公开(公告)号：CN119863750A

公开(公告)日：2025-04-22

申请号：CN202411827756.3

申请日：2024-12-12

Applicant: 安徽信息工程学院

Inventor： 张天飞 ,  周荣强

IPC: G06V20/52 ,  G06V20/00 ,  G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06N3/0464

Abstract: 本发明公开了一种基于HRNet与3D注意力机制的人数识别统计方法，涉及图像处理领域，通过安装在室内的摄像头采集室内图像信息传到服务器端，服务器通过下述步骤检测出图像中的人数以及位置信息，通过在HRNet网络中的Block模块引入多尺度卷积核双分支结构增强特征提取能力，并随后加入3D注意力机制，使得提取的特征专注于特征图的有用信息，从而可以实现对指定空间区域内的人数以及其分布位置进行识别统计，通过准确预测场景中的人数可以有效地进行人流管控和安防部署，对于社会公共安全具有重要的意义；此外，人群计数结果还可应用于楼宇能源管理等领域，积极响应节能减排号召，具有广泛的应用价值。

公开(公告)号：CN119851074A

公开(公告)日：2025-04-18

申请号：CN202411840262.9

申请日：2024-12-13

Applicant: 安徽信息工程学院

Inventor： 张天飞 ,  周荣强

IPC: G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于Mamba的激光点云与摄像头多模态特征融合的目标感知方法，涉及机器视觉的技术领域，包括以下步骤：将从摄像头提取的特征以及从激光雷达点云提取的特征进行特征融合、将时域帧信息与当前帧信息进行混合，方便后面特征的提取、将激光雷达数据的Bev特征与摄像头数据的Bev特征通过相乘运算以及拼接方法实现两类数据的融合、结合卷积以及VMamba方法对特征进行重新排序实现序列化然后Mamba对特征进行提取，再结合通道注意力模块SE‑Block实现对目标特征的提取。本申请通过混合时域信息并融合多视角摄像头图像与激光雷达数据增加了物体信息，通过TemporalMerage模块、Mamba Encoder模块增强了对物体的特征描述能力，提高了模型对目标的检测能力，可有效地提高目标的检出率。

公开(公告)号：CN117372478A

公开(公告)日：2024-01-09

申请号：CN202311561632.0

申请日：2023-11-22

Applicant: 安徽信息工程学院

Inventor： 张天飞 ,  周荣强

IPC: G06T7/246 ,  G06T7/73 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了基于时空域的长时目标跟踪方法，包括以下步骤：S1：特征提取；S2:姿态估计；S3：位置估计；S4：Head模块建立以及特征信息输出：将搜索的位置信息与估算的位置信息送入Head模块进行结合，结合主干网络计算的目标特征对目标的边界框、类别、是否可见等信息进行计算；S5：位置锁定；本发明通过主干网络计算目标特征，结合时间域的前n帧信息对目标姿态进行估计，通过目标特征以及姿态信息在当前帧搜索目标位置以及边界框，并结合前n帧目标的位置信息估算出当前帧目标可能得位置，将搜索的位置信息与估算的位置信息进行结合，从而精确估计目标位置信息，避免多个相似目标存在时出现跟踪混乱，提高了跟踪算法的性能，可实现长时间目标跟踪。

公开(公告)号：CN117315449A

公开(公告)日：2023-12-29

申请号：CN202311079614.9

申请日：2023-08-25

Applicant: 安徽信息工程学院

Inventor： 张天飞 ,  周荣强

IPC: G06V20/00 ,  G06V10/25 ,  G06V10/52 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于改进YOLOv7的目标检测方法，涉及图像处理领域，卷积神经网络模型由Backbone、Neck以及Head组成，Backbone主要负责对输入图像进行特征提取；Neck负责对特征图进行多尺度特征融合，并把这些特征传递给预测层；Head则进行最终的特征分类和回归预测；本发明通过在YOLOv7网络模型的Neck部分改进多尺度特征融合结构，并参考残差网络结构，增加了含有Block模块的路径，防止模型出现退化；在此基础上，考虑到不同尺度的特征在融合时贡献不同，在不同尺度特征融合时给每一个尺度添加自适应学习权重，提高了对多尺度目标特征的表征能力，通过以上方法最终提高模型对目标检测的准确率。

公开(公告)号：CN116258940A

公开(公告)日：2023-06-13

申请号：CN202310205418.5

申请日：2023-03-06

Applicant: 安徽信息工程学院

Inventor： 张天飞 ,  凌强 ,  周荣强

IPC: G06V10/82 ,  G06V10/52 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种多尺度特征及自适应权重的小目标检测方法，通过二维摄像头对实时采集的图像进行物体检测；所述的检测方法采用ResNet网络作为主干网络。采用上述技术方案，通过对ResNet网络进行改进，采用多尺度特征融合并自适应分配权重的方法，实现网络自适应动态调整各个特征的重要性，提高了模型对小目标的检测能力、准确性和检测效果，可有效地提高小目标的检出率。