-
公开(公告)号：CN119107679A
公开(公告)日：2024-12-10
申请号：CN202411092744.0
申请日：2024-08-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于局部结构和全局语义的人脸特征提取方法、系统及存储介质，人脸特征提取方法包括人脸特征提取步骤：在训练过程中，热红外图像作为人脸特征提取模块的输入，在多个尺度上进行特征提取，得到局部结构信息和全局语义信息；对比学习步骤：将提取到的人脸特征信息与正负样本进行对比学习，以此拉近相同身份人脸特征的相似度，推远不同信息人脸特征的距离。本发明的有益效果是：本发明具有更好的鲁棒性和泛化能力，能够更准确更快速的实现对人脸特征的提取。
-
公开(公告)号：CN115272140B
公开(公告)日：2023-01-17
申请号：CN202211195534.5
申请日：2022-09-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T5/00 , G06T5/50 , G06V10/28 , G06V10/30 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明提供一种红外图像量化和增强方法、系统及存储介质，该方法包括数据准备步骤：将14bits红外图像数据生成8bits红外图像数据，生成的8bits红外图像数据作为标签图像；训练步骤：将14bits红外图像数据归一化为[0,1]范围内的浮点数，归一化的数据输入到基于多尺度特征融合的主网络中，主网络提取不同尺度的图像特征，对不同尺度的图像特征进行融合，生成8bits红外图像；将主网络生成的8bits红外图像和标签图像输入判别器模块，促使主网络生成质量更高的红外图像。本发明的有益效果是：本发明能够将14bits红外图像映射为高质量的8bits红外图像数据，生成图像速度更快，占用的CPU资源更少。
-
公开(公告)号：CN119181123A
公开(公告)日：2024-12-24
申请号：CN202411261684.0
申请日：2024-09-10
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V40/16 , G06V10/80 , G06V10/25 , G06V10/30 , G06N3/0464
Abstract: 本发明提供了一种基于双光融合的高精度人脸定位方法、系统及存储介质，包括：训练数据获取步骤：使用红外与可见光双光摄像头采集数据，对采集到的双光数据集进行手动配准对齐，对红外图像使用中值滤波去噪；训练步骤：将获得的图像对作为训练数据，一同送入双光融合人脸定位网络，使用所提Mamba‑YOLO网络结构训练，将获得的特征向量经DANet特征融合网络融合后送入PAFPN像素注意力特征金字塔网络结构进行特征映射，映射出的图像特征送入一层卷积获得最后的定位结果；预测步骤：用训练后的双光人脸定位网络，获得人脸定位结果。本发明的有益效果是：能够从输入的双光图像中提取特征，并在特征融合之后，从中获取人脸位置信息。
-
公开(公告)号：CN115294176B
公开(公告)日：2023-04-07
申请号：CN202211177765.3
申请日：2022-09-27
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T7/246 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06V10/764
Abstract: 本发明提供了一种双光多模型长时间目标跟踪方法、系统及存储介质，该双光多模型长时间目标跟踪方法包括预训练步骤、训练步骤、重参数化步骤和推理步骤。本发明的有益效果是：本发明使得可见光‑热红外双光目标跟踪器具有更好的鲁棒性和泛化能力，能够更准确更快速的实现对目标的长时间跟踪。
-
公开(公告)号：CN115797477A
公开(公告)日：2023-03-14
申请号：CN202310044359.8
申请日：2023-01-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T9/00 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明涉及用于轻量化部署的剪枝式图像压缩感知方法及系统。其中的方法包括：获取预览图像和与预览图像关联的采样值，将预览图像输入到基于投影梯度算法和深度神经网络的图像压缩感知模型中以计算输出重建图像，其中，深度神经网络包括:用于特征提取的提取层组、用于图像重建的重建层组和设置有两者之间的第三卷积层，进行模型迭代训练时对图像压缩感知模型进行剪枝操作以获得理想压缩比例。本发明使用模型剪枝的方法对深度展开式网络进行模型规模的压缩，使其在计算复杂度和模型规模上达到轻量化部署需求同时保持良好的图像重建质量，并将其部署到移动端设备上，实现了图像的快速采样、信号传递以及节约存储。
