葡京娱乐场-富盈娱乐场开户

一、行人再識別研究研究背景：行人再識別（Person Re-Identification，簡稱 Re-ID）研究跨視域跨攝像頭情況下對行人進行連續(xù)跟蹤，是目前計算機視覺研究的熱門方向，在智能安防領(lǐng)域有巨大的市場和廣闊的發(fā)展前景。研究成果：基于特征級有監(jiān)督背景消除的行人再識別方法、基于激活引導(dǎo)屬性分類模型（AGAC）的行人再識別方法。二、面向智能終端的隱式身份認證不同用戶的觸摸智能手機的習慣具有獨特性，不易被模仿。利用用戶觸摸智能手機的習慣作為生物識別符，“隱形地” 完成對用戶身份的合法性認證。三、利用雙通道建模的鬼影抑制算法研究背景：檢測中的鬼影經(jīng)常造成誤檢測，該算法可以抑制在檢測時產(chǎn)生鬼影

高校科技成果盡在科轉(zhuǎn)云

本發(fā)明公開了一種基于協(xié)同尺度學習的行人重識別方法，屬于監(jiān)控視頻檢索技術(shù)領(lǐng)域。本發(fā)明首先 根據(jù)已標注訓練樣本集 L 中圖像的顏色和紋理特征，進行尺度學習得到相應(yīng)馬氏距離中的協(xié)方差矩陣 Mc 和 Mt;隨機選擇查詢對象使用 Mc 和 Mt 進行馬氏距離度量，得到相應(yīng)排序結(jié)果，從中取得正樣本 和負樣本生成新的已標注訓練樣本集 L，更新 Mc 和 Mt，直到未標注訓練樣本集 U 為空，得到最終的 標注樣本集 L*，并融合顏色和紋理特征得到 Mf，就可以使用基于 Mf 的馬氏距離函數(shù)進行行人重識別。 本發(fā)明在半監(jiān)督框架下研究基于尺度學習的行人重識別技術(shù)，通過未標注樣本輔助標注樣本進行尺度學 習，符合實際視頻偵查應(yīng)用標注訓練樣本難以獲取的要求，能有效提升少標注樣本下的重識別性能。

本發(fā)明屬于視頻圖像數(shù)據(jù)處理領(lǐng)域，公開了一種監(jiān)控視頻行人檢測匹配方法，包括視頻行人目標檢測步驟；幀間同目標關(guān)聯(lián)步驟；目標序列及待匹配目標特征提取步驟；特征相似度計算步驟和目標匹配判別步驟。由于相鄰幀間行人目標不會有太大的位移，本發(fā)明使用被檢測出的行人的位置信息對序列連續(xù)幀中的同一目標進行關(guān)聯(lián)得到目標序列；目標序列特征提取的方法一是提取目標序列多幀的灰度直方圖特征，一是目標序列的 PCA 模板，由于都采用了多幀的信息，相

一種基于顯著區(qū)域的行人檢測方法及系統(tǒng)，搜集包含行人的正樣本及不包含行人的負樣本的數(shù)據(jù)集， 將歸一化正樣本和負樣本為預(yù)設(shè)尺寸，然后分別從各正樣本和負樣本中提取協(xié)方差矩陣特征作為訓練數(shù) 據(jù)，構(gòu)成級聯(lián)分類器；對于輸入圖像提取有效區(qū)域，進行先驗概率的分析，對各有效區(qū)域提取協(xié)方差矩 陣特征，將所得結(jié)果輸入分類器進行行人檢測，得到有效區(qū)域是否為包含行人的局部區(qū)域，根據(jù)貝葉斯 分布由統(tǒng)計學推導(dǎo)出最優(yōu)結(jié)果。 

