-
公开(公告)号：CN103268616B
公开(公告)日：2015-11-25
申请号：CN201310136312.0
申请日：2013-04-18
Applicant: 北京工业大学
IPC: G06T7/20
Abstract: 本发明属于计算机视觉与智能机器人的交叉领域，公开了一种新的多特征多传感器的移动机器人运动人体跟踪方法。包括：步骤一，利用RFID系统对在其附近携带无源标签的人体进行粗定位；步骤二，利用基于头肩特征的自适应模板匹配算法对图像中人体进行初定位；步骤三，利用基于多特征的mean-shift算法对图像中人体精确定位；步骤四，利用扩展卡尔曼滤波算法预测人体运动状态；步骤五，采用双层协作定位机制对获取到的目标位置信息进行筛选；步骤六，利用机器人跟随控制算法控制机器人跟随人体运动。本发明可实现对不同位姿人体的跟踪，解决了目标突然转弯及被遮挡对跟踪的影响问题，使机器人能够精确、稳定、连续地跟踪运动人体。
-
Patent Agency Ranking
公开(公告)号：CN103049758B
公开(公告)日：2015-09-09
申请号：CN201210528129.0
申请日：2012-12-10
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明属于模式识别领域，具体涉及一种融合步态光流图和头肩均值形状的远距离身份识别方法。该方法的步骤包括：预处理，估计行走方向并确定视角，建立步态的动态特征分类器，建立步态的静态特征分类器，在匹配层根据乘积规则融合动态特征分类器和静态特征分类器的相似度，得出决策信息。本发明引入视角作为分类器的准则，解决了步态识别受视角影响大的问题；利用Lacus-Kanade光流法计算相邻两帧侧影图像间的光流场，提高了算法的实时处理能力；融合步态的动态信息和静态信息，提高了方法的可分性，改善了识别性能。
-
公开(公告)号：CN103325125A
公开(公告)日：2013-09-25
申请号：CN201310276316.9
申请日：2013-07-03
Applicant: 北京工业大学
Abstract: 本发明属于计算机视觉与模式识别领域，公开了一种基于改进的多示例学习算法的目标跟踪方法。首先根据压缩感知理论设计随机测量矩阵。然后利用多示例学习算法在当前跟踪结果小邻域内采样示例构成正包，同时在其大邻域圆环内采样示例构成负包。对每个示例，在图像平面提取表征目标的特征，并利用随机感知矩阵对其降维。根据提取的示例特征在线学习弱分类器，并在弱分类器池中选择判别能力较强的弱分类器构成强分类器。最后，当跟踪到新的目标位置时，利用当前跟踪结果与目标模板的相似性分数在线自适应调整分类器更新程度参数。本发明解决了现有算法中跟踪效果易受光照改变、姿态变化、复杂背景干扰、目标快运动等影响的问题。
-
公开(公告)号：CN103325125B
公开(公告)日：2016-08-10
申请号：CN201310276316.9
申请日：2013-07-03
Applicant: 北京工业大学
Abstract: 本发明属于计算机视觉与模式识别领域，公开了一种基于改进的多示例学习算法的目标跟踪方法。首先根据压缩感知理论设计随机测量矩阵。然后利用多示例学习算法在当前跟踪结果小邻域内采样示例构成正包，同时在其大邻域圆环内采样示例构成负包。对每个示例，在图像平面提取表征目标的特征，并利用随机感知矩阵对其降维。根据提取的示例特征在线学习弱分类器，并在弱分类器池中选择判别能力较强的弱分类器构成强分类器。最后，当跟踪到新的目标位置时，利用当前跟踪结果与目标模板的相似性分数在线自适应调整分类器更新程度参数。本发明解决了现有算法中跟踪效果易受光照改变、姿态变化、复杂背景干扰、目标快运动等影响的问题。
-
公开(公告)号：CN103268616A
公开(公告)日：2013-08-28
申请号：CN201310136312.0
申请日：2013-04-18
Applicant: 北京工业大学
IPC: G06T7/20
Abstract: 本发明属于计算机视觉与智能机器人的交叉领域，公开了一种新的多特征多传感器的移动机器人运动人体跟踪方法。包括：步骤一，利用RFID系统对在其附近携带无源标签的人体进行粗定位；步骤二，利用基于头肩特征的自适应模板匹配算法对图像中人体进行初定位；步骤三，利用基于多特征的mean-shift算法对图像中人体精确定位；步骤四，利用扩展卡尔曼滤波算法预测人体运动状态；步骤五，采用双层协作定位机制对获取到的目标位置信息进行筛选；步骤六，利用机器人跟随控制算法控制机器人跟随人体运动。本发明可实现对不同位姿人体的跟踪，解决了目标突然转弯及被遮挡对跟踪的影响问题，使机器人能够精确、稳定、连续地跟踪运动人体。
-
公开(公告)号：CN103049758A
公开(公告)日：2013-04-17
申请号：CN201210528129.0
申请日：2012-12-10
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明属于模式识别领域，具体涉及一种融合步态光流图和头肩均值形状的远距离身份识别方法。该方法的步骤包括：预处理，估计行走方向并确定视角，建立步态的动态特征分类器，建立步态的静态特征分类器，在匹配层根据乘积规则融合动态特征分类器和静态特征分类器的相似度，得出决策信息。本发明引入视角作为分类器的准则，解决了步态识别受视角影响大的问题；利用Lacus-Kanade光流法计算相邻两帧侧影图像间的光流场，提高了算法的实时处理能力；融合步态的动态信息和静态信息，提高了方法的可分性，改善了识别性能。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
