-
公开(公告)号:CN113392786A
公开(公告)日:2021-09-14
申请号:CN202110689585.2
申请日:2021-06-21
Applicant: 电子科技大学
Abstract: 本发明属于行人重识别技术领域,尤其涉及基于归一化和特征增强的跨域行人重识别方法,包括建立识别网络模型、图像特征归一化、图像特征恢复、图像特征输出。本技术方案在不使用目标域数据的基础上能够有效抑制域间隙并增强行人判别特征,进而增强识别网络模型的泛化能力;借助残差连接思想使得实例归一化既能抑制风格差异又能防止信息的丢失,以此使提取到的特征具有域不变性的同时保持判别力;通过注意力单元CAB将空间信息融入通道中,并通过构建通道间的依赖关系自适应地调整各通道的特征权重,有效增强了行人特征。
-
公开(公告)号:CN114972434B
公开(公告)日:2024-08-09
申请号:CN202210629944.X
申请日:2022-06-06
Applicant: 电子科技大学
IPC: G06T7/246 , G06V10/44 , G06N3/08 , G06N3/0464 , G06V10/82
Abstract: 本发明涉及智能视频监控和智能安保技术领域,特别是涉及一种级联检测和匹配的端到端多目标跟踪系统,包括输入模块、特征提取模块、输入预处理模块、目标检测模块以及目标数据关联模块;输入模块用于将该图像二元组以孪生形式输入到特征提取模块;特征提取模块采用DLA34网络作为下采样骨干网络,并在每一个下采样节点中加入上采样以实现语义融合;所述输入预处理模块用于将历史帧图像的特征进行融合;目标检测模块基于点的目标检测,定位目标位置,得到检测三元组;目标数据关联模块包括匹配模型和经过训练的基于卷积网络的非线性运动预测模型。通过本跟踪系统,能有效解决多尺度特征难以融合、任务失衡以及目标运动关联算法匹配效果较差的问题。
-
公开(公告)号:CN113095221A
公开(公告)日:2021-07-09
申请号:CN202110391644.8
申请日:2021-04-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于属性特征和身份特征融合的跨域行人重识别方法,采用基于属性特征和身份特征融合的跨域行人重识别模型实现,所述基于属性特征和身份特征融合的跨域行人重识别模型设置有卷积及池化层、4个残差模块,在每一个残差模块之后皆插入一个注意力和风格归一化模块,在第3个注意力和风格归一化模块之后引出一条属性分支,所述属性分支包含属性特征提取模块和特征融合模块,所述属性分支的特征提取模块所提取到的属性特征将与第4个所述注意力和风格归一化模块所得域不变全局特征进行融合;利用具有很好泛化能力和鲁棒性的基于属性特征和身份特征融合的跨域行人重识别模型进行行人重识别。
-
公开(公告)号:CN118038094A
公开(公告)日:2024-05-14
申请号:CN202410099691.9
申请日:2024-01-24
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
Abstract: 本发明公开了一种面向动态场景的即时定位与建图方法、系统、存储介质及终端,属于视觉定位领域,包括:在ORB‑SLAM2框架中通过滑动窗口和模板匹配的方式检测当前图像帧中物体的运动状态,筛选出动态物体和静态物体;剔除动态物体上的特征点,保留静态物体上的特征点;将当前帧图像中的静态物体与地图中已构建的物体进行匹配,并根据匹配结果实时更新数据库;其中,若当前静态物体是新物体,则直接添加到数据库中;若当前静态物体不是新物体,则通过静态物体语义约束算法将其与数据库中同类物体进行匹配。本发明充分利用了静态物体的语义信息,能够获取精准的物体信息,实现对动态场景的即时响应和实时更新。同时,不依赖先验知识的特点,扩展了SLAM系统的通用性。
-
公开(公告)号:CN113158881B
公开(公告)日:2022-06-14
申请号:CN202110417945.3
申请日:2021-04-19
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于注意力机制的跨域行人重识别方法,其技术方案是在基于ResNet50构造的神经网络模型中对输入图像进行处理,通过空间注意力模块和注意力权重融合模块能够将不同阶段的注意力信息进行融合,从而充分了利用不同阶段的语义和位置信息来增强行人显著性特征的提取并抑制背景干扰,由此达到提升模型跨域行人重识别效果的目的。
-
公开(公告)号:CN119169086A
公开(公告)日:2024-12-20
申请号:CN202410469578.5
申请日:2024-04-18
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
