-
公开(公告)号：CN113888590A
公开(公告)日：2022-01-04
申请号：CN202111066330.7
申请日：2021-09-13
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于数据增强和孪生网络的视频目标跟踪方法，包括步骤：1)设置视频中的跟踪目标模板和待搜索区域；2)利用数据增强模块对跟踪目标进行数据增强得到数据增强后的目标模板；3)使用孪生网络提取数据增强后的目标模板的特征图和提取待搜索区域的特征图；4)利用数据增强后的目标模板的特征图和搜索区域的特征图进行匹配得到响应图；5)获取响应图中响应值最大的位置预测目标位置。本发明利用数据增强模块增加视频中待跟踪目标的多样性后，利用孪生网络对视频序列中的目标进行跟踪，使得在遇到跟踪目标有较大形变、光照变化、背景杂乱等干扰等情况时，仍然能保证优异的性能。
-
公开(公告)号：CN113673560A
公开(公告)日：2021-11-19
申请号：CN202110799095.8
申请日：2021-07-15
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于多流三维自适应图卷积的人体行为识别方法，包括：1)采集包含人体的视频，构建训练集；2)利用训练集构建自适应空间域注意力矩阵SAM和自适应时间域注意力矩阵TAM；3)构建自适应空间域注意力图卷积模块ASAGCM、自适应时间域注意力图卷积模块ATAGCM、三维时空域图卷积模块GCN‑3d；4)构建自适应图卷积层；5)利用自适应图卷积层构建自适应图卷积网络；6)利用自适应图卷积网络构建多流三维自适应图卷积网络；7)利用训练集训练多流三维自适应图卷积网络；8)利用训练后的多流三维自适应图卷积网络对视频中的人体进行行为识别。通过本发明可有效提升人体行为种类识别的准确度，为各种计算机视觉处理应用打下了良好的基础。
-
公开(公告)号：CN112381004B
公开(公告)日：2023-08-08
申请号：CN202011282994.2
申请日：2020-11-17
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06V40/10 , G06V20/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于骨架的双流自适应图卷积网络行为识别方法，包括步骤：1)视频图像采集；2)标注视频中人体的骨架信息和行为类别，构建训练集；3)构建自适应空间域图卷积单元Convs和自适应时间域图卷积单元Convt；4)利用自适应空间域图卷积单元Convs和自适应时间域图卷积单元Convt构建自适应图卷积模块；5)利用自适应图卷积模块构建自适应图卷积网络；6)利用自适应图卷积网络构建双流自适应图卷积网络；7)利用训练集训练双流自适应图卷积网络；8)利用训练得到的双流自适应图卷积网络对视频图像中的人体行为进行识别。通过本发明可有效提升人体行为种类识别的准确度，为各种计算机视觉处理应用打下了良好的基础。
-
公开(公告)号：CN113887575A
公开(公告)日：2022-01-04
申请号：CN202111066154.7
申请日：2021-09-13
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于自适应图卷积网络的图数据集增强方法，包括步骤：1)构建自适应图卷积层；2)利用自适应图卷积层构建自适应图卷积网络；3)整理待增强的图数据集，将其用于自适应图卷积网络训练；4)利用训练完的自适应图卷积网络生成增强矩阵；5)利用增强矩阵对待增强的图数据集进行图数据增强，得到增强后的图数据集。本发明利用了自适应图卷积网络的邻接矩阵扩充图数据集，可以很好解决计算机视觉任务中图数据不足的问题。
-
公开(公告)号：CN113888590B
公开(公告)日：2024-04-16
申请号：CN202111066330.7
申请日：2021-09-13
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06T7/246 , G06T5/90 , G06T5/60 , G06V10/44 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于数据增强和孪生网络的视频目标跟踪方法，包括步骤：1)设置视频中的跟踪目标模板和待搜索区域；2)利用数据增强模块对跟踪目标进行数据增强得到数据增强后的目标模板；3)使用孪生网络提取数据增强后的目标模板的特征图和提取待搜索区域的特征图；4)利用数据增强后的目标模板的特征图和搜索区域的特征图进行匹配得到响应图；5)获取响应图中响应值最大的位置预测目标位置。本发明利用数据增强模块增加视频中待跟踪目标的多样性后，利用孪生网络对视频序列中的目标进行跟踪，使得在遇到跟踪目标有较大形变、光照变化、背景杂乱等干扰等情况时，仍然能保证优异的性能。
-
Patent Agency Ranking
公开(公告)号：CN113887575B
