-
公开(公告)号：CN117523607A
公开(公告)日：2024-02-06
申请号：CN202311466606.X
申请日：2023-11-06
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于约束级联匹配的跨摄像头多目标在线跟踪方法，该方法的输入是多个摄像头的同步视频流，在每个视频流的当前帧中，首先使用目标检测算法获取行人的边界框图片，再使用行人重识别算法提取行人的外观特征，然后依次使用单摄像头多目标跟踪算法和跨摄像头约束级联匹配方法将行人边界框与已有的轨迹关联，实现跨摄像头在线跟踪。本发明使用级联匹配策略排除单摄像头中轨迹碎片的干扰，同时基于时空约束设计了跨摄像头匹配方法，并联合目标检测、单摄像头多目标跟踪和行人重识别，实现了对监控视频中行人的在线持续跟踪。
-
公开(公告)号：CN108388895B
公开(公告)日：2022-02-18
申请号：CN201810176948.0
申请日：2018-03-04
Applicant: 南京理工大学
IPC: G06V30/146 , G06V30/148 , G06V30/19 , G06V10/25 , G06V10/50 , G06K9/62
Abstract: 本发明公开了一种基于机器学习的试卷答题卡自动处理方法。方法为：首先训练涂写目标检测器；然后确定试卷版式，生成试卷并打印；考试者和评阅者填写对应区域，考试者涂写客观题答题区域和主观题答题区域，评阅者评阅主观题并涂写对应的打分区域；接着将完成的试卷扫描为图像，进行图像处理和分区域切割；使用训练好的涂写目标检测器进行目标判定，然后结合正确答案进行分数计算；最后对试卷进行统计和分析：包括对整批试卷的平均分、各个题目的平均分进行计算；对整批试卷和各个题目的分布情况进行计算；进行趋势分析，并从数据库中调取答题部分提供给教师或个体本人查阅。本发明成本低、精度高、灵活性好，并可对试卷作答情况进行高效的统计和分析。
-
公开(公告)号：CN108364027B
公开(公告)日：2022-02-15
申请号：CN201810176949.5
申请日：2018-03-04
Applicant: 南京理工大学
IPC: G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种快速的前向多车型车辆检测方法。方法为：首先准备多车型的训练正负样本，并归一化到同一尺度；设置训练参数，训练得到Adaboost分类器；然后输入待检测图像进行多尺度缩放，形成图像金字塔，计算积分图，并用固定大小的滑动窗口产生多个检测窗口；接着利用训练好的Adaboost分类器对所有检测窗口进行分类，并且合并检测窗口；最后根据目标的相对信息进行后验处理去掉误检，降低虚警率，完成车辆检测。本发明方法简单、计算效率高，并且提升了前方车辆检测的精准性。
-
公开(公告)号：CN112464730A
公开(公告)日：2021-03-09
申请号：CN202011210554.6
申请日：2020-11-03
Applicant: 南京理工大学
Abstract: 本发明属于计算机视觉和模式识别领域，具体涉及一种基于域无关前景特征学习的行人再识别方法。该方法设计了一种域无关特征学习的深度神经网络，联合使用实例归一化和批量归一化，实现对图像内容的域无关特征学习；基于该网络，同时设计了一种基于行人语义分割的前景特征表示模型，通过对行人语义部分的特征建模，排除背景干扰，实现域无关的行人前景特征表示学习；该方法首先利用行人语义分割算法获取到行人前景图像，再联合实例归一化和批量归一化的深度卷积神经网络提取特征，然后利用损失函数约束模型训练。本发明提出的方法能够有效增强行人再识别模型的跨域泛化性能。
-
公开(公告)号：CN111353448A
公开(公告)日：2020-06-30
申请号：CN202010148317.5
申请日：2020-03-05
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于相关性聚类和时空约束的行人多目标跟踪方法，该方法包括：行人视觉特征提取，基于视觉特征的相关性聚类，单摄像头下的行人轨迹关联，利用时空约束方法完成跨摄像头下的行人轨迹匹配。针对单摄像头下的行人跟踪容易发生中断的问题，本发明引入了时空滑动窗口来解决这一问题；同时，在跨摄像头场景下引入了时空约束方法来关联同一个行人，从而实现了跨摄像头下的行人多目标跟踪；利用本发明提出的方法，可以一致性地提高行人跟踪中的MOTA，MOTP和召回率等跟踪指标。
-
Patent Agency Ranking
