“郑开辅”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2个，建议您升级VIP下载更多相关专利

[发明专利]应用于无人驾驶车辆的实时行人跟踪方法-CN202010159001.6有效
发明人：王一晶;郑开辅;左志强 -专利权人：天津大学
申请日： 2020-03-09 - 公布日： 2022-12-02 - 主分类号： G06T7/215 文献下载
摘要：本发明公开了一种应用于无人驾驶车辆的实时行人跟踪方法，步骤1：利用改进的SSD行人检测算法进行行人实时检测；步骤2：在Deep Sort多目标跟踪算法方法中把光流预测结果与卡尔曼滤波结果进行融合，预测行人状态；步骤3：使用卡尔曼滤波算法估计的状态和检测行人的状态之间的马氏距离来表示运动匹配度量；步骤4：使用一个预训练的卷积神经网络来计算检测框中行人的外观描述子；将该卷积神经网络在行人重识别数据集上进行训练，得到图像描述向量；步骤5：计算总的匹配度量；步骤6：引入级联匹配策略，优先匹配距离当前帧最近的帧中出现的行人；步骤7：进行跟踪对象的生存周期管理。本发明实现了为无人驾驶场景提供行人的状态信息。
应用于无人驾驶车辆实时行人跟踪方法

[发明专利]一种鲁棒高效的无人驾驶行人检测方法-CN201910764350.8在审
发明人：王一晶;郑开辅;左志强 -专利权人：天津大学
申请日： 2019-08-19 - 公布日： 2020-01-10 - 主分类号： G06K9/00 文献下载
摘要：一种鲁棒高效的无人驾驶行人检测方法，包括如下步骤：①选择深度残差网络作为特征提取网络；②为每一个候选框指定一个正负类标签；③定义目标损失函数；④设置候选框尺寸；⑤采用难分样本挖掘方法，使得最终的正类和负类样本的数量的比例为1:3；⑥采用数据增广；⑦训练网络。本发明使用单个卷积神经网络，直接从原始图像得到边界框的坐标和行人的概率，可以实现端到端的训练，并且深度残差网络使用的残差单元可以改善深层网络模型寻优的过程，减少模型收敛的时间开销。
残差候选框卷积神经网络定义目标负类样本时间开销损失函数特征提取网络模型网络使用无人驾驶行人检测训练网络原始图像边界框鲁棒寻优收敛样本标签网络挖掘概率