公开(公告)号：CN110728200A

公开(公告)日：2020-01-24

申请号：CN201910897781.1

申请日：2019-09-23

Applicant: 武汉大学

Inventor： 梁超 ,  焦黎 ,  王晓 ,  胡必成 ,  鲁铮 ,  叶力果 ,  王泽铠

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的实时行人检测方法及系统，首先获取视频数据，并且将输入的视频图像进行尺寸调整，利用深度可分离卷积对输入图像进行特征提取。其中网络中的passthough layer结构通过对深层特征进行上采样操作，与浅层特征进行特征融合，随后输出分辨率较小的深层特征图和分辨率较高的融合了粗粒度特征与细粒度特征的特征图。最终在这两个不同尺度的特征图上进行回归与预测，输出每个行人检测结果的边界框和置信度。该方法在实际的监控场景中，实现了满足真实场景需要的基于高清视频的实时行人检测方法，在保证了准确率的情况下，提高了检测效率。

公开(公告)号：CN110728200B

公开(公告)日：2023-06-06

申请号：CN201910897781.1

申请日：2019-09-23

Applicant: 武汉大学

Inventor： 梁超 ,  焦黎 ,  王晓 ,  胡必成 ,  鲁铮 ,  叶力果 ,  王泽铠

IPC: G06V40/10 ,  G06V10/40 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度学习的实时行人检测方法及系统，首先获取视频数据，并且将输入的视频图像进行尺寸调整，利用深度可分离卷积对输入图像进行特征提取。其中网络中的passthough layer结构通过对深层特征进行上采样操作，与浅层特征进行特征融合，随后输出分辨率较小的深层特征图和分辨率较高的融合了粗粒度特征与细粒度特征的特征图。最终在这两个不同尺度的特征图上进行回归与预测，输出每个行人检测结果的边界框和置信度。该方法在实际的监控场景中，实现了满足真实场景需要的基于高清视频的实时行人检测方法，在保证了准确率的情况下，提高了检测效率。

公开(公告)号：CN110781350B

公开(公告)日：2022-07-22

申请号：CN201910915717.1

申请日：2019-09-26

Applicant: 武汉大学

Inventor： 梁超 ,  胡必成 ,  王晓 ,  焦黎 ,  白云鹏 ,  叶力果 ,  鲁铮

IPC: G06F16/783 ,  G06F16/73 ,  G06V40/10 ,  G06V10/40 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种面向全画面监控场景的行人检索方法及系统，通过卷积神经网络对关键视频帧图片和指定查询行人图片进行初步特征提取；在区域建议网络中引入空间变换器来生成行人候选区域；对行人候选区域和指定查询行人图片进行局部特征提取；计算各个行人候选区域与指定查询行人的特征相似度，得到最高相似度的行人候选区域，若相似度大于某一阈值，则判定该区域中的行人在当前视频帧中为目标行人。该方法能够有效地缓解监控场景中存在的尺度不一、视角变化等空间变换对重识别的影响，并且通过局部特征匹配能进一步提升算法鲁棒性；能够实现对全景的监控视频画面进行自动的行人检索，满足实际应用场景需求，对现代视频侦查工作有着重要意义。

公开(公告)号：CN110781350A

公开(公告)日：2020-02-11

申请号：CN201910915717.1

申请日：2019-09-26

Applicant: 武汉大学

Inventor： 梁超 ,  胡必成 ,  王晓 ,  焦黎 ,  白云鹏 ,  叶力果 ,  鲁铮

IPC: G06F16/783 ,  G06F16/73 ,  G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种面向全画面监控场景的行人检索方法及系统，通过卷积神经网络对关键视频帧图片和指定查询行人图片进行初步特征提取；在区域建议网络中引入空间变换器来生成行人候选区域；对行人候选区域和指定查询行人图片进行局部特征提取；计算各个行人候选区域与指定查询行人的特征相似度，得到最高相似度的行人候选区域，若相似度大于某一阈值，则判定该区域中的行人在当前视频帧中为目标行人。该方法能够有效地缓解监控场景中存在的尺度不一、视角变化等空间变换对重识别的影响，并且通过局部特征匹配能进一步提升算法鲁棒性；能够实现对全景的监控视频画面进行自动的行人检索，满足实际应用场景需求，对现代视频侦查工作有着重要意义。

公开(公告)号：CN108229396A

公开(公告)日：2018-06-29

申请号：CN201810005775.6

申请日：2018-01-03

Applicant: 武汉大学

Inventor： 胡瑞敏 ,  王晓 ,  丁贵广 ,  陈军 ,  梁超 ,  焦黎 ,  胡必成 ,  阮威健 ,  郑淇

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于分辨率分值变化的行人检测方法，包括在训练阶段根据训练数据提取样本特征，根据所得特征训练检测子，样本通过检测子后可以获得判别分值，当样本的分辨率逐渐下降时判别分值会随之下降，样本的分辨率和对应的分值形成一条渐变线，由能表达渐变线的参数组成参数特征，训练行人分类器；在测试阶段对待检测区域提取相应的参数特征后输入训练阶段所得分类器进行判断待检测区域是否包含行人。本发明应用在行人检测领域中可以取得很好的效果。