-
公开(公告)号：CN113592971B
公开(公告)日：2024-04-16
申请号：CN202110865481.2
申请日：2021-07-29
Applicant: 西安交通大学 , 宁波市舜安人工智能研究院
IPC: G06T11/00 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种虚拟人体图像生成方法、系统、设备及介质，所述方法包括：将源人体图像和目标姿态图像输入预训练好的虚拟人体图像生成网络，获得目标姿态人体图像；其中，虚拟人体图像生成网络为卷积神经网络，包括：编码器，用于输入源人体图像和目标姿态图像，编码获得源人体特征和目标人体特征；基于结构的外观生成模块，用于输入源人体特征和目标人体特征并进行更新，获得更新后的源人体特征和目标人体特征；解码器，用于输入基于结构的外观生成模块输出的目标人体特征，解码获得目标姿态人体图像。本发明利用基于人体结构的姿态引导下的虚拟人体图像生成网络，能够生成有着正确目标姿态的逼真人体图像。
-
公开(公告)号：CN113592971A
公开(公告)日：2021-11-02
申请号：CN202110865481.2
申请日：2021-07-29
Applicant: 西安交通大学 , 宁波市舜安人工智能研究院
Abstract: 本发明公开了一种虚拟人体图像生成方法、系统、设备及介质，所述方法包括：将源人体图像和目标姿态图像输入预训练好的虚拟人体图像生成网络，获得目标姿态人体图像；其中，虚拟人体图像生成网络为卷积神经网络，包括：编码器，用于输入源人体图像和目标姿态图像，编码获得源人体特征和目标人体特征；基于结构的外观生成模块，用于输入源人体特征和目标人体特征并进行更新，获得更新后的源人体特征和目标人体特征；解码器，用于输入基于结构的外观生成模块输出的目标人体特征，解码获得目标姿态人体图像。本发明利用基于人体结构的姿态引导下的虚拟人体图像生成网络，能够生成有着正确目标姿态的逼真人体图像。
-
公开(公告)号：CN116434112A
公开(公告)日：2023-07-14
申请号：CN202310322967.0
申请日：2023-03-29
Applicant: 西安交通大学 , 宁波市舜安人工智能研究院
IPC: G06V20/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0895
Abstract: 本发明公开了一种弱监督视频异常检测方法、系统、设备及介质，所述弱监督视频异常检测方法包括以下步骤：获取待检测的视频帧特征序列；基于获取的所述待检测的视频帧特征序列，利用预先训练好的异常检测模型进行视频异常检测，获得视频异常检测结果。本发明提供的技术方案中，利用基于异常占比的多实例学习损失函数和异常占比引导下的多阶段自训练框架，能够对视频中存在的异常(包括简单异常帧和难异常帧)进行准确检测。
-
Patent Agency Ranking
公开(公告)号：CN112116673A
公开(公告)日：2020-12-22
申请号：CN202010745734.8
申请日：2020-07-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种姿态引导下的基于结构相似性的虚拟人体图像生成方法、系统及电子设备，所述方法包括以下步骤：步骤1，采集获取源人体图像和目标人体图像；根据目标人体图像获得目标姿态图像；步骤2，将步骤1中的源人体图像和目标姿态图像输入预构建的encoder‑decoder结构的卷积神经网络中，获得虚拟目标人体图像；步骤3，基于步骤2获得的虚拟目标人体图像及步骤1采集获取的目标人体图像构建损失函数，对预构建的encoder‑decoder结构的卷积神经网络进行迭代优化；达到预设的迭代次数后，获得优化后的encoder‑decoder结构的卷积神经网络，用于实现目标姿态的现实场景人体图像的虚拟生成。本发明能够生成更加真实的目标姿态的现实场景人体图像。
-
公开(公告)号：CN120032327A
公开(公告)日：2025-05-23
申请号：CN202510190662.8
申请日：2025-02-20
Applicant: 西安交通大学
IPC: G06V20/54 , G06V20/40 , G06V10/40 , G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0455 , G06N3/088 , G06T7/246 , G06V10/80
Abstract: 本发明属于计算机视觉与模式识别技术领域，公开了一种结构化的无监督交通异常检测方法及相关装置；其中，所述结构化的无监督交通异常检测方法包括：基于选定场景的监控视频序列，获取视频序列特征；基于所述视频序列特征中选中的多帧观测特征，利用训练好的异常检测网络进行预测，并利用基于图的异常检测模块进行异常检测，获得异常检测结果。本发明公开的技术方案，利用训练好的异常检测网络以及基于图的异常检测模块进行选定场景的交通异常检测，能够获得较为可靠的交通异常检测结果。
-
公开(公告)号：CN116485838A
公开(公告)日：2023-07-25
申请号：CN202310322991.4
申请日：2023-03-29
Applicant: 西安交通大学 , 宁波市舜安人工智能研究院
IPC: G06T7/246 , G06V20/40 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种多目标跟踪方法、系统、设备及可读存储介质，所述多目标跟踪方法包括以下步骤：步骤1，获取待处理的N帧视频序列；步骤2，将所述待处理的N帧视频序列，逐帧传入跟踪框架进行多目标跟踪处理，输出多目标跟踪结果。本发明提供了基于长短期运动特征的多目标跟踪方法，能够解决现有技术存在的由拥挤人群和严重遮挡所造成的身份识别错误和轨迹中断的技术问题；其中，通过提取“交互运动特征”以获取短期关联结果，通过提取“历史轨迹运动特征”以获取长期关联结果，二者结合获得最终的跟踪结果，能够增强跟踪过程中逐帧的身份识别能力以及跨帧的身份重识别能力。
-
公开(公告)号：CN112116673B
公开(公告)日：2022-12-09
申请号：CN202010745734.8
申请日：2020-07-29
Applicant: 西安交通大学
Abstract: 本发明公开了一种姿态引导下的基于结构相似性的虚拟人体图像生成方法、系统及电子设备，所述方法包括以下步骤：步骤1，采集获取源人体图像和目标人体图像；根据目标人体图像获得目标姿态图像；步骤2，将步骤1中的源人体图像和目标姿态图像输入预构建的encoder‑decoder结构的卷积神经网络中，获得虚拟目标人体图像；步骤3，基于步骤2获得的虚拟目标人体图像及步骤1采集获取的目标人体图像构建损失函数，对预构建的encoder‑decoder结构的卷积神经网络进行迭代优化；达到预设的迭代次数后，获得优化后的encoder‑decoder结构的卷积神经网络，用于实现目标姿态的现实场景人体图像的虚拟生成。本发明能够生成更加真实的目标姿态的现实场景人体图像。
-
公开(公告)号：CN110853131A
公开(公告)日：2020-02-28
申请号：CN201910945140.9
申请日：2019-09-30
Applicant: 西安交通大学
Abstract: 本发明公开了一种用于行为识别的虚拟视频数据生成方法，包括：步骤1，使用建模软件构造虚拟人体的外观模型和骨架模型，进行蒙皮和着色处理，获得人体模型；步骤2，在3D建模软件虚拟场景下进行行为建模；所述行为建模包括：读取3D姿态数据，计算3D姿态数据中不同帧之间相同骨骼节点的欧拉角，通过欧拉角驱动人体模型执行3D姿态数据的相应行为，获得预设数量的关键帧，完成基于3D姿态数据的行为建模；步骤3，将步骤2获得的关键帧进行渲染，渲染时采用领域随机化策略，生成用于行为识别的虚拟视频数据。本发明的方法不依赖于代价昂贵的动作捕捉数据；可提升行为识别算法精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
