-
公开(公告)号：CN109086673A
公开(公告)日：2018-12-25
申请号：CN201810729497.9
申请日：2018-07-05
Applicant: 燕山大学
Abstract: 本发明公开了一种基于人群密度和行人速度的人群安全程度评估方法，其内容包括：以获取的视频帧图像的前景面积和周长构成特征向量，采用神经网络模型回归预测出人群密度；基于LK光流改进的金字塔Lucas-Kanade光流算法处理连续图像帧，求取行人速度，即不同行人个体运动的平均速度；构建模糊推理系统，评估人群安全等级：选择评价因素及确定其隶属度函数；建立人群属性与安全风险规则库，根据规则库对输入进行模糊推理；对推理结果进行去模糊化，进而评估出人群安全风险等级。本发明对人群密度、行人速度和输出人群安全风险等级建立数学模型，采用模糊推理方法来确定人群属性各要素对预警等级的影响，设计合理，操作简单，提高了实际应用性。
-
公开(公告)号：CN108133489A
公开(公告)日：2018-06-08
申请号：CN201711389302.2
申请日：2017-12-21
Applicant: 燕山大学
Abstract: 一种增强的多层卷积视觉跟踪方法，具体为：采用VGG-19深层网络框架，采用0.5倍第三层与0.5倍第四层卷积层直接加和作为输出特征模板，并通过主成分分析对特征模板降维得到所需特征图，采用加和的卷积特征，增加所提取特征的鲁棒性；根据目标位置，确定颜色直方图比例权重，权重乘以上帧目标尺寸即为当前目标尺寸；根据滤波模板输出的最大响应值是否大于给定阈值，判定目标是否消失，若大于则直接确定目标位置，若小于则消失，通过间隔帧差法确定检测区域的待检测目标位置，以直方图权重排除非目标物体干扰，确定可疑目标物体，提取特征，与滤波模板做相关，找出大于阈值的最大响应，确定目标位置。本发明缓解了跟踪当中姿态、光照强度等因素导致目标外观变化以及遮挡等问题。
-
公开(公告)号：CN107680119A
公开(公告)日：2018-02-09
申请号：CN201710789489.9
申请日：2017-09-05
Applicant: 燕山大学
IPC: G06T7/246
CPC classification number: G06T7/251 , G06T2207/10016
Abstract: 一种基于时空上下文融合多特征及尺度滤波的跟踪算法，通过视频或图像序列得到第一帧图片上目标位置信息与大小信息；参数初始化；多特征提取；双步预处理操作，特征目标区域进行乘余弦窗口的操作，降低傅立叶变换带来的边缘效应；通过两次傅里叶变换得到滤波模板与尺度滤波模板；通过两次傅立叶逆变换得到时域空间下的位置滤波模板与尺度滤波模板，求出其相应最大值即为目标区域；最后通过新一帧来更新位置滤波模型、尺度滤波模型、自适应外观模型和时空上下文信息；返回至特征提取部分，循环操作的进行目标跟踪直至结束。本发明方法能提高跟踪准确率、能更好地适应跟踪过程中目标外观的变化以及尺度变化，减少跟踪过程中环境的变化而引入噪声。
-
公开(公告)号：CN107274422A
公开(公告)日：2017-10-20
申请号：CN201710315379.9
申请日：2017-05-08
Applicant: 燕山大学
Abstract: 本发明公开了一种基于法线信息和K邻域搜索结合的点云边缘提取方法，首先使用三维扫描仪获得点云数据，对点云数据进行预处理；然后使用双阈值约束法提取准确的边缘点；最后把满足双阈值约束法条件的边缘点存储在一个点云中，经过去噪处理就提取到精确的边缘信息。本发明方法不必把三维点云转换为二维图像，操作简单，不会因为三维点云转换为二维图像而损失原始数据；又使用双阈值约束法提取边缘，相对于单独使用一种约束方法提取点云边缘信息提高了准确性。
-
公开(公告)号：CN104318586B
公开(公告)日：2017-04-26
申请号：CN201410505484.5
申请日：2014-09-26
Applicant: 燕山大学
IPC: G06T7/262
Abstract: 一种基于自适应形态学滤波的运动模糊方向估计方法及装置，所述装置由运动模糊频谱图像获取单元、自适应形态学滤波单元、运动模糊方向估计单元连接组成；根据频谱图像中心条纹尺度信息，自适应调节形态学腐蚀算子的执行次数，利用Radon变换得到运动模糊方向的精确估计。本发明方法可有效抑制十字亮线对计算精度的干扰，同时能增强频谱图像中的有效信号，也克服了传统方法中在模糊尺度较小时误差较大等问题。
