于多目标跟踪领域。本发明以双流结构融合运动模型与单目标线索，在避免相互干扰的基础上，综合利用运动信息和表观信息来解决多目标跟踪问题。其中，运动模型部分，建立行人非刚性运动模型来预测行人位置，建立相机刚性运动模型来模拟相机外参变化，通过行人运动预测、相机运动矫正、行人预测更新三步将相机运动嵌入到行人运动模型中，有效地缓解了相机运动所造成的干扰，能够更精确地预测行人位置；单目标线索部分，通过单目标跟踪器来搜索每一帧的跟踪目标，引入背景信息来帮助解决遮挡问题，提高了单目标跟踪器在多目标场景下的鲁棒性。
-
公开(公告)号：CN111639564A
公开(公告)日：2020-09-08
申请号：CN202010420705.4
申请日：2020-05-18
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多注意力异构网络的视频行人重识别方法，属于图像处理领域。方法包括：构造并训练多注意力异构网络；利用训练好的网络对已知行人ID的视频和待定行人ID的视频进行特征提取，根据两个特征之间的余弦距离判定行人ID。本发明在OSNet网络中引入了Soft注意力和非局部注意力，利用Soft注意力关注图像中的行人区域特征，利用非局部注意力对视频序列中时空特征的学习能力，改进视频序列的特征表示，提取出更加鲁棒和更具判别性的特征，提高识别的准确率。同时选取了特定帧的特征作为局部特征学习网络分支，在学习视频序列中行人全局特征的同时，加强了行人局部特征的学习，提升了网络在视频行人重识别上的性能。
-
公开(公告)号：CN111539370A
公开(公告)日：2020-08-14
申请号：CN202010369889.6
申请日：2020-04-30
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多注意力联合学习的图像行人重识别方法和系统，属于图像处理技术领域。本发明在ResNet50特征提取网络中引入了Soft注意力和高阶注意力，利用两种不同类型的注意力对特征提取的互补作用，改善了特征提取网络对于行人特征的学习能力，使得特征提取网络关注行人图像中更具有判别性的特征。为获得更精确的注意力特征，提出多级注意力损失函数，利用这种损失损失函数指导特征提取网络的训练学习，进一步改善特征提取网络对于行人特征的学习能力。在学习行人全局特征的同时，融合特征提取网络中的中级特征以及加强了对行人局部特征的学习，提升网络学习行人特征之间细微差别的能力，提升网络在图像行人重识别上的性能。
-
公开(公告)号：CN110751174A
公开(公告)日：2020-02-04
申请号：CN201910854170.9
申请日：2019-09-10
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于多任务级联卷积网络的表盘检测方法和系统，属于目标检测技术领域。对整幅图片中的仪表盘区域进行检测并对表盘中的特征点进行检测定位，采用了多任务的学习机制，充分利用了子任务之间的关系，并行实现了检测仪表盘区域与表盘特征点定位的双重任务，并且用了一种新的在线困难样本挖掘策略，训练效果比人工选择样本更好。通过对数据集的训练生成相应的训练模型，用训练模型对测试集图片进行表盘检测与表盘特征点定位，实现了在不同背景下对表盘区域的准确检测与表盘特征点的准确定位同时轻量级的卷积神经网络设计可以达到实时检测的效果。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.023 seconds)
