公开(公告)号：CN114359180B

公开(公告)日：2024-10-18

申请号：CN202111549436.2

申请日：2021-12-17

Applicant: 中国矿业大学

Inventor： 周玉 ,  龚维康 ,  孙彦景 ,  丁依依

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种面向虚拟现实的图像质量评价方法，包括IRG模块利用图像恢复技术，恢复减轻拼接图片中的重影失真得到IRG图像；然后将IRG图像与原失真图一起送入网络，通过提取IRG图像和原失真图之间的差异特征图以及失真图像的特征图，在不同尺度的特征层上共同评价质量分数。本发明中IRG模块针对全景图片拼接中的重影失真进行了图像恢复，能够有效减轻全景拼接图片中的重影失真现象；HQP模块采用了FPN特征金字塔，预测质量分数时有效利用了各个尺度的特征层，既有效利用了图像底层特征中的细节信息也较好的保留了图像高层特征中的语义信息。

公开(公告)号：CN114821632A

公开(公告)日：2022-07-29

申请号：CN202210231378.7

申请日：2022-03-10

Applicant: 中国矿业大学

Inventor： 汪一 ,  王亮博 ,  周玉

IPC: G06V40/10 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种遮挡行人重识别方法，包括：构建多任务学习网络，包括全身行人身份重识别分支和遮挡行人身份重识别分支；构建两个分支各自对应的损失函数Lh和Lo；采用互学习策略对多任务学习网络进行训练，两个分支的CNN特征表达部分共享权重，即先利用Lh对全身行人身份重识别分支进行训练，将训练得到的CNN特征表达部分的权重与遮挡行人身份重识别分支的CNN特征表达部分共享，再利用Lo对遮挡行人身份重识别分支进行训练，将训练得到的CNN特征表达部分的权重与全身行人身份重识别分支的CNN特征表达部分共享，两个分支的训练交替进行；根据训练好的多任务学习网络进行遮挡行人重识别，得到识别结果，提高了行人重识别的准确率。

公开(公告)号：CN108053396B

公开(公告)日：2021-09-14

申请号：CN201711346145.7

申请日：2017-12-15

Applicant: 中国矿业大学

Inventor： 周玉 ,  李雷达 ,  卢兆林

IPC: G06T7/00 ,  G06T5/00 ,  G06T7/12

Abstract: 本发明提出一种多失真图像质量的无参考评价方法，该方法是一种基于双阶结构失真和非局部统计的评价方法，包括步骤：首先对多失真图像进行下采样得到多个分辨率的图像。提取每个分辨率图像的双阶结构特征用来评价图像中的结构失真。所有的结构特征构成了第一组质量评价特征。然后，提取每个分辨率图像的非局部相似性统计特征，将这些特征作为第二组质量评价特征。最后，将图像的两组特征作为输入，利用随机森林训练出多失真图像的质量评价模型。本发明的性能明显优于现有的无参考图像质量评价方法，且具有很好的跨库性能，可扩展性强。

公开(公告)号：CN112818175A

公开(公告)日：2021-05-18

申请号：CN202110167478.3

申请日：2021-02-07

Applicant: 中国矿业大学

Inventor： 云霄 ,  孙彦景 ,  程小舟 ,  董锴文 ,  周玉

IPC: G06F16/783 ,  G06F16/78 ,  G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种厂区人员搜索方法，无需对人员区域预先标注，直接输入煤矿区域无标注监控视频生图，先通过本发明提出的多尺度YOLOv4人员检测算法获得煤矿人员的区域边界和位置，再针对煤矿人员统一着装问题，提供一种人员识别模型的训练方法，首先对人员区域采用微调的ResNet50进行特征提取，然后，采用权重约束难样本采样损失函数和边界余弦Softmax损失函数联合监督来训练神经网络识别特征学习，获取检测人员的身份信息识别，实现了较好的一定区域人员的无标注搜索效果。

公开(公告)号：CN104134204B

公开(公告)日：2017-04-19

申请号：CN201410326987.6

申请日：2014-07-09

Applicant: 中国矿业大学

Inventor： 李雷达 ,  吴东 ,  周玉 ,  祝汉城 ,  蔡浩

IPC: G06T7/00

Abstract: 一种基于稀疏表示的图像清晰度评价方法和装置，属于图像清晰度评价方法和装置。方法：将彩色自然图像灰度化，从中随机地提取大量相同大小的图像块作为训练信号，在训练信号上利用字典学习算法得到能表示图像内在中高层次特征的过完备字典；对待评价的图像进行分块，分块大小与训练信号相同，计算各图像块的梯度和方差；在训练好的过完备字典上，对各图像块梯度信号进行稀疏分解，得到信号的稀疏表示系数，以稀疏表示系数矩阵中各列元素的L2范数平方和来表示各图像块的能量；对图像块能量从大到小排序，选取能量较大的图像块，对其能量利用相应的方差进行归一化处理，得到待评价图像的质量分数；根据所述待评价图像的质量分数评价图像的清晰度。

