-
公开(公告)号：CN110110670B
公开(公告)日：2022-03-25
申请号：CN201910384046.0
申请日：2019-05-09
Applicant: 杭州电子科技大学
Abstract: 一种基于Wasserstein度量的行人跟踪中的数据关联方法，包括：获取行人的外观特征，把提取到的外观特征输入到一个特征提取网络，使用这个网路提取行人的外观特征，对于每个行人都会得到一个特征向量；制作数据集，同一个行人相邻视频帧的特征向量组成一个正样本，正样本的label为0；不同行人的特征向量组成一个负样本，负样本的label为1；由于Wasserstein距离的值反映了行人的外观匹配度，将Wasserstein距离与神经网络相结合进行求解；对于满足外观匹配度的行人，利用行人的运动匹配度进行筛选，再利用Hungarian算法实现行人跟踪中的数据关联。有效的减少行人跟踪中漏报行人的个数达到良好的跟踪效果。
-
公开(公告)号：CN110110670A
公开(公告)日：2019-08-09
申请号：CN201910384046.0
申请日：2019-05-09
Applicant: 杭州电子科技大学
Abstract: 一种基于Wasserstein度量的行人跟踪中的数据关联方法，包括：获取行人的外观特征，把提取到的外观特征输入到一个特征提取网络，使用这个网路提取行人的外观特征，对于每个行人都会得到一个特征向量；制作数据集，同一个行人相邻视频帧的特征向量组成一个正样本，正样本的label为0；不同行人的特征向量组成一个负样本，负样本的label为1；由于Wasserstein距离的值反映了行人的外观匹配度，将Wasserstein距离与神经网络相结合进行求解；对于满足外观匹配度的行人，利用行人的运动匹配度进行筛选，再利用Hungarian算法实现行人跟踪中的数据关联。有效的减少行人跟踪中漏报行人的个数达到良好的跟踪效果。
-
公开(公告)号：CN110136175A
公开(公告)日：2019-08-16
申请号：CN201910422946.X
申请日：2019-05-21
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种基于神经网络的室内典型场景匹配定位方法，包括：步骤一、在服务器端建立标准典型场景定位图像库；步骤二、采用Siamese深度神经网络模型，通过大量数据训练，使神经网络从数据中学习判断相似性度量的方法；步骤三、深度神经网络输出特征向量，利用特征向量计算与标准典型场景图像库的相似度，通过相似度大小来判断典型场景匹配程度的高低，评估模型的好坏；步骤四、将训练好的模型搭载入服务器，获取视频数据送入服务器中训练好的深度神经网络进行计算相似度，判别当前所在的位置。本发明所述方法具有训练效率高、收敛性强、建模精度高、匹配效果好、满足复杂环境等优点，可准确、高效地实现设备在线室内典型场景中的匹配定位。
-
公开(公告)号：CN110136202A
公开(公告)日：2019-08-16
申请号：CN201910422933.2
申请日：2019-05-21
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于SSD与双摄像头的多目标识别与定位方法，包括：基于张氏标定法的相机标定，利用内参使用EPnP算法和Levenberg-Marquardt算法计算得到精确相机位姿；利用深度学习目标检测框架SSD训练多目标检测模型，可以精准识别双摄像头视线内的多目标；利用SIFT特征把左右摄像机检测出的目标匹配，根据得到的相机位姿，求解目标在现实世界中的位置，实现目标的定位。本发明在室内定位导航中利用深度学习训练模型对多目标进行检测，识别的目标可以包括但不限于行人、狗、车等；既能够实现双摄像头在远距离情况下的定位，又利用了深度学习识别目标的鲁棒性，实现双摄像头多目标快速识别和定位。
-
-
-
Search Results
4
records
(took 0.018 seconds)
