-
公开(公告)号：CN111428809B
公开(公告)日：2023-07-28
申请号：CN202010287687.7
申请日：2020-04-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/80 , G06V20/52 , G06N3/0464 , G06V10/32 , G06V10/56 , G06V10/774 , G06V40/10
Abstract: 本发明提出了一种基于空间信息融合与卷积神经网络的人群计数方法，基于基础模块、多尺度模块和融合模块，包括以下步骤：通过所述基础模块进行低阶语义特征的提取：将获得的图片预处理后添加到一个小尺寸滤波器的单列模块中，来提取低层语义特征；通过所述多尺度模块进行多尺度特征的提取：使用不同大小的滤波器来提取对应尺度的人类头部特征；通过所述融合模块完成多阶段特征的融合。本发明提供的基于空间信息融合与卷积神经网络的人群计数方法不仅提升模块在人头尺度变换方面的鲁棒性，还解决了两类多尺度特征的融合问题。
-
公开(公告)号：CN111428809A
公开(公告)日：2020-07-17
申请号：CN202010287687.7
申请日：2020-04-13
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提出了一种基于空间信息融合与卷积神经网络的人群计数方法，基于基础模块、多尺度模块和融合模块，包括以下步骤：通过所述基础模块进行低阶语义特征的提取：将获得的图片预处理后添加到一个小尺寸滤波器的单列模块中，来提取低层语义特征；通过所述多尺度模块进行多尺度特征的提取：使用不同大小的滤波器来提取对应尺度的人类头部特征；通过所述融合模块完成多阶段特征的融合。本发明提供的基于空间信息融合与卷积神经网络的人群计数方法不仅提升模块在人头尺度变换方面的鲁棒性，还解决了两类多尺度特征的融合问题。
-
公开(公告)号：CN114359804B
公开(公告)日：2025-03-25
申请号：CN202210004146.8
申请日：2022-01-05
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V20/40 , G06V20/52 , G06V10/52 , G06V10/62 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于局部交叉时空信息与卷积神经网络的视频人群计数方法，属于基于视频的人群计数领域。所述方法包括：A、特征提取模块，通过将一对邻接视频帧输入到特征提取模块来获得多尺度特征；B、局部交叉关系模块，通过建模相邻视频帧之间像素的局部依赖关系来增强视频帧的特征表示；C、解码模块，在多个尺度上集成局部交叉信息模块，并生成多尺度的人群密度图。本发明提供的基于局部交叉关系的视频人群计数方法不仅提出了一种提取相邻视频帧间时空关系的技术，还解决了相邻视频帧间时空关系的融合问题，同时，本方法利用视频的上下帧时空关系，以从粗到细的粒度对网络中的上下帧特征进行增强，提高了视频人群计数方法的精度。
-
公开(公告)号：CN114359804A
公开(公告)日：2022-04-15
申请号：CN202210004146.8
申请日：2022-01-05
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V20/40 , G06V20/52 , G06V10/46 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于局部交叉时空信息与卷积神经网络的视频人群计数方法，属于基于视频的人群计数领域。所述方法包括：A、特征提取模块，通过将一对邻接视频帧输入到特征提取模块来获得多尺度特征；B、局部交叉关系模块，通过建模相邻视频帧之间像素的局部依赖关系来增强视频帧的特征表示；C、解码模块，在多个尺度上集成局部交叉信息模块，并生成多尺度的人群密度图。本发明提供的基于局部交叉关系的视频人群计数方法不仅提出了一种提取相邻视频帧间时空关系的技术，还解决了相邻视频帧间时空关系的融合问题，同时，本方法利用视频的上下帧时空关系，以从粗到细的粒度对网络中的上下帧特征进行增强，提高了视频人群计数方法的精度。
-
-
-
Search Results
4
records
(took 0.024 seconds)
