-
公开(公告)号：CN108764338B
公开(公告)日：2021-05-04
申请号：CN201810527019.X
申请日：2018-05-28
Applicant: 上海应用技术大学
Abstract: 本发明公开了一种应用于视频分析的行人跟踪方法，包括：通过背景减除法检测视频场景中的行人；通过光流算法推断行人下一时刻的运动位置，作为是否是同一个人的度量，此特征记为A；比较行人矩形框大小的相似性，此特征记为B；提取每个矩形框中行人的颜色直方图，比较当前帧检测框与下一帧检测框颜色直方图的相似性，此特征记为C；将以上三种特征进行组合，记为特征F；以特征F训练逻辑斯特分类器，使逻辑斯特分类器拥有判断是否是同一个人的能力；用训练好的逻辑斯特分类器进行每帧之间行人检测框的关联。本发明通过一系列特征的组合，使用逻辑斯特分类器完成矩形框之间数据的关联，从而实现了监控视频的行人跟踪。
-
Patent Agency Ranking
公开(公告)号：CN107169994B
公开(公告)日：2021-03-23
申请号：CN201710339263.9
申请日：2017-05-15
Applicant: 上海应用技术大学
IPC: G06T7/246
Abstract: 本发明提供了一种基于多特征融合的相关滤波跟踪方法，包括以下步骤：读取t‑1时刻图像以目标块的目标位置及大小；在图像中，提取以目标位置为中心的目标区域，并计算目标区域的HOG特征，深度颜色特征及深度运动特征；根据HOG特征，深度颜色特征及深度运动特征构建滤波器；读取t时刻的图像的数据，并在该图像中以t‑1时刻的目标位置为中心提取候选区域，并计算该候选区域的HOG特征，深度颜色特征及深度运动特征；在t时刻的图像中，以t时刻的目标位置为中心提取候选区域，并计算该候选区域的HOG特征，深度颜色特征及深度运动特征；根据t时刻的HOG特征，深度颜色特征及深度运动特征更新滤波器。该方法是鲁棒的目标跟踪方法。
-
公开(公告)号：CN107169994A
公开(公告)日：2017-09-15
申请号：CN201710339263.9
申请日：2017-05-15
Applicant: 上海应用技术大学
IPC: G06T7/246
CPC classification number: G06T7/246 , G06T2207/10016
Abstract: 本发明提供了一种基于多特征融合的相关滤波跟踪方法，包括以下步骤：读取t‑1时刻图像以目标块的目标位置及大小；在图像中，提取以目标位置为中心的目标区域，并计算目标区域的HOG特征，深度颜色特征及深度运动特征；根据HOG特征，深度颜色特征及深度运动特征构建滤波器；读取t时刻的图像的数据，并在该图像中以t‑1时刻的目标位置为中心提取候选区域，并计算该候选区域的HOG特征，深度颜色特征及深度运动特征；在t时刻的图像中，以t时刻的目标位置为中心提取候选区域，并计算该候选区域的HOG特征，深度颜色特征及深度运动特征；根据t时刻的HOG特征，深度颜色特征及深度运动特征更新滤波器。该方法是鲁棒的目标跟踪方法。
-
公开(公告)号：CN108764338A
公开(公告)日：2018-11-06
申请号：CN201810527019.X
申请日：2018-05-28
Applicant: 上海应用技术大学
CPC classification number: G06K9/6267 , G06T7/194 , G06T7/246
Abstract: 本发明公开了一种应用于视频分析的行人跟踪算法，包括：通过背景减除法检测视频场景中的行人；通过光流算法推断行人下一时刻的运动位置，作为是否是同一个人的度量，此特征记为A；比较行人矩形框大小的相似性，此特征记为B；提取每个矩形框中行人的颜色直方图，比较当前帧检测框与下一帧检测框颜色直方图的相似性，此特征记为C；将以上三种特征进行组合，记为特征F；以特征F训练逻辑斯特分类器，使逻辑斯特分类器拥有判断是否是同一个人的能力；用训练好的逻辑斯特分类器进行每帧之间行人检测框的关联。本发明通过一系列特征的组合，使用逻辑斯特分类器完成矩形框之间数据的关联，从而实现了监控视频的行人跟踪。
-
公开(公告)号：CN107071418A
公开(公告)日：2017-08-18
申请号：CN201710319212.X
申请日：2017-05-05
Applicant: 上海应用技术大学
Inventor： 许士芳
IPC: H04N19/119 , H04N19/147 , H04N19/593
Abstract: 一种基于决策树的HEVC帧内编码单元快速划分方法，包括步骤：通过构造直方图获取当前编码单元的纹理特征，纹理特征包括当前编码单元的边缘点数目、亮度值的方差、当前编码单元的子块亮度值均值的方差和子块亮度值方差的方差；根据纹理特征采用决策树模型预测当前编码单元的编码深度。由于通过构造直方图分析当前编码单元的纹理特征，并利用该纹理特征通过决策树模型进行编码尺度的自适应选择，跳过不必要的编码尺度计算，实验结果表明本申请的方法在帧内编码时平均节省31％的编码时间，而平均比特流增加2.6％左右，同时视频的PSNR基本维持不变，极大地降低了HEVC的编码复杂度。
-
公开(公告)号：CN107071418B
公开(公告)日：2020-03-17
申请号：CN201710319212.X
申请日：2017-05-05
Applicant: 上海应用技术大学
Inventor： 许士芳
IPC: H04N19/119 , H04N19/147 , H04N19/593
Abstract: 一种基于决策树的HEVC帧内编码单元快速划分方法，包括步骤：通过构造直方图获取当前编码单元的纹理特征，纹理特征包括当前编码单元的边缘点数目、亮度值的方差、当前编码单元的子块亮度值均值的方差和子块亮度值方差的方差；根据纹理特征采用决策树模型预测当前编码单元的编码深度。由于通过构造直方图分析当前编码单元的纹理特征，并利用该纹理特征通过决策树模型进行编码尺度的自适应选择，跳过不必要的编码尺度计算，实验结果表明本申请的方法在帧内编码时平均节省31％的编码时间，而平均比特流增加2.6％左右，同时视频的PSNR基本维持不变，极大地降低了HEVC的编码复杂度。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
