公开(公告)号：CN108765279A

公开(公告)日：2018-11-06

申请号：CN201810224421.0

申请日：2018-03-19

Applicant: 北京工业大学

Inventor： 杨金福 ,  王美杰 ,  张京玲 ,  李明爱 ,  许兵兵

IPC: G06T3/40 ,  G06K9/00 ,  G06K9/62

CPC classification number: G06T3/4053 ,  G06K9/00228 ,  G06K9/00288 ,  G06K9/6256

Abstract: 本发明提出一种面向监控场景的行人人脸超分辨率重建方法，将行人人脸检测和人脸超分辨率重建统一到一个网络中，实现以端到端的方式输出人脸超分辨率图像，并给出针对行人人脸不可避免的不对齐、含有噪声等问题的解决方法。本发明分为行人人脸检测部分和人脸超分辨重建部分。给定一张行人的图像，首先利用人脸检测网络生成候选人脸的包围盒，然后将得到的包围盒输入人脸超分辨网络中，生成高分辨率的人脸图像。在联合优化的过程中，人脸检测网络和人脸超分辨网络相互适应。本发明能够为视频监控的行人再识别技术提供有效的信息，帮助完成寻找特定行人的任务，突破现有再识别中依靠行人外表等属性来区分不同的行人，有效利用关键的人脸信息。

公开(公告)号：CN108564012B

公开(公告)日：2022-03-08

申请号：CN201810273078.9

申请日：2018-03-29

Applicant: 北京工业大学

Inventor： 杨金福 ,  张京玲 ,  王美杰 ,  李明爱 ,  许兵兵

IPC: G06V40/10 ,  G06V10/762 ,  G06K9/62

Abstract: 本发明涉及一种基于人体特征分布的行人解析方法，从人体特征分布的角度出发，提出了一种智能的融合人体特征分布模型和自监督结构敏感学习策略的行人解析方法。以自监督结构敏感学习方法为底层框架，首先，通过超像素分割的方法产生候选区域，对每个区域提取颜色和纹理特征建立表象模型，然后再利用高斯函数建立面积比例模型，最后通过将两个模型叠加得到总的人体特征分布模型。并将解析损失函数、关节结构损失函数和人体特征分布模型的特征分布损失函数相叠加的得到最终的损失函数。本发明利用自监督结构敏感学习方法使得生成的解析结果在语义上与人体的结构具有很强的一致性，更符合人体特征分布的特性，并且对遮挡，视角，复杂背景具有不变性。

公开(公告)号：CN108564012A

公开(公告)日：2018-09-21

申请号：CN201810273078.9

申请日：2018-03-29

Applicant: 北京工业大学

Inventor： 杨金福 ,  张京玲 ,  王美杰 ,  李明爱 ,  许兵兵

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明涉及一种基于人体特征分布的行人解析方法，从人体特征分布的角度出发，提出了一种智能的融合人体特征分布模型和自监督结构敏感学习策略的行人解析方法。以自监督结构敏感学习方法为底层框架，首先，通过超像素分割的方法产生候选区域，对每个区域提取颜色和纹理特征建立表象模型，然后再利用高斯函数建立面积比例模型，最后通过将两个模型叠加得到总的人体特征分布模型。并将解析损失函数、关节结构损失函数和人体特征分布模型的特征分布损失函数相叠加的得到最终的损失函数。本发明利用自监督结构敏感学习方法使得生成的解析结果在语义上与人体的结构具有很强的一致性，更符合人体特征分布的特性，并且对遮挡，视角，复杂背景具有不变性。