-
公开(公告)号:CN116778384A
公开(公告)日:2023-09-19
申请号:CN202310751151.X
申请日:2023-06-25
申请人: 厦门理工学院
IPC分类号: G06V20/40 , G06V20/52 , G06V10/80 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/08
摘要: 本发明涉及一种基于多帧交互与多层融合的视频行人重识别方法及系统,该方法包括以下步骤:1)从数据集中抽取多个行人的视频序列,形成由视频序列组成的训练数据集;2)构建基于多帧交互与多层融合的视频行人重识别网络模型,所述视频行人重识别网络模型主要包括帧内空间交互模块、多帧时序交互模块、多级别局部增强模块、分割策略模块和多帧分类头结合模块;通过使用训练数据集对视频行人重识别网络模型进行训练,得到网络模型参数;3)将训练好的视频行人重识别网络模型用于检索测试视频中含有该行人的视频,实现视频行人重识别。该方法及系统有利于获得更加稳定、鲁棒、准确的视频行人重识别结果。
-
公开(公告)号:CN109977805A
公开(公告)日:2019-07-05
申请号:CN201910179373.2
申请日:2019-03-11
申请人: 厦门理工学院
摘要: 本发明公开了一种基于局部稀疏编码的姿态检索方法、装置、设备和存储介质,包括如下步骤:从评价姿态恢复性能的数据集提取人体姿态特征;将所述人体姿态特征通过稀疏编码的方式表示;计算所述稀疏编码的局部稀疏编码;构建多视角拉普拉斯矩阵优化所述局部稀疏编码,以获得稀疏编码的系数;根据所述稀疏编码的系数检索所述人体姿态特征是否与真实人体姿态特征接近。本发明构造了一个拉普拉斯矩阵来度量每个人体姿态特征和真实人体姿态特征之间的相似度,使得相似的样本被分组,并能够适合于人体的多姿态检测,避免单一的特征检测。
-