-
Patent Agency Ranking
公开(公告)号：CN109711281B
公开(公告)日：2023-05-02
申请号：CN201811501491.2
申请日：2018-12-10
Applicant: 复旦大学
IPC: G06V40/10 , G06V10/764 , G06V10/80 , G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明属于计算机视觉与人工智能技术领域，具体为一种基于深度学习的行人重识别与特征识别融合方法。本发明通过设计并训练一个神经网络，将行人重识别与特征识别相融合，自动判断两幅图像中的行人是否为同一个人，并且预测出图像中行人的多种特征；其中，所述的神经网络，以不同视角下的行人图像作为训练样本，以行人的编号以及行人特征作为训练标签，对网络进行训练；训练得到的网络，可以同时进行行人重识别与特征识别。对于输入两幅摄像头拍摄到的行人图像，可以自动判断是否为同一个人，同时会自动提取出行人的性别、年龄、衣着等12种特征。在公开数据集上的实验结果证明本发明方法的有效性。
-
公开(公告)号：CN109584213A
公开(公告)日：2019-04-05
申请号：CN201811316393.1
申请日：2018-11-07
Applicant: 复旦大学
CPC classification number: G06T7/0002 , G06N3/0454 , G06T2207/10016 , G06T2207/20081 , G06T2207/20104
Abstract: 本发明涉及一种基于深度学习的实时自主跟踪方法，提出了基于深度学习的人工神经网络的计算机视觉目标检测与计算机视觉目标跟踪算法，可利用高性能计算单元运行神经网络的运算单元检测目标，而后运行目标跟踪算法对所有目标同时实现跟踪，并可以手工介入选择特定目标专注单人跟踪。相比较传统的单目标跟踪算法，传统单目标跟踪需要手动框选目标，但对于移动目标，框选时往往会因为操作延时导致框选失效。本算法避免了人工框选目标的操作延时导致的框选不准和目标偏离。本发明构建了“摄像头-服务器”的架构，将摄像头中所有目标数据同时处理，实现全区域的多人跟踪和单人持续跟踪，实验结果表明，本发明能够实现实时的神经网络运算，进而结合目标跟踪算法，实现“检测、选人”两步跟踪效果。
-
公开(公告)号：CN107817820A
公开(公告)日：2018-03-20
申请号：CN201710961301.4
申请日：2017-10-16
Applicant: 复旦大学
IPC: G05D1/12
CPC classification number: G05D1/0088 , G05D1/12
Abstract: 本发明公开了一种基于深度学习的无人机自主飞行控制方法与系统，提出了基于深度学习的人工神经网络的计算机视觉目标检测与朝向估计算法，利用搭载云台相机的多旋翼无人机采集图像，利用运行神经网络的运算单元检测目标并估计目标朝向，最后结合控制算法将控制指令反馈到无人机飞行控制器。本发明构建了“数据采集单元-深度学习运算单元-飞行控制单元”的分布式数据采集运算与控制回环，实验结果表明，本发明能够实现实时的神经网络运算，进而结合控制算法实现无人机快速自主发现目标、靠近目标并以特定姿态跟踪目标的效果。
-
公开(公告)号：CN109711281A
公开(公告)日：2019-05-03
申请号：CN201811501491.2
申请日：2018-12-10
Applicant: 复旦大学
Abstract: 本发明属于计算机视觉与人工智能技术领域，具体为一种基于深度学习的行人重识别与特征识别融合方法。本发明通过设计并训练一个神经网络，将行人重识别与特征识别相融合，自动判断两幅图像中的行人是否为同一个人，并且预测出图像中行人的多种特征；其中，所述的神经网络，以不同视角下的行人图像作为训练样本，以行人的编号以及行人特征作为训练标签，对网络进行训练；训练得到的网络，可以同时进行行人重识别与特征识别。对于输入两幅摄像头拍摄到的行人图像，可以自动判断是否为同一个人，同时会自动提取出行人的性别、年龄、衣着等12种特征。在公开数据集上的实验结果证明本发明方法的有效性。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