公开(公告)号：CN111191535A
公开(公告)日：2020-05-22
申请号：CN201911309623.6
申请日：2019-12-18
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度学习的行人检测模型构建方法及行人检测方法，该方法设计了一种深度卷积神经网络结构，联合采用改进的排斥损失来监督深度卷积神经网络的训练，该方法首先利用特征提取网络从图像中提取特征图，然后利用多步预测的方式生成行人预测框，最后利用非极大值抑制策略过滤出最终的行人检测框。本发明提出的方法能够有效减少由于类内遮挡引起的漏检和误检。
-
公开(公告)号：CN105354549B
公开(公告)日：2019-11-29
申请号：CN201510730785.2
申请日：2015-11-02
Applicant: 南京理工大学
IPC: G06K9/00
Abstract: 本发明提供一种基于似物性估计的快速行人检测方法。针对传统基于滑动窗口的行人检测方法中因搜索范围过大而导致的检测速度不够高的问题，本发明引入了似物性估计(Objectness Estimation)，利用梯度幅值特征来描述检测窗口的似物性，对滑动窗口产生的候选目标窗口做了一个初筛选，并进一步预测得到候选目标区域，从而将待测图片的搜索范围缩小在几个目标区域内，最终以实现加速的目的。具体包括：基于梯度幅值特征的似物性估计模型的建立、根据似物性估计的结果预测得到候选目标区域、在候选目标区域内使用行人HOG特征和SVM分类器完成行人检测。利用本发明提出的方法，可以在很大程度上加快行人检测的速度。
-
公开(公告)号：CN106627462A
公开(公告)日：2017-05-10
申请号：CN201611119444.2
申请日：2016-12-08
Applicant: 南京理工大学
IPC: B60R21/0134 , B60Q9/00
CPC classification number: B60R21/0134 , B60Q9/008
Abstract: 本发明提供一种基于移动终端的车辆防撞预警方法，包括以下步骤：步骤1，移动终端获取道路图像；步骤2，确定图像中车辆的位置；步骤3，获取车辆间距离并在车辆间距离小于安全距离时报警。本发明利用移动终端及时提醒驾驶员前方有车辆碰撞危险，避免了驾驶员在行驶过程中由于注意力不集中导致的交通事故，起到了车辆防撞预警的作用，使得行车更加安全。
-
公开(公告)号：CN106557489A
公开(公告)日：2017-04-05
申请号：CN201510624226.3
申请日：2015-09-25
Applicant: 南京理工大学
IPC: G06F17/30
CPC classification number: G06F16/951 , G06F16/5838
Abstract: 本发明提供一种基于移动终端的服饰搜索方法，用户通过移动终端拍照或者从移动终端的图库中选取一张服饰图片，上传至服务器端进行服饰搜索，具体包括：通过网络爬虫从电商网站上获得服饰商品图片和商品信息，存入服饰数据库，进行图像特征提取形成图像特征池；响应于用户通过移动终端拍摄或者选择的服饰图片，对服饰图片进行裁剪后，在服务器上进行匹配查询；根据查询到的服饰结果，将查询到的相似的服饰图片及相应的服饰信息通过移动终端展示给用户，所述服饰信息包括服饰的品牌、价格和材质。本发明的方法结合服饰商品可视化的特点，为用户提供“以图搜图”的方式进行服饰商品搜索方案，提升用户搜索服饰商品的体验。
-
公开(公告)号：CN105956559A
公开(公告)日：2016-09-21
申请号：CN201610294924.6
申请日：2016-05-05
Applicant: 南京理工大学
CPC classification number: G06K9/0063 , G06K9/3241 , G06K2209/21
Abstract: 本发明提供一种在无人机航拍视频中使用嵌入式设备，在线实时检测特定目标位置的方法。本发明的方法不需要使用传统目标检测方法的滑动窗口法，而是基于如下流程：DSP将摄像头采集到的图像缩放为352*288大小以便于处理，根据像素的RGB值获得该像素的颜色类别、遍历每个像素点寻找与特定目标颜色分布符合的点(待定点)、对待定点进行分析以确定是否是目标上的点，如是，则在图像中在确定目标大小。利用本发明提出的方法，既可加快检测速度，还可以提高检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.024 seconds)
