-
公开(公告)号：CN108288270B
公开(公告)日：2022-06-03
申请号：CN201810113321.0
申请日：2018-02-05
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于通道修剪与全卷积深度学习的目标检测方法，首先，使用套索回归方法在卷积神经网络的每层通道上实现冗余通道的修剪；然后，使用线性最小二乘法重构最小化误差；最后，利用全卷积神经网络获取感兴趣区域，加速目标检测。通过在通用Caltech行人检测数据集的实验表明，本发明提出的方案可有效提高行人检测的准确性与快速性。
-
Patent Agency Ranking
公开(公告)号：CN107169989A
公开(公告)日：2017-09-15
申请号：CN201710249226.9
申请日：2017-04-17
Applicant: 南京邮电大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于数据关联与轨迹评估的多目标跟踪方法，首先，利用随机采样一致性算法对每一个d∈D的观测进行直线拟合，得到目标的初始轨迹集T，同时利用时空关系对每一个d∈D的观测建立条件随机场模型，并给出标号方式；其次，建立拟合模型、先验模型、互斥模型，在CRF模型的基础上，利用拟合模型、先验模型、互斥模型构建目标函数，并利用梯度下降法与α‑expansion算法求解目标函数的近似最小能量；最后，基于最小能量对初始轨迹集T进行分割与合并、添加与删除、增长与收缩，得到目标的最佳跟踪轨迹。本发明基于数据关联与轨迹评估的多目标跟踪算法能够在场景拥挤、目标身份切换频繁、目标长时间遮挡的情况下得到稳定、连续的跟踪轨迹。
-
公开(公告)号：CN106971158A
公开(公告)日：2017-07-21
申请号：CN201710176356.4
申请日：2017-03-23
Applicant: 南京邮电大学
CPC classification number: G06K9/00778 , G06K9/46 , G06K9/6269
Abstract: 本发明公开了一种基于CoLBP共生特征与GSS特征的行人检测方法，包括步骤：提取视频序列中每一帧图像的HOG特征及LBP特征，根据HOG特征计算出图像局部梯度块之间的成对梯度自相似性的GSS特征，同时根据LBP特征得到CoLBP共生特征；采用特征生成器FGM移除不对称的GSS特征，得到判别梯度自相似性DGSS特征；基于HOG特征与CoLBP共生特征训练的线性SVM分类器移除图像中的负样本；对于剩余负样本与正样本，利用基于HOG特征与DGSS特征训练的Real‑AdaBoost分类器再次检测每一帧图像中的行人，获得检测结果。本发明在LBP与HOG特征的基础上进一步得到更高层次的CoLBP共生特征与GSS特征，增加了行人特征提取的可靠性，最后的检测结果也表明，本发明具有较好的检测效果。
-
公开(公告)号：CN107169989B
公开(公告)日：2020-04-24
申请号：CN201710249226.9
申请日：2017-04-17
Applicant: 南京邮电大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于数据关联与轨迹评估的多目标跟踪方法，首先，利用随机采样一致性算法对每一个d∈D的观测进行直线拟合，得到目标的初始轨迹集T，同时利用时空关系对每一个d∈D的观测建立条件随机场模型，并给出标号方式；其次，建立拟合模型、先验模型、互斥模型，在CRF模型的基础上，利用拟合模型、先验模型、互斥模型构建目标函数，并利用梯度下降法与α‑expansion算法求解目标函数的近似最小能量；最后，基于最小能量对初始轨迹集T进行分割与合并、添加与删除、增长与收缩，得到目标的最佳跟踪轨迹。本发明基于数据关联与轨迹评估的多目标跟踪算法能够在场景拥挤、目标身份切换频繁、目标长时间遮挡的情况下得到稳定、连续的跟踪轨迹。
-
公开(公告)号：CN106971158B
公开(公告)日：2019-07-16
申请号：CN201710176356.4
申请日：2017-03-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于CoLBP共生特征与GSS特征的行人检测方法，包括步骤：提取视频序列中每一帧图像的HOG特征及LBP特征，根据HOG特征计算出图像局部梯度块之间的成对梯度自相似性的GSS特征，同时根据LBP特征得到CoLBP共生特征；采用特征生成器FGM移除不对称的GSS特征，得到判别梯度自相似性DGSS特征；基于HOG特征与CoLBP共生特征训练的线性SVM分类器移除图像中的负样本；对于剩余负样本与正样本，利用基于HOG特征与DGSS特征训练的Real‑AdaBoost分类器再次检测每一帧图像中的行人，获得检测结果。本发明在LBP与HOG特征的基础上进一步得到更高层次的CoLBP共生特征与GSS特征，增加了行人特征提取的可靠性，最后的检测结果也表明，本发明具有较好的检测效果。
-
公开(公告)号：CN108288270A
公开(公告)日：2018-07-17
申请号：CN201810113321.0
申请日：2018-02-05
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于通道修剪与全卷积深度学习的目标检测方法，首先，使用套索回归方法在卷积神经网络的每层通道上实现冗余通道的修剪；然后，使用线性最小二乘法重构最小化误差；最后，利用全卷积神经网络获取感兴趣区域，加速目标检测。通过在通用Caltech行人检测数据集的实验表明，本发明提出的方案可有效提高行人检测的准确性与快速性。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
