公开(公告)号：CN117115857A

公开(公告)日：2023-11-24

申请号：CN202310996301.3

申请日：2023-08-09

Applicant: 无锡学院

Inventor： 徐焕宇 ,  王晟懿 ,  徐浩宇 ,  陈璐 ,  李长帅 ,  徐萌兮

IPC: G06V40/10 ,  G06V10/774 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了一种基于多域特征差异的域自适应行人重识别方法，属于行人重识别的技术领域；本发明提出的基于多域特征差异的域自适应行人重识别方法通过域内归一化模块消除域内显著风格特征，降低源域和目标域极端风格差异的影响。此外，本发明还通过多域特征融合模块实现不同域融合特征共同训练，提高网络的泛化能力。本发明算法在以Market‑1501、DukeMTMC‑ReID两个数据集互为源域目标域上进行了大量实验，实验结果表明，本发明提出的基于多域特征差异的行人重识别算法对于域自适应行人重识别算法有着显著提升。

公开(公告)号：CN117173786A

公开(公告)日：2023-12-05

申请号：CN202311141055.X

申请日：2023-09-06

Applicant: 无锡学院

Inventor： 徐萌兮 ,  徐浩宇 ,  朱菊香 ,  许雪 ,  王晟懿 ,  陈璐 ,  李长帅 ,  岳曾豪

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06V20/40

Abstract: 本发明公开了一种复杂场景下跌倒检测方法、系统、电子设备及介质，所述方法包括：S1：获取视频帧中包含人体的检测框区域；S2：建立VGG‑BiNLSTM跌倒行为检测模型：所述VGG‑BiNLSTM跌倒行为检测模型包括VGG网络、BiNLSTM网络；所述BiNLSTM网络构建过程为：改进LSTM网络，将LSTM网络预设的存储单元嵌套到原始LSTM网络存储单元中，构建NLSTM网络存储单元；S3：采用VGG网络对视频帧中包含人体的检测框区域进行特征提取，以捕获人体行为的特征向量；将特征向量送入VGG‑BiNLSTM跌倒行为检测模型中，利用连续帧之间的时序信息，实现对跌倒行为的检测与识别。通过本发明方法以解决传统的深度学习的跌倒检测方式可泛化性低的技术问题，实现对行人跌倒行为的准确检测。