-
公开(公告)号：CN108154113A
公开(公告)日：2018-06-12
申请号：CN201711407136.4
申请日：2017-12-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于全卷积网络热度图的跌倒事件检测方法，属于图像处理与计算机视觉技术领域。该方法将数据集分为训练集和测试集，首先将训练集数据分为包含跌倒事件和不包含跌倒事件的正、负样本视频图像，利用其训练一个热度图全卷积网络；然后提取图像中的人工标注的正样本区域，并随机采样若干区域作为负样本，利用其训练一个二分类卷积神经网络；将测试集视频图像序列输入到热度图全卷积网络，得到跌倒事件热度图，根据得到的热度图，定位并提取出跌倒事件候选区域；将跌倒事件候选区域放缩到统一大小，输入到二分类卷积神经网络得到分类结果。本发明在复杂背景和多人物目标的情况下能准确检测并定位出跌倒事件。
-
公开(公告)号：CN108021889A
公开(公告)日：2018-05-11
申请号：CN201711269139.6
申请日：2017-12-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于姿态外形和运动信息的双通道红外行为识别方法。该方法包含以下步骤，S1：在运动信息通道中，对原始的红外图像序列提取变分光流特征，得到光流图像序列。S2：将光流图像序列分为训练集和测试集，微调C3D网络后，提取网络特征。S3：在姿势外形通道中，对红外图像做姿势估计，提取出人体骨架图。S4：对人体骨架图作高斯平滑，得出姿态特征图。S5：将姿态特征图分成训练测试集，微调C3D网络后，提取网络特征。S6：对两个网络特征作前期融合，得到最终特征。S7：用SVM分类器对最终特征进行分类识别，得出识别结果。本发明全面地利用视频信息，一方面在空间上采取姿势特征图作为更有效的外形信息，另一方面提高识别效果，为后续研究提供了技术支撑。
-
公开(公告)号：CN107862705A
公开(公告)日：2018-03-30
申请号：CN201711166232.4
申请日：2017-11-21
Applicant: 重庆邮电大学
CPC classification number: G06T7/246 , G06N3/0454 , G06T2207/10016 , G06T2207/20081
Abstract: 本发明涉及一种基于运动特征和深度学习特征的无人机小目标检测方法，属于图像处理与计算机视觉技术领域。首先通过视频稳像算法对输入的视频数据集处理，补偿摄像头运动；分析图像中检测运动候选目标区域；将视频数据集分为两部分，利用训练数据集训练得到改进的候选区域生成网络模型；通过训练得到的基于深度特征的候选区域生成网络，通过该网络对测试集的视频图像生成候选目标；将候选目标区域进行融合；利用训练数据集训练得到基于双通道的深度神经网络的模型，并应用该模型得到识别结果。将基于多层深度特征的目标跟踪方法应用于上一步的识别结果，得到最终的无人机所在位置。本发明可准确检测出视频图像中的无人机，为后续无人机智能监控相关领域的研究提供支持。
-
公开(公告)号：CN107862705B
公开(公告)日：2021-03-30
申请号：CN201711166232.4
申请日：2017-11-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于运动特征和深度学习特征的无人机小目标检测方法，属于图像处理与计算机视觉技术领域。首先通过视频稳像算法对输入的视频数据集处理，补偿摄像头运动；分析图像中检测运动候选目标区域；将视频数据集分为两部分，利用训练数据集训练得到改进的候选区域生成网络模型；通过训练得到的基于深度特征的候选区域生成网络，通过该网络对测试集的视频图像生成候选目标；将候选目标区域进行融合；利用训练数据集训练得到基于双通道的深度神经网络的模型，并应用该模型得到识别结果。将基于多层深度特征的目标跟踪方法应用于上一步的识别结果，得到最终的无人机所在位置。本发明可准确检测出视频图像中的无人机，为后续无人机智能监控相关领域的研究提供支持。
-
-
-
Search Results
4
records
(took 0.017 seconds)
