-
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
申请人： 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC分类号： G06T7/246 , G06T5/90 , G06T5/60 , G06V10/44 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/045 , G06N3/08
摘要： 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：CN112381004B
公开(公告)日：2023-08-08
申请号：CN202011282994.2
申请日：2020-11-17
申请人： 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC分类号： G06V40/10 , G06V20/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 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
申请人： 华南理工大学 , 华南理工大学珠海现代产业创新研究院
摘要： 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：CN113887575B
公开(公告)日：2024-04-05
申请号：CN202111066154.7
申请日：2021-09-13
申请人： 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC分类号： G06F18/214 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/08
摘要： 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
申请人： 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC分类号： G06V10/774 , G06V40/20 , G06V40/10 , G06V10/82 , G06N3/0464 , G06F17/16
摘要： 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
申请人： 华南理工大学 , 华南理工大学珠海现代产业创新研究院
摘要： 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：CN113888590A
公开(公告)日：2022-01-04
申请号：CN202111066330.7
申请日：2021-09-13
申请人： 华南理工大学 , 华南理工大学珠海现代产业创新研究院
摘要： 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
申请人： 华南理工大学 , 华南理工大学珠海现代产业创新研究院
摘要： 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：CN108182381A
公开(公告)日：2018-06-19
申请号：CN201711267192.2
申请日：2017-12-05
申请人： 华南理工大学
摘要： 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算法，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。通过本发明算法可以有效提高Adaboost分类器的训练速度，大大减少了算法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：CN107273852A
公开(公告)日：2017-10-20
申请号：CN201710455837.9
申请日：2017-06-16
申请人： 华南理工大学
CPC分类号： G06K9/00771 , G06K9/46 , G06K9/4642 , G06K9/6257 , G06K9/628 , G06T7/194 , G06T7/277 , G06T2207/20024 , G06T2207/30196 , G06T2207/30232
摘要： 本发明公开了一种基于机器视觉的手扶电梯楼层板物件及乘客行为检测算法，包括步骤：1)视频图像采集；2)利用CodeBook算法建立背景模型，提取物件及乘客前景图像；3)利用HOG描述子对前景图像进行人头特征提取；4)利用AdaBoost级联分类器对前景图像进行人头检测；5)利用Kalman滤波器对乘客目标进行跟踪；6)利用Fitzgibbon算法对前景图像进行轮廓检测与椭圆拟合；7)剔除6)中的乘客目标，利用Kalman滤波器对物件目标进行跟踪；8)通过分析物件及乘客中心坐标的运动速度和运动方向判断二者的行为。通过本发明算法可以对手扶电梯楼层板上的物件及乘客行为进行检测与分析，当出现异常时能够及时启动应急方案，将异常情况的潜在危害降至最低。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.042 秒)
