-
公开(公告)号：CN118522039A
公开(公告)日：2024-08-20
申请号：CN202410985478.8
申请日：2024-07-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于YOLOv5s和阶段式正则联合行人重识别的帧提取行人检索方法，包括以下步骤：（1）获取扩展图像‑视频行人EIVP数据集并进行预处理；（2）构建基于YOLOv5s和阶段式正则联合行人重识别模型即YOLOv5s‑Re‑ID模型，并训练模型；（3）使用欧几里德距离计算YOLOv5s模块输出的图像与改进的Re‑ID模块输出的图像之间的相似性；本发明中改进后的行人重识别模型能够有效提高泛化能力和分类性能，降低过拟合的风险，并减少遮挡带来的影响，提高识别准确率。
-
Patent Agency Ranking
公开(公告)号：CN117710903B
公开(公告)日：2024-05-03
申请号：CN202410161198.5
申请日：2024-02-05
Applicant: 南京信息工程大学
IPC: G06V20/52 , G06V10/20 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种基于ReID和Yolov5双模型下的可视化特定行人追踪方法及系统，属于图像识别技术领域，所述方法包括以下步骤：（1）获取行人数据，并对数据进行预处理和存储；（2）对预处理后的数据进行逐帧提取，利用YOLOv5提取每帧图片中的person类图片并保存；（3）获取Market1501数据集随机划分测试集和训练集，并训练Resnet50模型，获取最终模型；（4）将已训练好的模型通过迁移学习方法，输入步骤（2）得到的图片，进行特征提取；（5）将提取后的图片合并为一个张量传递给ReID模型，并进行特征提取和归一化；（6）判定最小平均距离与距离阈值的大小；（7）保存最终视频；本发明通过YOLOv5对特定类的目标检测结合ReID对特定ID的检索，实现在协同检索追踪违章行人的功能。
-
公开(公告)号：CN117717760A
公开(公告)日：2024-03-19
申请号：CN202311718183.6
申请日：2023-12-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于虚拟现实技术的平衡训练系统及平衡训练方法，平衡训练系统包括微处理器、无线模块、传感器、上位机、VR显示器，微处理器通过无线模块与传感器、上位机、VR显示器通信连接；传感器用于采集数据；微处理器用于根据传感器采集的数据输出重心坐标；上位机用于根据微处理器输出的重心坐标生成平衡检测结果；VR显示器用于根据微处理器输出的重心坐标更新虚拟训练场景中人物的坐标。本发明能够利用虚拟现实技术进行平衡训练。
-
公开(公告)号：CN117710903A
公开(公告)日：2024-03-15
申请号：CN202410161198.5
申请日：2024-02-05
Applicant: 南京信息工程大学
IPC: G06V20/52 , G06V10/20 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种基于ReID和Yolov5双模型下的可视化特定行人追踪方法及系统，属于图像识别技术领域，所述方法包括以下步骤：（1）获取行人数据，并对数据进行预处理和存储；（2）对预处理后的数据进行逐帧提取，利用YOLOv5提取每帧图片中的person类图片并保存；（3）获取Market1501数据集随机划分测试集和训练集，并训练Resnet50模型，获取最终模型；（4）将已训练好的模型通过迁移学习方法，输入步骤（2）得到的图片，进行特征提取；（5）将提取后的图片合并为一个张量传递给ReID模型，并进行特征提取和归一化；（6）判定最小平均距离与距离阈值的大小；（7）保存最终视频；本发明通过YOLOv5对特定类的目标检测结合ReID对特定ID的检索，实现在协同检索追踪违章行人的功能。
-
公开(公告)号：CN119810924A
公开(公告)日：2025-04-11
申请号：CN202510136460.5
申请日：2025-02-07
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/77 , G06V10/80 , G06V10/82 , G06F18/10 , G06F18/213 , G06F18/25
Abstract: 本发明公开了一种基于深度学习的人体跌倒检测方法，包括以下步骤：（1）使用2D激光雷达和毫米波雷达获取激光雷达数据和毫米波雷达数据，并进行预处理；（2）将预处理后的激光雷达数据和毫米波雷达数据进行数据融合；（3）将融合后的数据进行数据表示转换；（4）将步骤（3）得到的数据进行特征嵌入和位置编码；（5）构建WA‑transformer网络，将步骤（4）得到的数据输入到网络中进行训练；（6）实时检测跌倒姿态和发送报警信号；本发明可以实时检测跌倒姿态。
-
公开(公告)号：CN118522039B
公开(公告)日：2024-10-18
申请号：CN202410985478.8
申请日：2024-07-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于YOLOv5s和阶段式正则联合行人重识别的帧提取行人检索方法，包括以下步骤：（1）获取扩展图像‑视频行人EIVP数据集并进行预处理；（2）构建基于YOLOv5s和阶段式正则联合行人重识别模型即YOLOv5s‑Re‑ID模型，并训练模型；（3）使用欧几里德距离计算YOLOv5s模块输出的图像与改进的Re‑ID模块输出的图像之间的相似性；本发明中改进后的行人重识别模型能够有效提高泛化能力和分类性能，降低过拟合的风险，并减少遮挡带来的影响，提高识别准确率。
-
-
-
-
-
Search Results
6
records
(took 0.036 seconds)