公开(公告)日：2024-04-05
申请号：CN202111066154.7
申请日：2021-09-13
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06F18/214 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于自适应图卷积网络的图数据集增强方法，包括步骤：1)构建自适应图卷积层；2)利用自适应图卷积层构建自适应图卷积网络；3)整理待增强的图数据集，将其用于自适应图卷积网络训练；4)利用训练完的自适应图卷积网络生成增强矩阵；5)利用增强矩阵对待增强的图数据集进行图数据增强，得到增强后的图数据集。本发明利用了自适应图卷积网络的邻接矩阵扩充图数据集，可以很好解决计算机视觉任务中图数据不足的问题。
-
公开(公告)号：CN113673560B
公开(公告)日：2023-06-09
申请号：CN202110799095.8
申请日：2021-07-15
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06V10/774 , G06V40/20 , G06V40/10 , G06V10/82 , G06N3/0464 , G06F17/16
Abstract: 本发明公开了一种基于多流三维自适应图卷积的人体行为识别方法，包括：1)采集包含人体的视频，构建训练集；2)利用训练集构建自适应空间域注意力矩阵SAM和自适应时间域注意力矩阵TAM；3)构建自适应空间域注意力图卷积模块ASAGCM、自适应时间域注意力图卷积模块ATAGCM、三维时空域图卷积模块GCN‑3d；4)构建自适应图卷积层；5)利用自适应图卷积层构建自适应图卷积网络；6)利用自适应图卷积网络构建多流三维自适应图卷积网络；7)利用训练集训练多流三维自适应图卷积网络；8)利用训练后的多流三维自适应图卷积网络对视频中的人体进行行为识别。通过本发明可有效提升人体行为种类识别的准确度，为各种计算机视觉处理应用打下了良好的基础。
-
公开(公告)号：CN112381004A
公开(公告)日：2021-02-19
申请号：CN202011282994.2
申请日：2020-11-17
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于骨架的双流自适应图卷积网络行为识别方法，包括步骤：1)视频图像采集；2)标注视频中人体的骨架信息和行为类别，构建训练集；3)构建自适应空间域图卷积单元Convs和自适应时间域图卷积单元Convt；4)利用自适应空间域图卷积单元Convs和自适应时间域图卷积单元Convt构建自适应图卷积模块；5)利用自适应图卷积模块构建自适应图卷积网络；6)利用自适应图卷积网络构建双流自适应图卷积网络；7)利用训练集训练双流自适应图卷积网络；8)利用训练得到的双流自适应图卷积网络对视频图像中的人体行为进行识别。通过本发明可有效提升人体行为种类识别的准确度，为各种计算机视觉处理应用打下了良好的基础。
-
公开(公告)号：CN108182381B
公开(公告)日：2020-12-22
申请号：CN201711267192.2
申请日：2017-12-05
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于快速Adaboost训练算法的自动扶梯乘客检测方法，包括步骤：1)视频图像采集；2)生成正样本和负样本；3)提取正、负样本中的HOG特征；4)利用快速Adaboost算法训练分类器；5)利用得到的分类器进行乘客检测；6)利用camshift算法跟踪人体。通过本发明方法可以有效提高Adaboost分类器的训练速度，大大减少了在需要使用多分类器和需要多次训练分类器场合下的时间开销。
-
公开(公告)号：CN107368786B
公开(公告)日：2020-02-18
申请号：CN201710455856.1
申请日：2017-06-16
Applicant: 华南理工大学
IPC: G06K9/00 , G06K9/34 , G06K9/40 , G06T5/00 , G06T7/11 , G06T7/155 , G06T7/246 , G06T7/254 , G06T7/62 , G06T7/66
Abstract: 本发明公开了一种基于机器视觉的乘客越过扶手带检测方法，包括步骤：1)视频图像采集及感兴趣区域(ROI区域)选取；2)利用CodeBook算法建立视频的背景模型，并进行背景差分；3)对得到的前景进行图像处理；4)通过扶手带的灰度直方图模板判断前景是否是乘客；5)利用camshift算法跟踪前景中属于人体的部分；6)计算属于人体对应前景的面积大小，中心点坐标；7)通过扶手带上、外侧前景面积的比例，以及它们中心点位置的关系分析是否有乘客越过扶手带。通过本发明方法可以有效提高手扶电梯的安全质量，避免了突发事件后的情况进一步恶化，把手扶电梯上有乘客攀爬扶手带后的损伤降到最低。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.036 seconds)
