“杭州云栖智慧视通科技有限公司”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果30个，建议您升级VIP下载更多相关专利

[发明专利]一种运用于开放环境的形体和身份信息自动采集的方法-CN201911194540.7有效
发明人：徐鑫;徐晓刚;丁超辉;张华新 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2019-11-28 - 公布日： 2023-10-13 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种运用于开放环境的形体和身份信息自动采集的方法，涉及图像处理技术领域；包括如下步骤：S01、建库模块与视频管理平台对接，并获取人脸抓拍机以及安防摄像头信息；S02、建立人脸抓拍机与安防摄像头的关联关系；S03、获取抓拍机返回信息；S04、获取指定摄像头视频；S05、获取形体抠图；S06、形体比对；S07、相似度值判定；S08、获取身份信息；S09、建立关联形成形体记录。本发明解决了无法自动获取人员多角度形体信息及缺少身份信息的问题。
一种运用于开放环境形体身份信息自动采集方法

[发明专利]一种行人重识别方法-CN202210264830.X在审
发明人：刘静;易珂;管慧艳;李冠华 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2022-03-17 - 公布日： 2023-09-29 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种行人重识别方法，包括以下步骤：S1、输入图片；S2、进行特征提取,获取形体特征Feature_reid及部件特征Feature_PS；S3、计算损失，该部分主要有3个损失函数加权求和，分别是约束语义部件的损失Dice Loss，约束形体特征的分类损失CE Loss以及约束形体特征的三元组损失Triplet Loss；S4、推理时去除语义分支直接进行推理并进行后续处理操作。有益效果：缓解光照、遮挡以及复杂背景的干扰，进而提升模型对于换装行人检索的性能。
一种行人识别方法

[发明专利]一种弱光场景下目标检测识别系统及其识别方法-CN202210264645.0在审
发明人：毕海;焦振秋;李冠华 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2022-03-17 - 公布日： 2023-09-29 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种弱光场景下目标检测识别系统及其识别方法，包括算法网络模型结构，所述算法网络模型结构上新增算法改进模型块一和算法改进模型块二；其中，所述算法改进模型块一包括弱光图像特征学习模块；所述算法改进模型块二包括场景图深度预测分支模块。本发明使用主流目标检测算法模型对其增加深度预测分支模块和弱光图像特征学习模块进行弱光场景下目标检测效果优化、改进，从而达到提高弱光场景下目标检测效果的目的，同时，本方法在应用过程中，场景图深度预测分支模块和弱光图像特征学习模块可以去掉，不参与算法推理过程计算，对于算力需求也没有增加，并且对于弱光场景下目标检测也达到。
一种弱光场景目标检测识别系统及其方法

[发明专利]一种图像内容相似度度量方法、装置及计算机设备-CN202010768550.3有效
发明人：满庆奎;徐晓刚;毕海;焦振秋 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2020-08-03 - 公布日： 2023-06-30 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种图像内容相似度度量方法、装置及计算机设备,一种图像内容相似度度量方法，其特征在于：按照时间先后顺序，缓冲N帧历史轨迹信息：信息内容包括：N帧图像特征信息，以及对应的尺寸信息：接着进行如下步骤：计算输入图片与第n个缓冲信息的尺寸变化情况，遍历所有的缓冲信息，寻找合适的历史轨迹目标特征；计算上步骤中的目标特征与输入查询图像特征Feature0的距离，得出相似度。本发明通过进行已有的尺寸信息约束的方式，对进行距离计算的特征进行有效的过滤，明显提升了准确度，算法效率高，对轨迹连接实时性方面几乎没有影响。
一种图像内容相似度量方法装置计算机设备

[发明专利]基于卡尔曼预测的多目标跟踪方法-CN202211102306.9有效
发明人：满庆奎;胡畅;刘静;李冠华 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2022-09-09 - 公布日： 2023-06-27 - 主分类号： G06T7/277 文献下载
摘要：本发明公开了一种基于卡尔曼预测的多目标跟踪方法，通过将动态更新得到的目标位置真实值集合TrackerSetreal中的每个位置真实值与更新得到的检测目标集DetectonSet中的每个目标对应的位置检测值进行匹配，以调整卡尔曼预测模型的观测变量，进而根据调整的观测变量去更新卡尔曼预测模型的模型参数，降低了连续多帧因目标丢失而导致噪声数据增加进而对卡尔曼预测模型预测性能的影响。通过寻找t、t+N和t+N+M三帧之间的时间间隔比例与目标的真实位置值间的关联关系，去计算目标在t+N+M时刻的位置真实值作为卡尔曼预测模型的观测变量，并以该观测变量对模型参数进行更新调整后去跟踪预测t+N+M时刻的下一个时刻的目标位置，解决了模型因帧间间隔时间非线性而预测精度不佳的问题。
基于卡尔预测多目标跟踪方法

