[發(fā)明專利]基于圖像顯著性檢測的水工復(fù)雜場景下人物識別方法在審
| 申請?zhí)枺?/td> | 201910240747.7 | 申請日: | 2019-03-27 |
| 公開(公告)號: | CN109977970A | 公開(公告)日: | 2019-07-05 |
| 發(fā)明(設(shè)計)人: | 孫豐;盧克;馬艷娜 | 申請(專利權(quán))人: | 浙江水利水電學(xué)院 |
| 主分類號: | G06K9/46 | 分類號: | G06K9/46;G06K9/62 |
| 代理公司: | 杭州浙科專利事務(wù)所(普通合伙) 33213 | 代理人: | 吳秉中;吳偉凱 |
| 地址: | 310018 浙江省*** | 國省代碼: | 浙江;33 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 顯著性 復(fù)雜場景 檢測 人物識別 第一層 高光 粗糙 卷積神經(jīng)網(wǎng)絡(luò) 圖像 抓取 顯著性特征 顯著性物體 邊界特征 局部特征 區(qū)域語義 人物數(shù)據(jù) 特征信息 像素層面 信息缺失 語義信息 運(yùn)行過程 短連接 顯著圖 兩層 標(biāo)注 圖片 融合 引入 全局 網(wǎng)絡(luò) 表現(xiàn) 監(jiān)督 | ||
1.一種基于圖像顯著性檢測的水工復(fù)雜場景下人物識別方法,其技術(shù)特征在于:采用多層次的全卷積神經(jīng)網(wǎng)絡(luò)對圖片進(jìn)行顯著性物體的檢測,在檢測過程中專門針對小物體情況采集全局語義特征,采集局部信息作為補(bǔ)充。
2.根據(jù)權(quán)利要求1所述的基于圖像顯著性檢測的水工復(fù)雜場景下人物識別方法,其特征在于:采集全局語義特征即小物體人物主要的所在位置作為判斷顯著性物體位置的基本信息,使用短連接將局部信息即淺層卷積層輸出的人物動作細(xì)節(jié)作為補(bǔ)充信息為全局語義進(jìn)行補(bǔ)充。
3.根據(jù)權(quán)利要求1所述的基于圖像顯著性檢測的水工復(fù)雜場景下人物識別方法,其特征在于:使用短連接的模型融合局部信息與全局語義特征。
4.根據(jù)權(quán)利要求2或3所述的基于圖像顯著性檢測的水工復(fù)雜場景下人物識別方法,其特征在于:該方法在圖片中顯著性物體為小物體,人物占比低的情況下具有高靈敏度的檢測性。
5.根據(jù)權(quán)利要求2或3所述的基于圖像顯著性檢測的水工復(fù)雜場景下人物識別方法,其特征在于,該方法對于場景中存在的復(fù)雜背景具有高強(qiáng)度的過濾能力。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于浙江水利水電學(xué)院,未經(jīng)浙江水利水電學(xué)院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910240747.7/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 一種基于視頻的運(yùn)動物體入侵報警方法
- 一種用于復(fù)雜場景的層次式人群仿真方法及系統(tǒng)
- 一種輸電線下復(fù)雜場景工頻電場三維分析方法及系統(tǒng)
- 基于深度信息的復(fù)雜場景分層方法
- 一種復(fù)雜場景的工頻電場計算方法及系統(tǒng)
- 用于無人車的復(fù)雜場景測試方法、裝置及存儲介質(zhì)
- 自動駕駛車輛環(huán)境認(rèn)知能力評價方法、設(shè)備及存儲介質(zhì)
- 一種智能汽車測試場景復(fù)雜度的評估方法及系統(tǒng)
- 一種用于對停車場環(huán)境駕駛場景復(fù)雜度評級的方法
- 一種汽車圖像場景庫數(shù)據(jù)復(fù)雜度度量方法





