人体跟踪处理方法、装置及系统

    公开(公告)号:CN108921874A

    公开(公告)日:2018-11-30

    申请号:CN201810726681.8

    申请日:2018-07-04

    Abstract: 本发明提供的人体跟踪处理方法、装置及系统,系统中视频采集处理装置内置智能芯片,在智能芯片向云端服务器上传视频数据之前,智能芯片对视频数据进行预处理,保留关键图像帧,并采用人体检测跟踪算法对关键图像帧进行人体检测和跟踪处理,得到第一人体检测跟踪结果,将第一人体检测跟踪结果发送给云端服务器,以使云端服务器对第一人体检测跟踪结果进行人体重识别算法处理和/或三维重建算法处理,得到第二人体检测跟踪结果。通过智能芯片的预处理过程,降低了人体跟踪系统对网络带宽的要求,减轻了对云端服务器资源的依赖,提高了系统整体的处理速度;通过云端服务器三维重建算法辅助人体重识别算法判定目标人体,提高了人体识别算法的准确率。

    VI-SLAM的优化方法、装置、设备及计算机可读介质

    公开(公告)号:CN108572939A

    公开(公告)日:2018-09-25

    申请号:CN201810390462.7

    申请日:2018-04-27

    Abstract: 本发明提出一种VI-SLAM的优化方法,包括:如果发生变化的观测量满足更新条件,则根据发生变化的观测量对集束调整的优化方程中的观测方程进行重新线性化;根据重新线性化后的观测方程,对法向方程进行增量式更新;根据更新后的法向方程,对舒尔补方程进行增量式更新;采用预条件共轭梯度法对更新后的舒尔补方程进行增量式求解,获得观测量的最优解。本发明实施例通过利用VI-SLAM问题特殊的稀疏结构提升优化效率,以及通过利用SLAM问题的增量特性提升优化效率。同时,本发明优化效率的提升不依赖于运动方式,既适用于持续扩展地图的运动方式,又适用于在已扩展的地图中来回运动。

    人体跟踪方法、装置、设备及存储介质

    公开(公告)号:CN110675426B

    公开(公告)日:2022-11-22

    申请号:CN201810710538.X

    申请日:2018-07-02

    Abstract: 本发明实施例提供一种人体跟踪方法、装置、设备及存储介质。该方法包括:获取目标拍摄设备在当前时刻拍摄的当前帧图像;检测该当前帧图像中的所有人体,得到该当前帧图像中所有人体的第一位置信息;采用预设跟踪算法计算在该当前帧图像的前一帧图像中跟踪到的第一人体在该当前帧图像中的第二位置信息;根据该第一人体在该当前帧图像中的第二位置信息、当前帧图像中所有人体的第一位置信息、以及预设列表中存储的所有已跟踪到的行人特征,确定当前帧图像中所有人体在该当前帧图像中的目标位置信息;该预设列表中存储的所有已跟踪到的行人特征是根据多个拍摄设备拍摄的历史图像确定的。本发明实施例提高了在图像中进行人体跟踪的准确性。

    VI-SLAM的优化方法、装置、设备及计算机可读介质

    公开(公告)号:CN108572939B

    公开(公告)日:2020-05-08

    申请号:CN201810390462.7

    申请日:2018-04-27

    Abstract: 本发明提出一种VI‑SLAM的优化方法,包括:如果发生变化的观测量满足更新条件,则根据发生变化的观测量对集束调整的优化方程中的观测方程进行重新线性化;根据重新线性化后的观测方程,对法向方程进行增量式更新;根据更新后的法向方程,对舒尔补方程进行增量式更新;采用预条件共轭梯度法对更新后的舒尔补方程进行增量式求解,获得观测量的最优解。本发明实施例通过利用VI‑SLAM问题特殊的稀疏结构提升优化效率,以及通过利用SLAM问题的增量特性提升优化效率。同时,本发明优化效率的提升不依赖于运动方式,既适用于持续扩展地图的运动方式,又适用于在已扩展的地图中来回运动。

