-
公开(公告)号：CN114220150A
公开(公告)日：2022-03-22
申请号：CN202111516120.3
申请日：2021-12-06
申请人： 河南工业大学
摘要： 本发明公开了一种基于R2U‑Net的DR‑GAN多姿态人脸识别算法，复杂场景下的摄像头部署往往不能采取到标准的正面人脸图像，尤其是面对大角度偏置的侧脸照片，提取的脸特征就会掺杂大量的角度信息，导致人脸识别的效果严重下降。针对大角度人脸偏置的问题，本文提出了一种基于单循环残差注意力网络（Recurrent Residual Attention Convolutional Neural Network，R2AttU‑Net）的解纠缠表示生成对抗网络（Disentangled Representation Learning GAN，DR‑GAN），R2AttU‑Net体系结构使用更少数量的网络参数，包含有效的特征积累方法，针对不同时间步长的特征累积确保了更好、更强的特征表示，循环卷积和残差操作有助于身份信息特征的提取，有助于提取非常低级的特征。
-
公开(公告)号：CN113591621A
公开(公告)日：2021-11-02
申请号：CN202110802064.3
申请日：2021-07-15
申请人： 河南工业大学
摘要： 本发明主要针对小目标检测的多尺度目标并存现象对YOLOv4改进方法进行研究，PAFPN进行多尺度特征融合的方式虽然增加了目标总体检测精度，但由于第二次自底向上的特征传递并未提供更多小目标特征，本发明对原来的PAFPN多尺度特征融合结构进行调整，首先使用跳跃连接将同层级特征图进行传递，然后将将浅层特征图向上层传递，方便检测小目标，最后在第一次自顶而下结构引入CARAFE上采样算子增加上下文信息流入，从而得到基于改进的多尺度自适应特征融合算法。本发明将这种算法模型称为DC‑YOLOv4，实验证明在PASCAL VOC2007数据集和MS COCO 2017数据集上其可以有效地提升小目标检测精度。
-
公开(公告)号：CN114005082A
公开(公告)日：2022-02-01
申请号：CN202111194330.5
申请日：2021-10-13
申请人： 河南工业大学
IPC分类号： G06V20/52 , G06V20/40 , G06F21/46 , G06F3/04842 , G06F3/04817
摘要： 本发明公开了一种基于人群计数的集会检测方法用于异常聚集行为的检测和预警。本系统主要包括以下模块：注册模块、接收信息模块、存储信息模块、用户登录模块、管理员登录模块、管理员管理用户信息模块、视频流选择模块、非法集会人员检测模块；其中，非法集会人员检测模块主要包括：非法集会人员实时视频流、非法集会人员密度图、非法集会人员带box的人头标注图和非法集会人员人头点阵图。根据人群密度图和人头点阵图，判断当前异常人员情况是否符合预设聚集条件，帮助监管人员及时处理聚集情况，上述系统能够实现非法集会人员的聚集预警，有利于维护公共场所的治安稳定。
-
公开(公告)号：CN114296691A
公开(公告)日：2022-04-08
申请号：CN202111207875.5
申请日：2021-10-13
申请人： 河南工业大学
摘要： 随着互联网和人工智能的发展，人们对视觉跟踪技术的需求不断改变，针对此需求，设计并实现了一种异常人员跟踪系统。该平台在Pycharm软件上运行，采用Python语言进行编程和在PyQt框架上进行设计页面。该系统由离线跟踪模块和在线跟踪模块两大模块组成，其中离线跟踪模块主要对本地视频进行跟踪，在线跟踪模块主要对摄像头下的视频进行跟踪。
-
-
-
搜索结果
4 条记录 (耗时 0.031 秒)
