-
公开(公告)号：CN113688680A
公开(公告)日：2021-11-23
申请号：CN202110831447.3
申请日：2021-07-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种智能识别与追踪系统，该系统通过摄像头捕获指定场景下的图像信息，接收来自用户的人物框选，识别框选的人物目标，并对后续视频流逐帧处理，根据偏移信息控制电机带动摄像头转动，使框选中的目标追踪人物始终处于画面中央。本发明解决了现有技术中消耗大量人力和物力完成舞台直拍所带来的问题；并且该追踪系统可以实时使用，平均帧速率大约为15fps，适用于指定场景下的指定目标人物的识别与追踪。本发明在基于MTCNN模型和FaceNet模型完成人脸识别的基础上，通过使用追踪器和串口通信的方法，控制摄像头跟随目标追踪人物移动，实现了对指定人物目标的识别与实时追踪。
-
Patent Agency Ranking
公开(公告)号：CN112308013A
公开(公告)日：2021-02-02
申请号：CN202011280591.4
申请日：2020-11-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的足球球员追踪方法，涉及人工智能技术领域。该方法在使用原有的孪生区域选择网络的基础上，进行了改进，使用ResNet‑50网络替换原有的A lexNet网络作为特征提取网络，并修改了锚点的大小和宽高比对该孪生区域选择网络重新训练，在一定程度上提高了对球员的追踪精度和速度。除此之外，该方法还引入了Python实现的前端界面、路径判断和视频帧截取模块两个部分，提高了使用体验。
-
公开(公告)号：CN113688680B
公开(公告)日：2023-04-18
申请号：CN202110831447.3
申请日：2021-07-22
Applicant: 电子科技大学
IPC: G06V40/16 , G06V10/22 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/246
Abstract: 本发明公开了一种智能识别与追踪系统，该系统通过摄像头捕获指定场景下的图像信息，接收来自用户的人物框选，识别框选的人物目标，并对后续视频流逐帧处理，根据偏移信息控制电机带动摄像头转动，使框选中的目标追踪人物始终处于画面中央。本发明解决了现有技术中消耗大量人力和物力完成舞台直拍所带来的问题；并且该追踪系统可以实时使用，平均帧速率大约为15fps，适用于指定场景下的指定目标人物的识别与追踪。本发明在基于MTCNN模型和FaceNet模型完成人脸识别的基础上，通过使用追踪器和串口通信的方法，控制摄像头跟随目标追踪人物移动，实现了对指定人物目标的识别与实时追踪。
-
公开(公告)号：CN112308013B
公开(公告)日：2023-03-31
申请号：CN202011280591.4
申请日：2020-11-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的足球球员追踪方法，涉及人工智能技术领域。该方法在使用原有的孪生区域选择网络的基础上，进行了改进，使用ResNet‑50网络替换原有的A lexNet网络作为特征提取网络，并修改了锚点的大小和宽高比对该孪生区域选择网络重新训练，在一定程度上提高了对球员的追踪精度和速度。除此之外，该方法还引入了Python实现的前端界面、路径判断和视频帧截取模块两个部分，提高了使用体验。
-
公开(公告)号：CN112270381B
公开(公告)日：2022-06-03
申请号：CN202011279131.X
申请日：2020-11-16
Applicant: 电子科技大学
IPC: G06K9/62 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的人流量检测方法，涉及人工智能技术领域。本发明使用的轻量级神经网络模型，与主流的卷积神经网络相比，通过深度可分离卷积将标准卷积核进行分解，减少了计算量，加速了计算，具有优良的性能，在保持传统模型性能的前提下，能降低模型大小同时提升速度；克服了模型过于庞大面临的内存不足的缺点，适用于移动端或嵌入式芯片的部署。本发明实现的视频监控下的人流量检测方法，基于该轻量级网络模型框架，自制实用型数据集，适用于特殊场景，如婴儿车数量多、行人移动速度慢的公园、文化广场；在如传染病疫情期间的特殊时期，能够及时计算人流量并疏散过密人群，加强对人们，特别是对婴幼儿的防护。
-
公开(公告)号：CN112270381A
公开(公告)日：2021-01-26
申请号：CN202011279131.X
申请日：2020-11-16
Applicant: 电子科技大学
IPC: G06K9/62 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的人流量检测方法，涉及人工智能技术领域。本发明使用的轻量级神经网络模型，与主流的卷积神经网络相比，通过深度可分离卷积将标准卷积核进行分解，减少了计算量，加速了计算，具有优良的性能，在保持传统模型性能的前提下，能降低模型大小同时提升速度；克服了模型过于庞大面临的内存不足的缺点，适用于移动端或嵌入式芯片的部署。本发明实现的视频监控下的人流量检测方法，基于该轻量级网络模型框架，自制实用型数据集，适用于特殊场景，如婴儿车数量多、行人移动速度慢的公园、文化广场；在如传染病疫情期间的特殊时期，能够及时计算人流量并疏散过密人群，加强对人们，特别是对婴幼儿的防护。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
