-
公开(公告)号：CN114419732A
公开(公告)日：2022-04-29
申请号：CN202210036567.9
申请日：2022-01-11
Applicant: 江南大学
Abstract: 本发明公开了基于注意力机制优化的HRNet人体姿态识别方法，属于人体姿态识别，深度学习处理领域。所述方法首先在不同分辨率特征图跨通道融合过程中加入扩张卷积，在不产生额外的参数和计算量的情况下能够在不改变低分辨率特征图的尺寸下增加感受野，确保做出决策时没有忽略重要信息；其次提出新的特征融合的策略，通过引入通道注意力机制对不同分辨率的特征图进行加权融合，通过自适应地重新校准特征映射的另一个方向，以增强有意义的特征，同时抑制弱特征，加快了收敛速度，优化了人体姿态识别性能，并且在检测精度上有了进一步提升。
-
公开(公告)号：CN111562571B
公开(公告)日：2022-04-29
申请号：CN202010466368.2
申请日：2020-05-28
Applicant: 江南大学
IPC: G01S13/70
Abstract: 本发明公开了一种未知新生强度的机动多目标跟踪与航迹维持方法，属于智能信息处理技术领域。本发明方法在CPHD滤波框架下，引入参数自适应估计和粒子标识航迹关联技术以及新生目标识别策略，提出一种基于参数自适应CPHD滤波方法，以解决对复杂环境下新生目标强度未知，数目未知且时变的机动多目标跟踪的问题。本发明方法中将目标状态和时变的模型参数进行联合在线估计，采用包含不同模型参数的粒子对系统模型进行融合估计，以提高对机动目标的适应能力；滤波过程中对所有粒子进行身份标识，实现了对于新生目标可以通过量测自动识别和对多目标的航迹管理；具有较强的鲁棒性和抗干扰能力，可以满足实际工程系统的设计需求，具有良好的工程应用价值。
-
公开(公告)号：CN110532921B
公开(公告)日：2022-01-07
申请号：CN201910774255.6
申请日：2019-08-21
Applicant: 江南大学
Abstract: 本发明公开了一种基于SSD检测广义标签多伯努利视频多目标跟踪方法，属于计算机视觉、图像处理领域。所述方法通过利用一种无需离线学习且鲁棒性好的卷积特征表述目标外观，并采用广义标签多伯努利(GLMB)滤波实现视频多目标跟踪。考虑到多目标跟踪中，未知新生目标的不确定性导致目标跟踪结果不精确的问题，在GLMB滤波框架中引入SSD检测器对未知的新生目标进行初步识别，并采用一种权值求和的融合方法，将检测结果和跟踪结果进行融合得到最终的跟踪结果，并对目标模板进行自适应更新，不仅解决了滤波算法中跟踪偏移的问题，同时解决了检测技术中漏检、误检的问题，大大提高多目标跟踪状态的精度。
-
-
公开(公告)号：CN110084831A
公开(公告)日：2019-08-02
申请号：CN201910328735.X
申请日：2019-04-23
Applicant: 江南大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于YOLOv3多伯努利视频多目标检测跟踪方法，属于机器视觉、智能信息处理领域。本发明在多伯努利滤波框架下引入YOLOv3检测技术，采用抗干扰的卷积特征描述目标，并交互融合检测结果和跟踪结果，实现对数目未知且时变的视频多目标状态进行精确估计；跟踪过程中，将匹配的检测框与目标轨迹及目标模板相结合，实时进行目标新生判断与遮挡目标重识别，同时考虑检测目标和估计目标的身份标记信息，实现对目标身份识别及航迹跟踪，可以有效提高对被遮挡目标的跟踪精度，减少轨迹碎片。实验表明，本发明具有良好的跟踪效果和鲁棒性，能广泛满足智能视频监控、人机交互、智能交通管制等系统的实际设计需求。
-
Patent Agency Ranking
公开(公告)号：CN109999314A
公开(公告)日：2019-07-12
申请号：CN201910401410.X
申请日：2019-05-15
Applicant: 江南大学
