公开(公告)号：CN107358200B

公开(公告)日：2020-09-18

申请号：CN201710568659.0

申请日：2017-07-13

Applicant: 常州大学

Inventor： 王洪元 ,  张文文 ,  万建武 ,  孙金玉

IPC: G06K9/00

Abstract: 本发明公开了一种基于稀疏学习的多摄像机非重叠视域行人匹配方法，具体包括以下步骤：步骤1，从数据集中提取行人目标特征作为行人的原始特征；步骤2，根据原始特征，利用稀疏学习提取行人目标的高层语义特征；步骤3，将高层语义特征映射到公共隐空间；步骤4，建立稀疏表示模型，并稀疏表示出样本特征；步骤5，利用步骤4处理好的样本特征进行行人匹配。本发明突破了传统的单摄像机视域限制，有效扩大了监控空间，消除了大范围监控存在的摄像头盲区，并将时间和空间上分离的目标在不同摄像机中进行匹配。本发明的方法对行人目标姿态变化、光照条件变化具有很强的鲁棒性。

公开(公告)号：CN107844775A

公开(公告)日：2018-03-27

申请号：CN201711112535.8

申请日：2017-11-13

Applicant: 常州大学

Inventor： 王洪元 ,  孙金玉 ,  张继 ,  张文文

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

CPC classification number: G06K9/00369 ,  G06K9/4642 ,  G06K9/4652 ,  G06K9/6232 ,  G06K9/6267 ,  G06K2009/4695

Abstract: 本发明涉及计算机视觉中的行人重识别技术领域，尤其是一种基于块稀疏表示的行人重识别方法，包括以下步骤：步骤1、行人训练集和测试集的划分；步骤2、提取行人特征，所述行人特征包括行人颜色特征与行人纹理特征；步骤3、进行行人特征变换；步骤4、构建块稀疏表示的行人重识别模型；步骤5、交替方向框架求解模型；步骤6、计算残差进行行人身份的判别，有效解决了传统的单摄像机视角限制，克服多摄像机视角下行人重识别困难；本发明专利对行人遮挡情况可以很好建模从而更好地对行人进行匹配。本发明对行人的姿态变化、光照影响、外貌以及遮挡均具有很强的鲁棒性。

公开(公告)号：CN107358200A

公开(公告)日：2017-11-17

申请号：CN201710568659.0

申请日：2017-07-13

Applicant: 常州大学

Inventor： 王洪元 ,  张文文 ,  万建武 ,  孙金玉

IPC: G06K9/00

Abstract: 本发明公开了一种基于稀疏学习的多摄像机非重叠视域行人匹配方法，具体包括以下步骤：步骤1，从数据集中提取行人目标特征作为行人的原始特征；步骤2，根据原始特征，利用稀疏学习提取行人目标的高层语义特征；步骤3，将高层语义特征映射到公共隐空间；步骤4，建立稀疏表示模型，并稀疏表示出样本特征；步骤5，利用步骤4处理好的样本特征进行行人匹配。本发明突破了传统的单摄像机视域限制，有效扩大了监控空间，消除了大范围监控存在的摄像头盲区，并将时间和空间上分离的目标在不同摄像机中进行匹配。本发明的方法对行人目标姿态变化、光照条件变化具有很强的鲁棒性。

公开(公告)号：CN107844752A

公开(公告)日：2018-03-27

申请号：CN201710981425.9

申请日：2017-10-20

Applicant: 常州大学

Inventor： 王洪元 ,  孙金玉 ,  张继 ,  张文文 ,  丁宗元

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

CPC classification number: G06K9/00369 ,  G06K9/4642 ,  G06K9/4652 ,  G06K9/6232 ,  G06K9/6267 ,  G06K2009/4695

Abstract: 本发明涉及计算机视觉中的行人重识别技术领域，尤其是一种基于块稀疏表示的行人重识别方法，包括以下步骤：步骤1、行人训练集和测试集的划分；步骤2、提取行人特征，所述行人特征包括行人颜色特征与行人纹理特征；步骤3、进行行人特征变换；步骤4、构建块稀疏表示的行人重识别模型；步骤5、交替方向框架求解模型；步骤6、计算残差进行行人身份的判别，有效解决了传统的单摄像机视角限制，克服多摄像机视角下行人重识别困难；本发明对行人遮挡情况可以很好建模从而更好地对行人进行匹配。本发明对行人的姿态变化、光照影响、外貌以及遮挡均具有很强的鲁棒性。