公开(公告)号：CN105740819A

公开(公告)日：2016-07-06

申请号：CN201610065279.0

申请日：2016-01-29

Applicant: 中国科学院信息工程研究所

Inventor： 孙利民 ,  田莹莹 ,  文辉 ,  芦翔 ,  朱红松

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/00778 ,  G06K9/6232

Abstract: 本发明涉及一种基于整数规划的人群密度估计方法，其步骤包括：1)根据输入的图像或视频帧进行特征提取，得到像素的特征向量；2)进行密度图估计，为每个像素建立其特征向量到密度值的映射关系，得到密度图；3)将密度图分成若干个局部区域，在每个区域进行目标计数，得到目标的数目；4)在密度图基础上使用带约束的整数规划方法进行目标检测，确定目标的位置。本发明能够更好的适应复杂场景、高密度、有遮挡场景下的人群密度估计，能够提高检测精度，对不同场景、不同视角、不同物体结构、不同样本大小、部分遮挡等情况都有很好的鲁棒性。

公开(公告)号：CN106778478A

公开(公告)日：2017-05-31

申请号：CN201611027589.X

申请日：2016-11-21

Applicant: 中国科学院信息工程研究所

Inventor： 张园 ,  孙利民 ,  芦翔 ,  文辉 ,  田莹莹

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06T7/246

CPC classification number: G06K9/00369 ,  G06K9/46 ,  G06K9/4604 ,  G06K9/4642 ,  G06K9/4652 ,  G06K9/6267 ,  G06K2009/4666 ,  G06T2207/10016 ,  G06T2207/30196 ,  G06T2207/30232

Abstract: 本发明公开了一种基于混合特征的带缓存机制的实时行人检测与跟踪方法。本方法为：1)提取正样本图像、负样本图像的混合特征；2)基于混合特征训练软级联分类器，得到最终的分类器；3)监控系统从监控视频的第t‑1帧图像中提取若干滑动窗口，然后提取每一滑动窗口内的图像的混合特征并将其输入分类器进行检测，获得该滑动窗口的初步检测窗口；然后对获取的初步检测窗口进行融合，得到该第t‑1帧图像的行人检测窗口；4)采用前后双向跟踪预测，并通过计算预测特征点与实际特征点的匹配程度来决定是否跟踪成功。5)检测与跟踪融合中，采用延缓播放机制，并利用双线程和双缓存机制实现。本发明能够实现高精度的实时行人检测与跟踪。

公开(公告)号：CN106778603A

公开(公告)日：2017-05-31

申请号：CN201611146313.3

申请日：2016-12-13

Applicant: 中国科学院信息工程研究所

Inventor： 孙利民 ,  田莹莹 ,  芦翔 ,  文辉 ,  张园

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

CPC classification number: G06K9/00369 ,  G06K9/4642 ,  G06K9/6269

Abstract: 本发明公开了一种基于梯度式级联SVM分类器的行人识别方法，该方法用风险敏感的分类器和投票机制进行行人识别，在一定程度上提高了检测精度，而且，梯度式级联架构采用的是由粗粒度到细粒度的流水线型判断，能够将易判断的负样本在前几个级检测完毕，大大加快检测阶段的分类速度，提高了运算效率与总体处理速度。本发明可以更好的适应人流量较小、非行人目标大量存在场景下的行人识别。