-
公开(公告)号：CN116994337B
公开(公告)日：2025-04-25
申请号：CN202310995299.8
申请日：2023-08-09
Applicant: 西安电子科技大学
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V10/54 , G06V10/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/94 , G06V10/96 , G06T7/246 , G06T7/277 , G06F9/54
Abstract: 本发明提供了一种面向狭小空间密集对象的外观检测动作识别装置和方法，首次地提出了不同计算机视觉算法模型依据时序顺序对存储在共享内存的原始编码视频帧图像数据进行循环读取处理，使用多目标跟踪算法将密集对象追踪的id与该对象的外观检测行为识别结果相对应，定期将识别结果加入数据集进行模型的自训练，有效减小了系统间的耦合度和数据读取时延，大幅提高了视频处理的实时性、鲁棒性和效率。解决现有方法对密集对象外观检测效率低、主观性强的问题。
-
公开(公告)号：CN117058193A
公开(公告)日：2023-11-14
申请号：CN202310995158.6
申请日：2023-08-09
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06T7/277 , G06T1/20 , G06V20/40 , G06V10/25 , G06V10/62 , G06V10/764 , G06V10/82 , G06V10/96
Abstract: 本发明公开了基于Deepsort的密集对象多目标跟踪方法，将摄像头采集到的视频帧作为模型输入；采用yolov7目标检测模型提取视频帧中目标物体的外观特征，将输入图片划分为多个大小相同的网格，同时预测当前物体的边界框和类别。保留满足指定阈值的预测边界框，并对检测产生的预测边界框进行非最大值抑制计算，去除冗余边界框后，输出目标边界框，标注目标类型和置信度分数；将检测得到的物体坐标信息和物体类别信息输入到Deepsort多目标跟踪模型中，Deepsort通过卡尔曼滤波来预测下一帧跟踪物体的坐标，使用余弦距离对比物体的外观特征，进行目标间的相似度比较，使用匈牙利算法将当前帧的检测结果与上一帧的跟踪结果进行匹配。本发明能够满足高帧率相机下实时跟踪的目标。
-
公开(公告)号：CN116994184A
公开(公告)日：2023-11-03
申请号：CN202310995396.7
申请日：2023-08-09
Applicant: 西安电子科技大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06V10/96 , G06V20/54
Abstract: 一种针对不连续采样序列的视频流的实时目标检测方法，包括以下步骤；对不连续序列视频帧序列通过目标检测网络进行分析，目标检测网络采用当前被分析帧之前所采集前项帧的数据特征，补充当前帧的数据特征，最后目标检测网络通过补充的特征获得检测结果；通过网络训练框架用于从视频中采集并生成不连续视频帧序列数据作为训练数据，并对目标检测网络进行训练，得到用于目标检测的神经网络的模型参数；视频流处理分析框架采用流水线作业的方式，将通过训练的目标检测网络，分割为多个可并行的部分，对视频流进行流水线式目标检测；采用有限深度的队列将已经检测的帧的特征进行保留，以对之后的数据进行补充。本发明能更好、更准确地进行目标检测。
-
公开(公告)号：CN116994337A
公开(公告)日：2023-11-03
申请号：CN202310995299.8
申请日：2023-08-09
Applicant: 西安电子科技大学
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V10/54 , G06V10/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/94 , G06V10/96 , G06T7/246 , G06T7/277 , G06F9/54
Abstract: 本发明提供了一种面向狭小空间密集对象的外观检测动作识别装置和方法，首次地提出了不同计算机视觉算法模型依据时序顺序对存储在共享内存的原始编码视频帧图像数据进行循环读取处理，使用多目标跟踪算法将密集对象追踪的id与该对象的外观检测行为识别结果相对应，定期将识别结果加入数据集进行模型的自训练，有效减小了系统间的耦合度和数据读取时延，大幅提高了视频处理的实时性、鲁棒性和效率。解决现有方法对密集对象外观检测效率低、主观性强的问题。
-
-
-
Search Results
4
records
(took 0.015 seconds)
