国家自然科学基金(61175009)
- 作品数：11 被引量：53H指数：4
- 相关作者：赵宇明胡福乔张超李竹良林鹏更多>>
- 相关机构：上海交通大学华东师范大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于多层网络结构的目标草图检测模型
- 目标检测作为计算机视觉领域的基本问题之一，得到了越来越多的关注。它是从图像处理到图像理解之间的关键步骤，其主要目的是为了从图像中识别出待检测目标，完成场景理解或行为分析的第一步，因而被广泛地应用到各个重要领域，如视频监控...
- 李文成
- 关键词：目标检测
- 文献传递
- 基于分块颜色直方图和粒子滤波的物体跟踪被引量：10
- 2012年
- 在使用粒子滤波的跟踪方法中,颜色直方图经常被用来作为目标特征。但是普通的颜色直方图易受与跟踪物颜色相似的背景和其他物体的干扰,并且在跟踪目标被部分遮挡后性能也将下降。为解决这些问题,受hog特征启发,提出一种分块重叠的颜色直方图,并且根据分块直方图特点,重新设计了粒子滤波系统的权重计算方法和模型更新方法。实验证明该系统优于传统的颜色直方图特征。
- 陶立超赵宇明
- 关键词：分块颜色直方图粒子滤波
- 基于GPU的卷积检测模型加速被引量：4
- 2016年
- 近年来,形变部件模型和卷积神经网络等卷积检测模型在计算机视觉领域取得了极大的成功。这类模型能够进行大规模的机器学习训练,实现较高的鲁棒性和识别性能。然而训练和评估过程中卷积运算巨大的计算开销,也限制了其在诸多实际场景中进一步的应用。利用数学理论和并行技术对卷积检测模型进行算法和硬件的双重加速。在算法层面,通过将空间域中的卷积运算转换为频率域中的点乘运算来降低计算复杂度;而在硬件层面,利用GPU并行技术可以进一步减少计算时间。在PASCAL VOC数据集上的实验结果表明,相对于多核CPU,该算法能够实现在单个商用GPU上加速卷积过程2.13~4.31倍。
- 刘琦黄咨陈璐艳胡福乔
- 关键词：计算机视觉GPU
- 交通场景中的实时多目标跟踪方法被引量：3
- 2012年
- 针对多目标检测与跟踪技术的应用要求,提出一种用于交通场景的实时多目标跟踪方法。设计背景建模算法和基于角点动态特征的分层跟踪算法,利用背景建模算法提取视频帧前景,并在前景区域运用分层跟踪算法,包括Corner、Cluster和Object 3层架构,通过在不同层之间引入对应的聚类算法,以实现目标跟踪。实验结果表明,该方法适用于多数交通场景,对光照、阴影具有较强的鲁棒性。
- 刘绍杰张超胡福乔廖萍
- 关键词：多目标跟踪实时系统角点聚类
- 基于双目视觉地面自标定算法的目标检测与跟踪
- 目标检测与跟踪作为机器视觉领域中最重要的研究课题之一，已成为当今智能时代的关键技术。其广泛应用于各个行业和领域，成为了人们生活的一部分，例如人机交互体验、公共安全监控、交通道路系统及军事应用等。目前，目标检测与跟踪技术在...
- 刘弟文
- 关键词：卡尔曼滤波目标检测
- 文献传递
- 基于Harris和几何哈希法的目标匹配被引量：1
- 2013年
- 复杂环境下的目标匹配会受到物体缩放、旋转、遮挡及光强变化等影响,是模式识别领域的一项难题。针对该问题,提出一种基于Harris算法和改进几何哈希法的目标匹配方法。利用Harris角点提取算法检测兴趣点,通过改进的几何哈希法实现多目标匹配。实验结果表明,该方法可实现复杂环境下的目标匹配,提高匹配精度和速度。
- 周陈龙胡福乔
- 关键词：HARRIS算法仿射不变性尺度不变特征变换
- 基于粒子滤波和在线学习的目标跟踪
- 2013年
- 针对粒子滤波跟踪丢失目标后较难恢复的问题,提出一种基于粒子滤波和在线学习的目标跟踪方法。使用粒子滤波有效的跟踪结果作为正训练样本不断更新样本库,将随机蕨作为分类器检测目标位置,当分类器和粒子滤波的检测结果存在较大差异时,重新初始化粒子滤波器。在线学习采用二维二值特征,具有计算简单、尺度不变和光照不变的特点。实验结果证明,该方法的跟踪结果优于传统的粒子滤波,能够准确地跟踪到被遮挡和消失再出现的目标。
- 刘海龙胡福乔赵宇明
- 关键词：粒子滤波目标跟踪巴氏距离
- 平衡图匹配方法在多视角图像配准中的研究
- 2014年
- 在多视角图像处理中,多点匹配是一个基本的问题。针对有较多制约因素的多点匹配问题,对现有的光谱匹配技术进行两点改进:首先提出一种新的光谱松弛技术用以求解匹配函数的近似解,其次将现有的相容性矩阵重构为二分图边矩阵并进行双随机归一化,减小噪声对结果的影响。在基于CAVIAR与PETS2009数据集上的实验证明,所提出的算法可以很好地完成图匹配,并且有较高的精度与较好的鲁棒性。
- 刘智胡福乔赵宇明
- 关键词：图匹配光谱匹配
- 一种用于行人检测的隐式训练卷积神经网络模型被引量：5
- 2016年
- 行人检测已经成为社会各领域里的热门研究课题之一。卷积神经网络CNNs(Convolutional neural networks)良好的学习能力使其学习得到的目标特征更自然,更有利于区分不同目标。但传统的卷积神经网络模型需要对整体目标进行处理,同时要求所有训练样本预先正确标注,这些阻碍了卷积神经网络模型的发展。提出一种基于卷积神经网络的隐式训练模型,该模型通过结合多部件检测模块降低计算复杂度,并采用隐式学习方法从未标注的样本中学习目标的分类规则。还提出一种两段式学习方案来逐步叠加网络的规模。在公共的静态行人检测库INRIA^([1])上的试验评测中,所提模型获得98%的检测准确率和95%的平均准确率。
- 黄咨刘琦陈致远赵宇明
- 关键词：行人检测卷积神经网络
- 基于深度图像学习的人体部位识别被引量：13
- 2012年
- 针对人体部位识别问题,提出一种基于深度图像学习的人体部位识别系统。构建深度图样本库,包括训练集和测试集,提取训练样本中的局域梯度特征,利用随机森林学习得到分类器,并对图像进行单点分类,计算人体各关节点。实验结果表明,该系统能快速准确地识别人体的不同部位。
- 林鹏张超李竹良赵宇明
- 关键词：深度图像