[发明专利]一种密集目标检测方法-CN201911101643.4有效
发明人：毕海;徐晓刚;门光文;焦振秋 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2019-11-12 - 公布日： 2023-06-16 - 主分类号： G06V10/774 文献下载
摘要：一种密集目标检测方法，属于图像捕获技术领域，其基于卷积神经网络YOLO v3目标检测网络，包括以下步骤：步骤S1，收集目标检测图像数据集，并生成密集目标数据集；步骤S2，构建模型；步骤S3，训练网络模型并保存参数权重。本发明基于YOLO v3网络模型及算法，对算法进行改进，通过扩增密集目标样本数据集、增加边缘信息通道和更改锚点框中心点坐标等方法，增强YOLO v3网络模型密集目标检测精度及召回率并获得有益效果。
一种密集目标检测方法

[发明专利]一种基于双环节约束的视频多目标跟踪方法-CN202211130193.3有效
发明人：满庆奎;徐晓刚;李冠华;管慧艳 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2019-10-11 - 公布日： 2023-05-23 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于双环节约束的视频多目标跟踪方法，涉及视频、图像技术领域。包括以下步骤：记录检测目标的时间信息、位置信息和内容特征；计算检测目标与所有轨迹容器的内容特征相似度，若最大的相似度值大于第一阈值，则认定为有效匹配；对于未匹配的轨迹容器，进一步计算轨迹历史速度与临时速度的变化比例、检测目标与历史轨迹运动方向的运动夹角、宽度变化比例，若三者都在给定的阈值区间内，则认定为有效匹配；将有效匹配的检测目标存放到对应轨迹容器中。本发明匹配结果真实可靠，有效的减少了轨迹碎片以及遮挡等情况导致的串号现象。
一种基于环节约束视频多目标跟踪方法

[发明专利]一种基于深度学习的模糊车牌图像超分辨率重建方法-CN201911011865.7有效
发明人：满庆奎;徐晓刚 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2019-10-23 - 公布日： 2023-04-18 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于深度学习的模糊车牌图像超分辨率重建方法，涉及视频、图像处理技术领域。包括以下步骤：车牌字符图像预处理，对数据库中清晰的车牌字符图像进行模糊处理；以模糊处理后的车牌字符图像为样本训练分类器；对待识别的车牌字符图像用训练好的分类器进行分类并取预测概率最大的前N个识别结果；针对每一识别结果，以模糊处理后的车牌字符图像与待识别的车牌字符图像的相似度为权重，将相应的清晰的车牌字符图像进行加权求和得到预重建分块；以最大的前N个预测概率为权重，对相应的预重建分块进行加权求和得到最终的重建分块；将重建分块按照位置关系进行拼接。本发明对模糊的车牌字符进行重建，准确地恢复车牌字符原有的面目。
一种基于深度学习模糊车牌图像分辨率重建方法

[发明专利]一种基于位置预测的视频多目标跟踪方法-CN202211130202.9有效
发明人：满庆奎;徐晓刚;李冠华;管慧艳 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2019-10-11 - 公布日： 2023-04-07 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于位置预测的视频多目标跟踪方法，涉及视频、图像技术领域。包括以下步骤：记录检测目标的时间信息、位置信息和内容特征；计算检测目标与所有轨迹容器的内容特征相似度，若最大的相似度值大于第一阈值，则认定为有效匹配；对于未匹配的轨迹容器，进一步计算轨迹历史速度与临时速度的变化比例、检测目标与历史轨迹运动方向的运动夹角、宽度变化比例，若三者都在给定的阈值区间内，则认定为有效匹配；将有效匹配的检测目标存放到对应轨迹容器中。本发明匹配结果真实可靠，有效的减少了轨迹碎片以及遮挡等情况导致的串号现象。
一种基于位置预测视频多目标跟踪方法

[发明专利]一种基于多任务联合监督学习的行人再识别方法-CN202010914875.8有效
发明人：刘静;徐晓刚;易珂;管慧艳;龚心满 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2020-09-03 - 公布日： 2023-02-17 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于多任务联合监督学习的行人再识别方法，包括如下步骤：S1、构建多任务深度学习网络，包括骨干网络以及分支网络；分支网络包括：部件分割网络：接收骨干网络的输出，用于图像中人体部件分类；属性特征网络：接收骨干网络以及部件分割网络的输出，进行属性特征识别；全局特征网络：接收骨干网络的输出，进行全局特征识别；S2：构建损失函数：利用全局特征和属性特征拼接之后的特征进行损失计算，得到多任务深度学习网络的损失函数。本发明通过属性及身份的联合监督学习，使得识人系统更加鲁棒，精准。
一种基于任务联合监督学习行人识别方法