-
Patent Agency Ranking
公开(公告)号：CN104298964A
公开(公告)日：2015-01-21
申请号：CN201410467813.1
申请日：2014-09-15
Applicant: 燕山大学
CPC classification number: G06K9/00342 , G06K9/4604 , G06K9/6223
Abstract: 本发明公开了一种人体行为动作快速识别方法及装置，所述识别方法经过提取轮廓、获取关键帧、计算特征算子、设定阈值等步骤，通过特征算子与阈值之间的比较分析对人体行为动作进行分类；所述识别装置由运动轮廓获取单元、行为模型建立单元和运动识别单元组成；本发明方法及装置具有简单高效、使用合理等优点，可以减少匹配计算量和时间，提高行为动作识别的实时性和准确性。
-
公开(公告)号：CN113256680A
公开(公告)日：2021-08-13
申请号：CN202110523935.8
申请日：2021-05-13
Applicant: 燕山大学
IPC: G06T7/246
Abstract: 本发明涉及一种基于无监督学习高精度的目标跟踪系统，包括图像采集模块，用于视频图像的获取；跟踪模块，包括跟踪器1和跟踪器2，用于获得图像的特征和目标矩形框；选择模块，包括两层全连接层和softmax层，所述全连接层包括线性全连接层和Relu激活函数；将待选跟踪器的特征图和跟踪器结果作为输入，通过选择器输出最好的跟踪结果。本发明通过两个不同跟踪器得到结果经选择器判断得到最优结果输出，在后续帧中继续跟踪，以适应不同场景下的目标跟踪，而且结构简单，能够有效提高跟踪精度和鲁棒性。
-
公开(公告)号：CN112560651A
公开(公告)日：2021-03-26
申请号：CN202011449867.7
申请日：2020-12-09
Applicant: 燕山大学
Abstract: 本发明公开了基于深度网络和目标分割结合的目标跟踪方法及装置，包括：获取目标图像和全局图像，利用孪生网络算法对所述目标区域图像和全局图像进行目标跟踪，得到跟踪结果；利用目标检测算法对所述全局图像进行目标跟踪，得到检测结果；检测同类间物体的跟踪漂移情况，利用基于目标跟踪轨迹的校正策略，对所述跟踪结果进行纠正；在纠正后的跟踪结果和检测结果中进行择优选择，得到初步坐标位置；利用分割算法对所述初步坐标位置进行分割，得到由若干轮廓节点组成的分割结果，得到最终的跟踪结果。本发明融合了孪生网络算法和目标分割算法的优点，提升跟踪精度保证运行速度，并且对孪生网络存在的类间跟踪漂移问题进行改善。
-
公开(公告)号：CN110852335A
公开(公告)日：2020-02-28
申请号：CN201911136702.1
申请日：2019-11-19
Applicant: 燕山大学
Abstract: 一种基于多颜色特征融合与深度网络的目标跟踪系统，所述系统包括图像获取单元、表观特征模型建立单元、目标位置估计单元和目标尺度评估单元。本发明首先利用深度网络的浅层提取目标的空间特征，同时分析多种颜色特征特点，利用融合后的颜色特征描述目标的全局特征，其次通过对两种特征信息的学习得到两个滤波模板，然后分别计算其特征响应，从而获得目标的精确位置，本发明提供一种快速有效的尺度评估策略，从而获得目标的精确尺度评估。
-
公开(公告)号：CN109522844A
公开(公告)日：2019-03-26
申请号：CN201811375169.X
申请日：2018-11-19
Applicant: 燕山大学
Abstract: 本发明公开了一种社交亲密度确定方法及系统。该方法包括：获取摄像头采集的图像；采用级联神经网络检测所述图像中的人脸信息；采用卷积神经网络确定检测到的人脸信息的稀疏表示；以人脸信息的稀疏表示为输入，采用分类器对人脸进行分类，得到代表不同行为人的人脸；以不同行为人的人脸作为目标进行跟踪，并获取各行为人的行为信息，所述行为信息包括行为人之间的距离信息以及行为人之间的交谈行为；根据各行为人的行为信息确定行为人之间的亲密度。本发明提供的社交亲密度确定方法及系统能够基于摄像头监控自动获取行为人之间的亲密度。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.015 seconds)
