-
Patent Agency Ranking
公开(公告)号：CN108257158B
公开(公告)日：2021-11-30
申请号：CN201810255863.1
申请日：2018-03-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于循环神经网络的目标预测与跟踪方法，首先根据当前视频帧提取特征信息，采用SFE‑Net+模型的单支网络得到1000维特征，将其输入到运动模型SM‑Net中，其次，时序结构的SM‑Net结合特征信息和上一帧目标所在的中心位置预测出目标在当前帧中的中心位置，然后采用随机采样方式在中心位置周围选取一定数量的候选框，最后输入到匹配模型SMT‑Net中与第一帧目标框逐个进行相似性判定，选取相似度最高的候选框，其在原始图像中所占的区域即为当前帧目标最终所在的区域。本发明可以在复杂情形下对物体进行跟踪。
-
公开(公告)号：CN108416780B
公开(公告)日：2021-08-31
申请号：CN201810255893.2
申请日：2018-03-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于孪生‑感兴趣区域池化模型的物体检测与匹配方法，使用了一个融合了全卷积网络结构和感兴趣区域池化层两个方法的孪生‑感兴趣区域池化模型，采用了全卷积网络结构以适应不同大小的输入单元，通过网络逐层抽象获得判别性特征，并引入相关卷积层用于判定目标框与当前视频帧的特征相似性并输出目标框在当前视频帧中对应位置的响应图，再添加ROI Pooling层以应用于目标检测。本发明能够在复杂情形下仍旧良好地进行检测。
-
公开(公告)号：CN108257158A
公开(公告)日：2018-07-06
申请号：CN201810255863.1
申请日：2018-03-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于循环神经网络的目标预测与跟踪方法，首先根据当前视频帧提取特征信息，采用SFE‑Net+模型的单支网络得到1000维特征，将其输入到运动模型SM‑Net中，其次，时序结构的SM‑Net结合特征信息和上一帧目标所在的中心位置预测出目标在当前帧中的中心位置，然后采用随机采样方式在中心位置周围选取一定数量的候选框，最后输入到匹配模型SMT‑Net中与第一帧目标框逐个进行相似性判定，选取相似度最高的候选框，其在原始图像中所占的区域即为当前帧目标最终所在的区域。本发明可以在复杂情形下对物体进行跟踪。
-
公开(公告)号：CN108416780A
公开(公告)日：2018-08-17
申请号：CN201810255893.2
申请日：2018-03-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于孪生-感兴趣区域池化模型的物体检测与匹配方法，使用了一个融合了全卷积网络结构和感兴趣区域池化层两个方法的孪生-感兴趣区域池化模型，采用了全卷积网络结构以适应不同大小的输入单元，通过网络逐层抽象获得判别性特征，并引入相关卷积层用于判定目标框与当前视频帧的特征相似性并输出目标框在当前视频帧中对应位置的响应图，再添加ROI Pooling层以应用于目标检测。本发明能够在复杂情形下仍旧良好地进行检测。
-
公开(公告)号：CN207319186U
公开(公告)日：2018-05-04
申请号：CN201721409662.X
申请日：2017-10-30
Applicant: 福州大学
IPC: G06F3/01
Abstract: 本实用新型的目的是提供一种基于STM32的乒乓球、羽毛球动作识别装置电路，该电路包括微控制器、传感器电路、蓝牙模块电路以及电源电路；所述的传感器电路包括运动传感器；所述的运动传感器连接至微控制器；所述蓝牙模块电路通过串口与微控制器连接；所述电源电路包括电池及与该电池连接的稳压电路；所述稳压电路分别连接至微控制器和蓝牙模块。本实用新型电路体积小、功能完整、稳定可靠、扩展方便，采用本实用新型电路可实现运动姿态的实时分析与识别。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