Abstract: 本发明公开了一种基于脑电波监测智能助眠系统及其睡眠耳机，属于智能助眠领域。本发明基于监测用户睡眠时的脑电波情况，采集脑电波信号，经过特定分类处理：以β波，α波，θ波，δ波四种特征波的能量比作为特征值，使用支持向量机增量学习，对用户睡眠阶段进行分期，在保证分类准确率的同时，尽量降低睡眠分期算法的时间复杂度。本发明智能助眠的睡眠耳机实现准确、有效的实现分期，针对不同用户的需求，可以设置耳机音乐类型、调节音量大小，从而使得用户的脑电波(EEG)进入深度睡眠期或者REM期，即进入最佳睡眠状态。
-
公开(公告)号：CN105303546B
公开(公告)日：2018-08-17
申请号：CN201410280957.6
申请日：2014-06-20
Applicant: 江南大学
Abstract: 本发明公开一种基于模糊连接度的近邻传播聚类图像分割方法，主要用于解决其他同类方法由于目标跨度较大而出现过分割、分割精度低的问题。其实现步骤为：(1)对图像进行超像素分割；(2)提取超像素的空间特征和密度特征；(3)根据超像素的空间特征计算邻近关系；(4)根据超像素的密度特征和邻近关系计算亲和关系；(5)根据亲和关系计算所有超像素间的模糊连接度；(6)根据模糊连接度和空间特征关系计算超像素间的相似度；(7)用近邻传播聚类完成超像素的聚类，并生成分割结果。本发明是一种全自动分割方法，分割的目标一致性好，分割精度高，解决了现有AP聚类图像分割方法偏向参数难确定的问题，对自然彩色图像有很好的分割能力。
-
公开(公告)号：CN106408594A
公开(公告)日：2017-02-15
申请号：CN201610860087.9
申请日：2016-09-28
Applicant: 江南大学
IPC: G06T7/277
CPC classification number: G06T2207/10016
Abstract: 本发明公开了一种基于多伯努利特征协方差的视频多目标跟踪方法，它属于人工智能和智能信息处理技术领域，主要解决复杂环境下数目未知且变化的视频多目标跟踪中存在目标紧邻、尺寸变化及跟踪不准确的问题。该方法通过在多伯努利滤波框架下，引入积分图思想，并结合多特征协方差技术，采用粒子滤波方法实现对数目变化的视频多目标跟踪；在此基础上，提出目标紧邻自适应机制和目标尺寸自适应机制，分别实现对紧邻目标及跟踪窗的自适应处理；最后采用粒子标记方法实现对视频多目标的运动轨迹自适应识别跟踪。本发明具有较强的鲁棒性和抗干扰能力，可以满足实际工程系统的设计需求，具有良好的工程应用价值。
-
公开(公告)号：CN104777465B
公开(公告)日：2017-02-15
申请号：CN201410010460.2
申请日：2014-01-09
Applicant: 江南大学
IPC: G01S7/41
Abstract: 本发明公开了一种基B样条函数的扩展目标跟踪与形状估计方法，它属于制导和智能信息处理技术领域，主要解决对任意形状扩展目标跟踪与形状估计问题。该方法通过引入多时刻联合统计的方法，构建了扩展目标的伪量测集，并根据伪量测集更新目标形状信息，采用B样条函数估计目标形状，从而实现了对任意几何形状扩展目标的跟踪与形状估计，且具有良好的形状估计精确度和鲁棒性，可以满足实际工程系统的设计需求，具有良好的工程应用价值。
-
公开(公告)号：CN103345577B
公开(公告)日：2016-05-18
申请号：CN201310259970.9
申请日：2013-06-27
Applicant: 江南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于变分贝叶斯近似的概率假设密度多目标跟踪方法，它属于制导和智能信息处理技术领域，主要解决现有随机集滤波方法难以实现未知量测噪声环境下的变数目多目标跟踪问题。该方法通过引入变分贝叶斯近似技术，联合估计目标状态和量测噪声协方差的后验概率假设密度，并采用高斯混合逆伽马分布递推闭合解，从而实现未知量测噪声环境下数目变化的多目标跟踪，且具有良好的跟踪效果和鲁棒性，可以满足实际工程系统的设计需求，具有良好的工程应用价值。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.03 seconds)