（1）主要功能和應(yīng)用領(lǐng)域 項目是北京市交通運行監(jiān)測調(diào)度中心牽頭多家合作單位共同承擔的交通運輸部信息化技術(shù)研究項目，應(yīng)用于交通領(lǐng)域。旨在分析重點區(qū)域行人導(dǎo)引需求，研發(fā)區(qū)域行人交互式導(dǎo)引服務(wù)技術(shù)，在樞紐內(nèi)行人可能面臨決策的關(guān)鍵位置，設(shè)置信息導(dǎo)引點，通過智能終端實現(xiàn)定制化、交互式行人導(dǎo)引服務(wù)。研發(fā)用于行人定位導(dǎo)引的導(dǎo)引點設(shè)備、WiFi設(shè)備，并進行定制加工，在大型交通換乘樞紐開展測試驗證和示范應(yīng)用，提高導(dǎo)引服務(wù)的實時性和精準化水平。研究面向復(fù)合目標優(yōu)化的一體化出行智能決策支持技術(shù)，實現(xiàn)面向出行鏈的多方式無縫銜接和動態(tài)誘導(dǎo)。 （2）特色及先進性 在重點區(qū)域內(nèi)為行人提供實時交互式導(dǎo)引信息服務(wù)。設(shè)計了室內(nèi)高精度定位算法，提出了基于方向的室內(nèi)路由導(dǎo)引策略。研發(fā)了基于智能終端的室內(nèi)導(dǎo)引App和樞紐監(jiān)控系統(tǒng)。可以為用戶提供基于目的地、無目的地、多目的地的定位和導(dǎo)引服務(wù)。 申請專利2項。 （3）技術(shù)指標 導(dǎo)引信息獲取時間不超過2秒； 導(dǎo)引差錯率小于千分之一，定位精準度受環(huán)境影響帶來的誤差降低20%以上； 建立支持WiFi、蜂窩網(wǎng)等2種以上的無線技術(shù)接口的精準定位技術(shù)試驗網(wǎng)絡(luò)； 可實現(xiàn)行人在樞紐走行的全過程連續(xù)導(dǎo)引。 （4）解決問題與實施效果 項目應(yīng)用在大型交通樞紐(如機場、火車站等)內(nèi)實現(xiàn)旅客導(dǎo)引服務(wù)，也可以擴展到其他室內(nèi)區(qū)域的導(dǎo)引服務(wù)，如大型商場、旅游景區(qū)、隧道、礦井等。可以克服GPS無法在室內(nèi)提供導(dǎo)航服務(wù)的問題，與GPS導(dǎo)航結(jié)合，可以實現(xiàn)任意場地無縫導(dǎo)引的服務(wù)。

項目是北京市交通運行監(jiān)測調(diào)度中心牽頭多家合作單位共同承擔的交通運輸部信息化技術(shù)研究項目，應(yīng)用于交通領(lǐng)域。旨在分析重點區(qū)域行人導(dǎo)引需求，研發(fā)區(qū)域行人交互式導(dǎo)引服務(wù)技術(shù)，在樞紐內(nèi)行人可能面臨決策的關(guān)鍵位置，設(shè)置信息導(dǎo)引點，通過智能終端實現(xiàn)定制化、交互式行人導(dǎo)引服務(wù)。研發(fā)用于行人定位導(dǎo)引的導(dǎo)引點設(shè)備、WiFi設(shè)備，并進行定制加工，在大型交通換乘樞紐開展測試驗證和示范應(yīng)用，提高導(dǎo)引服務(wù)的實時性和精準化水平。研究面向復(fù)合目標優(yōu)化的一體化出行智能決策支持技術(shù)，實現(xiàn)面向出行鏈的多方式無縫銜接和動態(tài)誘導(dǎo)。

本發(fā)明公開了一種行人重識別的度量學習方法和系統(tǒng)，其中方法的實現(xiàn)包括：收集兩個攝像頭下行人目標的特征向量，建立正樣本對特征向量集合和負樣本對特征向量集合，計算正、負樣本對特征向量的距離，對正樣本對特征向量進行單閾值約束，對負樣本對特征向量采用雙閾值進行約束，在正、負樣本對特征向量的距離約束條件下建立基于度量矩陣的損失函數(shù)，以損失函數(shù)值最小為目標迭代更新度量矩陣，這種方法可以有效的減輕圖像背景、噪聲等無關(guān)變量對矩陣

一種基于顯著直方圖特征的行人檢測方法及系統(tǒng)，訓練階段包括首先分別將樣本數(shù)據(jù)集中每個正樣 本或負樣本歸一化為預(yù)設(shè)尺寸，然后作為輸入圖像提取特征，根據(jù)所得特征訓練分類器;正樣本的圖像 包含行人，負樣本的圖像不包含行人;測試階段包括對測試數(shù)據(jù)集中任一測試圖像，首先以測試圖像為 輸入圖像，分別以輸入圖像的每個像素為中心建立預(yù)設(shè)尺寸的局部區(qū)域，并提取每個局部區(qū)域的特征， 然后將每個局部區(qū)域的特征輸入訓練階段所得分類器，得到各局部區(qū)域是否包含行人的分類結(jié)果。提取 特征時，將梯度的幅值和相應(yīng)局部區(qū)域顯著概率值結(jié)合

本發(fā)明公開了一種基于有限混合模型的行人再識別方法，屬于 計算機視覺和模式識別領(lǐng)域，提升行人再識別的準確度，包括以下步 驟：(1)構(gòu)建行人圖像庫預(yù)處理圖像并提取圖像特征；(2)計算圖像庫中 所有圖像的有限混合模型和待再識別行人的圖像的有限混合模型參 數(shù)；(3)將需再識別行人的有限混合模型與圖像庫中所有圖像的有限混 合模型之間的距離進行最優(yōu)化求解，并進行距離排序返回再識別結(jié)果。 本發(fā)明優(yōu)化混合模型之間的距離度量，提高行人