-
公开(公告)号：CN112784756B
公开(公告)日：2022-08-26
申请号：CN202110095729.1
申请日：2021-01-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种人体识别跟踪方法，包括如下步骤：步骤100：采集原始视频流数据，并将原始视频流数据转化为图片建立初始数据集；步骤200：对初始数据集进行增强处理及筛选，获得训练集、验证集及测试集；步骤300：搭建由主干网络、上采路径和顶端卷积组成的Centernet网络结构，其中顶端卷积使采用深度可分离卷积；步骤400：设计BOX匹配机制和损失函数构建完整的Centernet网络结构；步骤500：使用训练集、验证集及测试集对完整的Centernet网络结构进行训练、验证及测试获得Centernet网络模型；步骤600：利用Centernet网络模型识别跟踪实时视频流数据中的人体。上述人体识别跟踪方法，优化了Centernet网络结构，在不降低检测精确度的情况下提升检测速度，优化了精确度和速度之间的平衡。
-
公开(公告)号：CN112784756A
公开(公告)日：2021-05-11
申请号：CN202110095729.1
申请日：2021-01-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种人体识别跟踪方法，包括如下步骤：步骤100：采集原始视频流数据，并将原始视频流数据转化为图片建立初始数据集；步骤200：对初始数据集进行增强处理及筛选，获得训练集、验证集及测试集；步骤300：搭建由主干网络、上采路径和顶端卷积组成的Centernet网络结构，其中顶端卷积使采用深度可分离卷积；步骤400：设计BOX匹配机制和损失函数构建完整的Centernet网络结构；步骤500：使用训练集、验证集及测试集对完整的Centernet网络结构进行训练、验证及测试获得Centernet网络模型；步骤600：利用Centernet网络模型识别跟踪实时视频流数据中的人体。上述人体识别跟踪方法，优化了Centernet网络结构，在不降低检测精确度的情况下提升检测速度，优化了精确度和速度之间的平衡。
-
公开(公告)号：CN113255659B
公开(公告)日：2022-07-29
申请号：CN202110103233.4
申请日：2021-01-26
Applicant: 南京邮电大学
IPC: G06V30/146 , G06V30/148 , G06V20/62 , G06V10/82 , G06V30/19 , G06V10/80 , G06N3/04
Abstract: 本发明公开了一种基于MSAFF‑Yolov3的车牌校正检测识别方法。属于深度学习和车牌识别领域，具体步骤：采集图像，将图像输入到设计的自适应多尺度融合的MSAFF‑Yolov3网络；将输入的车牌区域进行检测，检测其是否出现扭曲的情况；引入一个含有LSTM的BRNN网络，对特征序列中的每个特征执行BLSTM处理，将整个特征序列转换成一个数组；将CTC布置在BRNN的输出层，将预测概率数组解码成输出标签值，将数组转换成字符串。本发明通过在特征提取中使用MSAFF‑Yolov3网络以及校正网络同时在字符识别中引入长短时记忆网络，有效的检测识别复杂车牌，具有收敛快、识别迅速、准确率高的优点。
-
公开(公告)号：CN113255659A
公开(公告)日：2021-08-13
申请号：CN202110103233.4
申请日：2021-01-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于MSAFF‑Yolov3的车牌校正检测识别方法。属于深度学习和车牌识别领域，具体步骤：采集图像，将图像输入到设计的自适应多尺度融合的MSAFF‑Yolov3网络；将输入的车牌区域进行检测，检测其是否出现扭曲的情况；引入一个含有LSTM的BRNN网络，对特征序列中的每个特征执行BLSTM处理，将整个特征序列转换成一个数组；将CTC布置在BRNN的输出层，将预测概率数组解码成输出标签值，将数组转换成字符串。本发明通过在特征提取中使用MSAFF‑Yolov3网络以及校正网络同时在字符识别中引入长短时记忆网络，有效的检测识别复杂车牌，具有收敛快、识别迅速、准确率高的优点。
-
-
-
Search Results
4
records
(took 0.017 seconds)