[发明专利]基于相机参数约束的单帧图像3D人体姿态估计及重建方法-CN202211021869.5在审
发明人：易珂;王学军;刘静;李冠华 -专利权人： 杭州云栖智慧视通科技有限公司;深圳市星火电子工程公司
申请日： 2022-08-24 - 公布日： 2022-11-25 - 主分类号： G06T7/73 文献下载
摘要：本发明公开了一种基于相机参数约束的单帧图像3D人体姿态估计及重建方法，步骤包括：S1，标定单目相机参数；S2，利用2D姿态估计模型对单目相机采集的单帧图像进行2D人体关键点和2D人体轮廓识别，得到2D人体关键点K和2D人体轮廓图S；S3，以2D人体关键点K和2D人体轮廓图S为SMPL参数估计模型的输入，推理得到形体尺寸Shape参数β、姿态Pose参数θ和相机参数T；S4，以步骤S1标定的真实相机参数和步骤S3推理得到的相机参数T为重建3D人体时的空间约束，通过β、θ驱动SMPL模型重建3D人体。本发明在3D人体重建中，考虑了关键点投影损失、人体轮廓投影损失和顶点投影损失，并利用相机参数对3D人体的投影约束，提升了重建的3D人体的空间真实感。
基于相机参数约束图像人体姿态估计重建方法

[发明专利]基于投影损失约束的单帧图像3D人体姿态估计及重建方法-CN202211024246.3在审
发明人：易珂;刘静;李冠华 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2022-08-24 - 公布日： 2022-11-25 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于投影损失约束的单帧图像3D人体姿态估计及重建方法，步骤包括：S1，利用2D姿态估计模型对单目相机采集的单帧图像进行2D人体关键点和2D人体轮廓识别，得到2D人体关键点K和2D人体轮廓图S；S2，以2D人体关键点K和2D人体轮廓图S为SMPL参数估计模型的输入，推理得到形体尺寸Shape参数β、姿态Pose参数θ；S3，通过β、θ驱动SMPL模型重建3D人体。本发明在3D人体重建中，考虑了关键点投影损失、人体轮廓投影损失、顶点投影损失、关节弯曲的先验惩罚，减少了重建的3D人体的扭曲现象。
基于投影损失约束图像人体姿态估计重建方法

[发明专利]一种基于多维特征融合的视频多目标跟踪方法-CN201910964726.X有效
发明人：满庆奎;徐晓刚;李冠华;管慧艳 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2019-10-11 - 公布日： 2022-11-08 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于多维特征融合的视频多目标跟踪方法，涉及视频、图像技术领域。包括以下步骤：记录检测目标的时间信息、位置信息和内容特征；计算检测目标与所有轨迹容器的内容特征相似度，若最大的相似度值大于第一阈值，则认定为有效匹配；对于未匹配的轨迹容器，进一步计算轨迹历史速度与临时速度的变化比例、检测目标与历史轨迹运动方向的运动夹角、宽度变化比例，若三者都在给定的阈值区间内，则认定为有效匹配；将有效匹配的检测目标存放到对应轨迹容器中。本发明匹配结果真实可靠，有效的减少了轨迹碎片以及遮挡等情况导致的串号现象。
一种基于多维特征融合视频多目标跟踪方法

[发明专利]一种基于特征距离的轨迹后处理方法-CN201910964738.2有效
发明人：管慧艳;徐晓刚;李冠华 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2019-10-11 - 公布日： 2022-11-08 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于特征距离的轨迹后处理方法，涉及视频跟踪技术领域。包括以下步骤：获取有序的若干张图片组成的轨迹；提取每一张图片的目标特征；计算相邻两张图片的特征距离；取均值以下的特征距离对应的图片按顺序排列构成新的轨迹。本发明避免了轨迹信息冗余，更简约表征轨迹的信息，并且能够反映原始轨迹的大部分信息。
一种基于特征距离轨迹处理方法

[发明专利]一种基于图卷积的人脸聚类优化方法-CN202210364466.4在审
发明人：毕海;徐晓刚;李冠华 -专利权人： 杭州云栖智慧视通科技有限公司
申请日： 2022-04-08 - 公布日： 2022-08-09 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于图卷积的人脸聚类优化方法，通过人脸特征F以及人脸特征相似度，人脸图像质量分；使用人脸特征相似度与人脸图像质量分构建人脸特征相似图，得到GCN网络输入数据；将得到含有点属性矩阵和邻接矩阵的每个图样本与GCN网络进行重建，并通过重建后GCN网络输出每个图样本中每个人脸节点是否属于该人脸类别结果；根据输出的人脸类别结果进行判定，如果某一人脸不属于这个类，则将该人脸从此类中移除，同时，对距离该类有较高相似度的人脸进行核验，如果待核验人脸属于该类别，则将该人脸加入此类别中；实现了人脸聚类优化与提纯的目的。
一种基于图卷人脸聚类优化方法

1
2
下一页»
尾页
共 30 条