    信息处理方法、设备、系统及存储介质

    公开(公告)号:CN110674918A

    公开(公告)日:2020-01-10

    申请号:CN201810710542.6

    申请日:2018-07-02

    Abstract: 本发明实施例提供一种信息处理方法、设备、系统及存储介质。该信息处理方法包括:AI相机获取无人零售场景下的实时数据,并基于神经网络模型,对实时数据进行前端处理,该前端处理包括以下任一种或多种:商品识别和人体监测,之后将前端处理后的结果发送给服务器,该前端处理后的结果用于触发服务器根据该前端处理后的结果进行人脸识别和/或确定商品的流向。本发明实施例考虑到端上获取实时数据的及时性以及便利性,引入AI相机作为前端的基础算子,结合服务器的后端处理,使得在无人零售场景下,引入分布式计算思想,降低整个无人零售分布式系统的成本,减少数据传输的带宽压力,有效提高系统扩展性及无人零售解决方案的性能。

    数据处理方法、装置及设备

    公开(公告)号:CN108958938A

    公开(公告)日:2018-12-07

    申请号:CN201810700318.9

    申请日:2018-06-29

    Abstract: 本发明提供一种数据处理方法、装置及设备。本发明的方法,通过将所有计算核分为至少两组,每组计算核用于共同执行一个数据帧的深度模型计算任务;CPU调度所述至少两组计算核并行地执行至少两帧数据的深度模型计算任务,实现了在进行一次深度模型计算的过程中,多组计算核并行地执行多帧数据的深度模型计算任务;对于每一组计算核,在对深度模型中不适于多个计算核完成该层计算的层进行计算时,该组内一个计算核负责该层的计算,该组内其他计算核空闲,而其他组的计算核同时在对其他帧数据进行深度模型计算,而不是空闲等待,减少了空闲计算核的数量,提高了计算核的单核利用率,从而提高了AI芯片的整体处理帧率。

    用于生成信息的方法和装置

    公开(公告)号:CN108648226A

    公开(公告)日:2018-10-12

    申请号:CN201810286286.2

    申请日:2018-03-30

    Inventor: 亢乐 包英泽

    Abstract: 本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括:通过获取包括第一目标图像和第二目标图像的目标图像组;获取预先训练的神经网络,其中,神经网络包括至少两个级联的子网络,至少两个级联的子网络中的各级子网络分别包括特征提取层和视差图生成层;对于神经网络,执行以下视差图生成步骤:将目标图像组输入至少两个级联的子网络中首级子网络的特征提取层,获得由至少两个级联的子网络中的尾级子网络的特征提取层输出的特征图像组;将尾级子网络的特征提取层输出的特征图像组输入尾级子网络的视差图生成层,获得用于表征第一目标图像和第二目标图像的视差的视差图。该实施方式实现了富于准确性的信息生成。

    相对边缘化的制图与定位方法、装置、存储介质和终端设备

    公开(公告)号:CN108592919A

    公开(公告)日:2018-09-28

    申请号:CN201810391851.1

    申请日:2018-04-27

    Abstract: 本发明提出一种相对边缘化的制图与定位方法、装置、存储介质和终端设备,其中,所述方法包括:接收采集到的图像帧,并将所述图像帧加入图像帧序列的尾端;控制本地集束调整的滑动窗口沿图像帧序列向后移动一帧以移出首帧以及移入尾帧;其中,首帧是在移出首帧前滑动窗口中的最早帧;尾帧是图像帧序列中未曾移入滑动窗口的最早帧;判断首帧是否为关键帧;当首帧为关键帧时,生成全局集束调整的相对约束和作用于下一首帧的本地集束调整的先验约束,并调整所述边缘化处理的参考坐标系为移出的首帧,否则生成作用于下一首帧的本地集束调整的先验约束,最后再进行全局集束调整以及本地集束调整。采用本发明,能够避免边缘化处理产生的先验约束的误差不断累积。

Patent Agency Ranking