公开(公告)号：CN112215925B

公开(公告)日：2024-12-24

申请号：CN202011223540.8

申请日：2020-11-05

Applicant: 中国矿业大学

Inventor： 董锴文 ,  孙彦景 ,  王博文 ,  周玉 ,  陈岩 ,  严云峰 ,  李媛媛

IPC: G06F7/00

Abstract: 本发明公开了自适应采煤机随动跟踪多摄像头视频拼接方法，属智能监控技术领域，将摄像头组自适应随动跟踪方法和采煤机视频拼接算法相结合，提升采煤工作面大视差条件下采煤机监控视频的拼接效果，降低摄像头监控死角对采煤机状态监控的影响；首先利用彩色荧光带对机体进行位置标记，通过相机标定原理得到其现实空间坐标；基于摄像头组自适应随动跟踪方法对部署于采煤工作面上的摄像头进行分组激活，由当前被激活摄像头组完成对采煤机画面的视频拼接任务。采煤机视频拼接算法是利用图像拼接算法将两个监控视频的对应帧图像进行拼接，基于RANSAC算法筛选SIFT特征点用于两图的配准；最后，通过搜寻最优缝合线对两图进行拼接，实现采煤机作业的大范围监控。

公开(公告)号：CN113095263B

公开(公告)日：2024-02-20

申请号：CN202110429894.6

申请日：2021-04-21

Applicant: 中国矿业大学

Inventor： 周玉 ,  孙彦景 ,  王亮博 ,  李锐

IPC: G06V40/10 ,  G06V10/774 ,  G06V20/40 ,  G06V10/75 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出遮挡下行人重识别模型训练方法、装置及遮挡下行人重识别方法、装置。在进行模型训练时，通过结构相同、参数共享的特征提取网络分别提取一对输入图像的特征图像。由于只有输入图像对之间存在遮挡区域的不同，其余参数保持一致，因此通过对两个特征图做差，即可得到遮挡区域所对应的差异特征。再通过注意力生成器为差异特征进行不等价的权重分配，对模型精度影响较大的特征分配更高的权重，之后再从原特征图中把分配好的特征给减去，保留较多的非遮挡区域。最后得到的两个特征图像送入池化层池化后再经全连接层进行基于损失函数的递归训练。本发明不依赖第三方监督信息，模型具备更高的准确度，能够实现更准确的遮挡下行人重识别。

公开(公告)号：CN112818175B

公开(公告)日：2023-09-01

申请号：CN202110167478.3

申请日：2021-02-07

Applicant: 中国矿业大学

Inventor： 云霄 ,  孙彦景 ,  程小舟 ,  董锴文 ,  周玉

IPC: G06F16/783 ,  G06F16/78 ,  G06V40/10 ,  G06V20/52 ,  G06V10/764 ,  G06V10/82 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种厂区人员搜索方法，无需对人员区域预先标注，直接输入煤矿区域无标注监控视频生图，先通过本发明提出的多尺度YOLOv4人员检测算法获得煤矿人员的区域边界和位置，再针对煤矿人员统一着装问题，提供一种人员识别模型的训练方法，首先对人员区域采用微调的ResNet50进行特征提取，然后，采用权重约束难样本采样损失函数和边界余弦Softmax损失函数联合监督来训练神经网络识别特征学习，获取检测人员的身份信息识别，实现了较好的一定区域人员的无标注搜索效果。

公开(公告)号：CN115424051B

公开(公告)日：2023-06-27

申请号：CN202211134136.2

申请日：2022-09-16

Applicant: 中国矿业大学 ,  徐州市第一人民医院

Inventor： 周玉 ,  龚维康 ,  孙彦景 ,  李世银 ,  周勇 ,  丁继存 ,  席纪江 ,  李泳 ,  李松

IPC: G06V10/762 ,  G06V10/74 ,  G06V10/77 ,  G06T3/40 ,  G06Q10/0639 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明的全景拼接图像质量评价方法，利用全景图像和组成图像中生成一组失真图像块和参考图像块，并一起送入图像质量评价网络。通过卷积神经网络结构的特征提取器获取参考图像块和失真图像块的特征图以及他们的特征差异图作为全景图像的局部特征信息，将特征图融合后送入视觉自注意力模块TransformerEncoder，通过多头自注意力机制模块学习图像块之间的相互关系，并且经过条件位置编码生成器C‑PEG根据输入图像尺寸动态生成位置编码。最终结合图像块之间的相互关系和位置信息，以及图像局部特征，建立全景图像的全局信息，并预测图像质量。高效的利用了组成图像的无失真特性这一隐含信息；实现了局部特征与全局信息相结合；可以处理不同尺寸的输入图像。

公开(公告)号：CN115497117A

公开(公告)日：2022-12-20

申请号：CN202210274261.7

申请日：2022-03-21

Applicant: 中国矿业大学

Inventor： 汪一 ,  孙彦景 ,  王亮博 ,  周玉 ,  李锐

IPC: G06V40/10 ,  G06N3/08 ,  G06N3/04 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种遮挡行人重识别方法，原始训练数据集中行人图像和对应遮挡行人图像组成网络的输入对，接下来将其送入权重共享网络提取特征，从而得到同一行人未遮挡与遮挡图像特征图，然后通过特征感知模块对两幅特征图进行信息交换，从而使两者可以相互学到对方具有区别的特定特征。特征感知模块主要通过对两幅特征图进行拼接压缩，之后通过加权聚合对特征进行合并，使得网络可以结合同一行人未遮挡与遮挡图像特征之间的特点与共性。本发明不仅能够有效地解决遮挡行人重识别任务，而且识别精度高。