-
公开(公告)号：CN109670520B
公开(公告)日：2021-04-09
申请号：CN201710951386.8
申请日：2017-10-13
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06K9/62
Abstract: 本发明实施例提供了一种目标姿态识别方法及装置，预先训练得到神经网络模型：根据预设特征样本对应的姿态信息，对预设结构的神经网络的网络参数进行训练得到该神经网络模型；进行目标姿态识别时，确定目标所在图像区域的图像特征、以及目标的形状特征和/或结构特征，将该图像特征及该形状特征和/或结构特征输入该神经网络模型，输出目标的姿态；可见，本方案中，基于神经网络模型识别目标姿态，第一方面，神经网络模型基于大量样本训练得到，携带的信息比特征点模型携带的信息更丰富，识别准确度更高；第二方面，本方案中的神经网络模型的网络参数中携带了图像特征、及目标的形状特征和/或结构特征多方面的信息，进一步提高了识别的准确度。
-
公开(公告)号：CN109409165A
公开(公告)日：2019-03-01
申请号：CN201710697177.5
申请日：2017-08-15
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种视频内容识别方法、装置及电子设备，所述方法包括：确定待识别的目标视频帧序列；获得所述目标视频帧序列中各个视频帧的目标图像特征；基于预先构建的注意力模型，确定所获得的各个目标图像特征所对应的目标权重值，其中，所述注意力模型为：以存在异常事件的视频帧序列样本所对应的各个图像特征为输入内容，以所述各个图像特征对应的权重值为输出内容训练所得到的，其中，在所述视频帧序列样本中，异常帧的图像特征的权重值高于其他帧的权重值；基于所述各个目标图像特征所对应的目标权重值，确定所述目标视频帧序列中是否存在异常事件。应用本发明实施例，可以降低识别视频内容的成本，并可以提高识别效率。
-
公开(公告)号：CN110717486B
公开(公告)日：2022-08-05
申请号：CN201810769512.2
申请日：2018-07-13
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06V20/62
Abstract: 本申请公开了一种文本检测方法、装置、电子设备和存储介质，属于图像检测技术领域。所述方法包括：基于待检测的目标图像，确定所述目标图像对应的特征图像，并基于所述特征图像中确定所述特征图像中的每个像素点的形变特征；根据所述特征图像中的每个像素点的形变特征，获取所述特征图像中的每个像素点的形变参数；根据所述特征图像中的每个像素点的形变参数，从所述特征图像中确定文本区域。本申请中由于结合了像素点的形变特征对特征图像进行检测，从而能够检测任一形变文本，进而提高了检测准确性。
-
公开(公告)号：CN110516517B
公开(公告)日：2022-05-06
申请号：CN201810495507.7
申请日：2018-05-22
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了一种基于多帧图像的目标识别方法、装置及设备，方法包括：对多帧图像中存在的目标进行配准，对配准后的目标进行特征提取及特征融合，根据融合后的特征，得到目标识别结果；可见，本方案中，利用多帧图像中目标的关联性，对目标进行配准及特征融合，即使某一单帧图像中画面不清晰、或者目标被遮挡，仍然可以利用与该单帧图像相关联的其他帧图像，对该单帧图像中的目标进行配准及特征融合，对融合后的特征进行识别，得到的目标识别结果准确性较高。
-
公开(公告)号：CN108121984B
公开(公告)日：2021-09-21
申请号：CN201611082212.4
申请日：2016-11-30
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 郑钢
Abstract: 本发明实施例提供了一种字符识别方法及装置，所述方法包括：获取待分析的包括字符的目标图像；将所述目标图像输入预先训练的深度神经网络中，确定所述目标图像的字符区域对应的特征图；通过所述深度神经网络对所述各字符区域对应的特征图进行字符识别，得到所述目标图像中包括的字符；其中，所述深度神经网络是根据各样本图像、各样本图像的字符区域标定结果、以及各样本图像中包括的字符训练得到的。本发明实施例能够提高字符识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN108121984A
公开(公告)日：2018-06-05
申请号：CN201611082212.4
申请日：2016-11-30