-
Patent Agency Ranking
公开(公告)号：CN118918625A
公开(公告)日：2024-11-08
申请号：CN202411032658.0
申请日：2024-07-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V40/16 , G06V10/80 , G06V10/74 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供了一种人脸识别方法、系统及存储介质，包括图像融合步骤：双光图像输入数据挖掘模块，数据挖掘模块通过跨模态的候选项引导的特征挖掘机制，从未配准的双光图像中提取不同模态的对应特征，构成可见光特征和热红外特征，通过特征融合模块对可见光特征和热红外特征进行特征的融合；双光图像包括可见光图像和热红外图像；人脸识别步骤：融合后的图像输入到人脸识别模块中进行人脸识别。本发明的有益效果是：提高在极端光照，恶劣天气等环境下人脸识别算法的性能。
-
公开(公告)号：CN118918024A
公开(公告)日：2024-11-08
申请号：CN202411032472.5
申请日：2024-07-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T5/60 , G06T3/40 , G06T3/4046 , G06T3/4053 , G06T5/70 , G06T5/20 , G06V40/16 , G06V10/82 , G06N3/09 , G06N3/0464
Abstract: 本发明提供了一种面向识别过程的热红外人脸图像纹理增强方法、系统及存储介质，包括训练数据获取步骤、训练步骤和预测步骤。本发明的有益效果是：本发明能够将低分辨率的热红外人脸图像通过纹理增强算法生成高分辨率的热红外人脸图像，且能够保证其特征朝着有利于识别的方向提升，且原身份信息得到了保留。
-
公开(公告)号：CN115100235B
公开(公告)日：2022-12-20
申请号：CN202210989700.2
申请日：2022-08-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种目标跟踪方法、系统及存储介质，目标跟踪方法包括预训练步骤、训练步骤和预测步骤，在训练步骤中，使用共享特征的特征提取网络分别对模板图像和搜索图像进行特征提取，得到模板特征和搜索特征，经过级联自注意力‑跨注意力特征增强融合模块进行模板特征和搜索特征的深层融合，然后经过细节特征增强模块进行多分支的特征细节增强，再进入跨注意力特征模块做最终的特征融合后，最后使用一个跟踪头预测目标的坐标；在整个训练过程中，采用基于全局和局部的知识蒸馏训练方法来指导训练。本发明的有益效果是：本发明的目标跟踪方法及系统具有较高的跟踪精度、鲁棒性与泛化能力。
-
公开(公告)号：CN115273154B
公开(公告)日：2023-01-17
申请号：CN202211171768.6
申请日：2022-09-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V40/10 , G06V10/44 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于边缘重构的热红外行人检测方法、系统及存储介质，热红外行人检测方法包括数据预处理步骤、主干网络预训练步骤、模型训练步骤和预测步骤。本发明的有益效果是：通过引入边缘信息，引导模型深入挖掘热红外图像中的边缘特征；通过引入主干网络预训练方法，提升主干网络的特征提取和学习能力；通过设计全新的算法架构，提升热红外行人检测性能；通过引入针对性训练流程，避免使用额外任务和额外数据，提升模型有效信息量，不影响实际运行速度。
-
公开(公告)号：CN115272420B
公开(公告)日：2023-01-17
申请号：CN202211188338.5
申请日：2022-09-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T7/246 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/80
Abstract: 本发明提供了一种长时目标跟踪方法、系统及存储介质，该长时目标跟踪系统包括数据读取模块、双光融合跟踪模块、单光级联检测模块和决策模块，所述双光融合跟踪模块包括图像特征对齐模块、特征融合模块、多跟踪器协同模型；所述单光级联检测模块包括方差检测器、集合检测器、最近邻检测器；所述数据读取模块用于从可见光和热红外摄像头读取可见光图像和热红外图像。本发明的有益效果是：本发明的长时目标跟踪方法及系统具有较高的跟踪精度、鲁棒性与实时性。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.027 seconds)
