公开(公告)号：CN114283355B

公开(公告)日：2025-04-22

申请号：CN202111479215.2

申请日：2021-12-06

Applicant: 重庆邮电大学

Inventor： 丰江帆 ,  肖欣欣 ,  缑梦洁 ,  王迪妮

IPC: G06V20/40 ,  G06T7/277 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06T7/73

Abstract: 本发明属于计算机视觉技术领域，特别涉及一种基于小样本学习的多目标濒危动物跟踪方法，该方法包括：将待检测的视频进行全采样得到视频帧序列；对视频帧进行预处理，将所有预处理后的视频帧输入到小样本目标检测器中，得到待检测视频中目标的位置信息和类别信息；将目标位置信息输入到特征提取网络中，提取每个目标的表征信息；采用卡尔曼滤波预测目标在后续视频帧中的位置，得到运动特征；将表征信息和运动特征进行融合，并通过IOU匹配和级联匹配完成数据关联，实现多目标跟踪；本发明设计了一种基于小样本学习的多目标跟踪模型，采用该模型能对不存在大量样本的濒危动物在使用少量训练数据进行训练的情况下实现同时对多个濒危动物准确快速的跟踪。

公开(公告)号：CN114360051A

公开(公告)日：2022-04-15

申请号：CN202111481340.7

申请日：2021-12-06

Applicant: 重庆邮电大学

Inventor： 丰江帆 ,  缑梦洁 ,  肖欣欣 ,  王迪妮

IPC: G06V40/20 ,  G06T7/11 ,  G06T5/50 ,  G06T3/40 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明属于图像处理领域，特别涉及一种基于渐进式层级加权注意网络的细粒度行为识别方法，包括将采集到的图像进行预处理后输入预先定义的神经网络模型进行训练，训练模型是以Resnet50为骨干的4层渐进式网络组成，在渐进式网络第二层训练时，使用YOLO v5进行人体检测，将检测后的结果进行裁剪并插值，与原始图像相融合作为输入；在渐进式网络的第四层时，会将线性插值后的图像进一步细粒度特征提取，并裁剪填充，与原始图像融合后作为输入。本发明从细粒度分类的角度出发，融合父类和子类两阶段损失，并结合渐进式的思想，引入人体检测模型，提高了细粒度人体行为分类的准确率，改变了现有技术不能很好解决相似行为分类的现状。

公开(公告)号：CN114283355A

公开(公告)日：2022-04-05

申请号：CN202111479215.2

申请日：2021-12-06

Applicant: 重庆邮电大学

Inventor： 丰江帆 ,  肖欣欣 ,  缑梦洁 ,  王迪妮

IPC: G06V20/40 ,  G06T7/277 ,  G06V10/74 ,  G06V10/764 ,  G06V10/774 ,  G06T7/73

Abstract: 本发明属于计算机视觉技术领域，特别涉及一种基于小样本学习的多目标濒危动物跟踪方法，该方法包括：将待检测的视频进行全采样得到视频帧序列；对视频帧进行预处理，将所有预处理后的视频帧输入到小样本目标检测器中，得到待检测视频中目标的位置信息和类别信息；将目标位置信息输入到特征提取网络中，提取每个目标的表征信息；采用卡尔曼滤波预测目标在后续视频帧中的位置，得到运动特征；将表征信息和运动特征进行融合，并通过IOU匹配和级联匹配完成数据关联，实现多目标跟踪；本发明设计了一种基于小样本学习的多目标跟踪模型，采用该模型能对不存在大量样本的濒危动物在使用少量训练数据进行训练的情况下实现同时对多个濒危动物准确快速的跟踪。