Applicant: 杭州海康威视数字技术股份有限公司
Inventor： 郑钢
Abstract: 本发明实施例提供了一种字符识别方法及装置，所述方法包括：获取待分析的包括字符的目标图像；将所述目标图像输入预先训练的深度神经网络中，确定所述目标图像的字符区域对应的特征图；通过所述深度神经网络对所述各字符区域对应的特征图进行字符识别，得到所述目标图像中包括的字符；其中，所述深度神经网络是根据各样本图像、各样本图像的字符区域标定结果、以及各样本图像中包括的字符训练得到的。本发明实施例能够提高字符识别的准确性。
-
公开(公告)号：CN109670520A
公开(公告)日：2019-04-23
申请号：CN201710951386.8
申请日：2017-10-13
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06K9/62
Abstract: 本发明实施例提供了一种目标姿态识别方法及装置，预先训练得到神经网络模型：根据预设特征样本对应的姿态信息，对预设结构的神经网络的网络参数进行训练得到该神经网络模型；进行目标姿态识别时，确定目标所在图像区域的图像特征、以及目标的形状特征和/或结构特征，将该图像特征及该形状特征和/或结构特征输入该神经网络模型，输出目标的姿态；可见，本方案中，基于神经网络模型识别目标姿态，第一方面，神经网络模型基于大量样本训练得到，携带的信息比特征点模型携带的信息更丰富，识别准确度更高；第二方面，本方案中的神经网络模型的网络参数中携带了图像特征、及目标的形状特征和/或结构特征多方面的信息，进一步提高了识别的准确度。
-
公开(公告)号：CN108694398A
公开(公告)日：2018-10-23
申请号：CN201710221223.4
申请日：2017-04-06
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种图像分析方法及装置，方法包括：从目标图像中提取至少一个目标图像特征；获得预先构建的注意力模型当前对各个目标图像特征的关注度；根据所获得的各个目标图像特征，以及各个目标图像特征对应的关注度，确定注意力模型所关注目标的识别结果，该目标由至少一个目标图像特征构成；确定各个目标图像特征所对应目标区域的第一中心位置坐标；根据各个目标图像特征对应的关注度和各个第一中心位置坐标，计算目标在目标图像中的第二中心位置坐标；将第二中心位置坐标作为具有该识别结果的目标的定位结果。应用本发明实施例，可以对所识别的目标进行快速定位，提高了分析图像的速度。
-
公开(公告)号：CN108694398B
公开(公告)日：2020-10-30
申请号：CN201710221223.4
申请日：2017-04-06
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本发明实施例提供了一种图像分析方法及装置，方法包括：从目标图像中提取至少一个目标图像特征；获得预先构建的注意力模型当前对各个目标图像特征的关注度；根据所获得的各个目标图像特征，以及各个目标图像特征对应的关注度，确定注意力模型所关注目标的识别结果，该目标由至少一个目标图像特征构成；确定各个目标图像特征所对应目标区域的第一中心位置坐标；根据各个目标图像特征对应的关注度和各个第一中心位置坐标，计算目标在目标图像中的第二中心位置坐标；将第二中心位置坐标作为具有该识别结果的目标的定位结果。应用本发明实施例，可以对所识别的目标进行快速定位，提高了分析图像的速度。
-
公开(公告)号：CN109145927A
公开(公告)日：2019-01-04
申请号：CN201710457725.7
申请日：2017-06-16
Applicant: 杭州海康威视数字技术股份有限公司
CPC classification number: G06K9/46 , G06K9/62 , G06N3/02 , G06K9/4609 , G06K9/6267
Abstract: 本发明实施例提供了一种对形变图像的目标识别方法及装置，所述方法包括：将待识别图像输入预设定位网络，获取所述待识别图像的多个定位参数，所述定位网络包括预设个卷积层，所述多个定位参数是所述待识别图像卷积后得到的特征图中的图像特征回归后得到的；根据所述多个定位参数，对所述待识别图像进行空间变换，得到校正后的待识别图像；将所述校正后的待识别图像输入预设识别网络，获取所述待识别图像的目标分类结果。本发明实施例在基于神经网络的目标识别过程中，先对形变图像进行校正，基于校正后的图像进行目标识别，能够减少形变对目标识别的干扰，因此本发明实施例能够针对形变图像，提高目标识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.032 seconds)