Abstract: 本发明公开了一种面向动态场景的双目视觉SLAM方法、电子设备和存储介质,针对从双目相机获取的当前帧图像和先前帧图像,所述方法包括以下步骤:获取所述当前帧图像和所述先前帧图像;分别提取当前帧图像的静态特征点和动态特征点、先前帧图像的静态特征点和动态特征点;得到当前帧图像和先前帧图像的位姿;连续跟踪关联物体;输出当前帧图像中所有物体的运动状态;根据当前帧图像中所有物体的运动状态,进行特征点的重过滤;基于更新特征点后的当前帧图像进行定位和建图。本发明充分利用了相机获得的有效信息,能够实现在动态场景下的相机位姿的准确估计和地图建立,具有较强的鲁棒性和稳定性。
-
公开(公告)号:CN117132636A
公开(公告)日:2023-11-28
申请号:CN202311086575.5
申请日:2023-08-25
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G06T7/55 , G06T7/80 , G06T7/73 , G06N3/0464 , G06N3/048 , G06N3/08 , G01S11/12 , G01B11/26 , G01B11/14
Abstract: 本发明公开了基于深度学习和模板匹配的双目摄像头测距方法及终端,属于扫地机器人技术领域,包括:将双目摄像头采集的对应两幅图像进行极线约束处理;对其中一摄像头采集的图像进行目标检测处理,得到目标框,并作为模板;以另一摄像头采集的图像为目标图,基于目标框位置范围在目标图中水平搜索模板,得到模板在目标图的位置,并计算视差;将视差转为三维坐标,得到目标物体的距离信息、角度信息。基于极线约束的作用,对模板的搜索范围能够被限制在同一极线上,使搜索范围由全局变为局部,大大提高了图像处理速度,能够满足实时性检测要求;模板匹配过程中考虑的是物体整体信息,能有效避免缺失特征点的问题,不会出现漏检的问题。
-
公开(公告)号:CN117132620A
公开(公告)日:2023-11-28
申请号:CN202311089704.6
申请日:2023-08-28
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G06T7/246
Abstract: 本发明公开了一种自动驾驶场景的多目标跟踪方法、系统、存储介质及终端,属于自动驾驶领域,包括:对每一帧输入图像进行三维目标检测;将当前的所有三维目标框投影至鸟瞰图,得到检测框;判断历史生成的物体对象是否在视野范围内,将在视野范围内的物体投影至鸟瞰图,得到目标框;计算所述检测框与目标框的交并比;根据所述交并比的计算结果判断物体是否被成功跟踪;剔除被成功跟踪的动态物体内的特征点。本发明将三维目标检测结果投影至鸟瞰图中,建立当前检测物体与历史生成物体的匹配关系,并根据该匹配关系跟踪多目标,同时剔除动态框内特征点,不受动态物体的的干扰,估计准确。
-
公开(公告)号:CN113095221B
公开(公告)日:2022-10-18
申请号:CN202110391644.8
申请日:2021-04-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于属性特征和身份特征融合的跨域行人重识别方法,采用基于属性特征和身份特征融合的跨域行人重识别模型实现,所述基于属性特征和身份特征融合的跨域行人重识别模型设置有卷积及池化层、4个残差模块,在每一个残差模块之后皆插入一个注意力和风格归一化模块,在第3个注意力和风格归一化模块之后引出一条属性分支,所述属性分支包含属性特征提取模块和特征融合模块,所述属性分支的特征提取模块所提取到的属性特征将与第4个所述注意力和风格归一化模块所得域不变全局特征进行融合;利用具有很好泛化能力和鲁棒性的基于属性特征和身份特征融合的跨域行人重识别模型进行行人重识别。
-
公开(公告)号:CN114972434A
公开(公告)日:2022-08-30
申请号:CN202210629944.X
申请日:2022-06-06
Applicant: 电子科技大学
Abstract: 本发明涉及智能视频监控和智能安保技术领域,特别是涉及一种级联检测和匹配的端到端多目标跟踪系统,包括输入模块、特征提取模块、输入预处理模块、目标检测模块以及目标数据关联模块;输入模块用于将该图像二元组以孪生形式输入到特征提取模块;特征提取模块采用DLA34网络作为下采样骨干网络,并在每一个下采样节点中加入上采样以实现语义融合;所述输入预处理模块用于将历史帧图像的特征进行融合;目标检测模块基于点的目标检测,定位目标位置,得到检测三元组;目标数据关联模块包括匹配模型和经过训练的基于卷积网络的非线性运动预测模型。通过本跟踪系统,能有效解决多尺度特征难以融合、任务失衡以及目标运动关联算法匹配效果较差的问题。
-
-
-
-
-
-
-
-
-