-
公开(公告)号：CN111539359A
公开(公告)日：2020-08-14
申请号：CN202010350261.1
申请日：2020-04-28
Applicant: 浙江工商大学 , 杭州芃视科技有限公司
Abstract: 本发明公开了一种基于深度学习的违章停车检测方法。本发明首先读取视频帧进行检测；然后检测出的汽车检测框计算中心点；再判断中心点是否在禁停区，如在禁停区则判断停车时间是否超设定值，如超设定值则进行提醒。本发明通过对yolo-tiny网络结构的简化修改，使得不损失精度的前提下检测单类目标速度更加快速；通过对IOU的二值化，使得计算速度得到显著提升。通过a-IOU计算，更加简便而精准地判定违章停车；通过检测框的center与集合C中存储的center对比，简单地解决了跟踪计时问题。
-
公开(公告)号：CN111539359B
公开(公告)日：2024-04-02
申请号：CN202010350261.1
申请日：2020-04-28
Applicant: 浙江工商大学 , 杭州芃视科技有限公司
Abstract: 本发明公开了一种基于深度学习的违章停车检测方法。本发明首先读取视频帧进行检测；然后检测出的汽车检测框计算中心点；再判断中心点是否在禁停区，如在禁停区则判断停车时间是否超设定值，如超设定值则进行提醒。本发明通过对yolo‑tiny网络结构的简化修改，使得不损失精度的前提下检测单类目标速度更加快速；通过对IOU的二值化，使得计算速度得到显著提升。通过a‑IOU计算，更加简便而精准地判定违章停车；通过检测框的center与集合C中存储的center对比，简单地解决了跟踪计时问题。
-
公开(公告)号：CN111582126B
公开(公告)日：2024-02-27
申请号：CN202010360873.9
申请日：2020-04-30
Applicant: 浙江工商大学
Abstract: 与否，本发明都能比较好地进行重识别。本发明公开了一种基于多尺度行人轮廓分割融合的行人重识别方法。本发明首先进行数据预处理；其次提取图像的全局特征和行人的轮廓特征，并将这两个特征进行融合；然后采用标签平滑损失函数对行人重识别网络进行训练，使得网络参数最优；最后针对行人重识别数据集中包含的查询集和候选集，计算查询集中指定对象和候选集中的每一个对象的欧式距离，接着对所计算得到的距离进行升序排序，获得行人重识别的(56)对比文件罗晖;芦春雨;郑翔文.一种基于多尺度角点检测的语义分割网络.电脑知识与技术.2019,(第33期),全文.
-
公开(公告)号：CN111582126A
公开(公告)日：2020-08-25
申请号：CN202010360873.9
申请日：2020-04-30
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于多尺度行人轮廓分割融合的行人重识别方法。本发明首先进行数据预处理；其次提取图像的全局特征和行人的轮廓特征，并将这两个特征进行融合；然后采用标签平滑损失函数对行人重识别网络进行训练，使得网络参数最优；最后针对行人重识别数据集中包含的查询集和候选集，计算查询集中指定对象和候选集中的每一个对象的欧式距离，接着对所计算得到的距离进行升序排序，获得行人重识别的排序结果。本发明去除了行人服装上的特征，也学习了行人的人体的轮廓用来识别行人，结合全局特征，进行行人重识别。行人服装上无论更换与否，本发明都能比较好地进行重识别。
-
-
-
Search Results
4
records
(took 0.017 seconds)
