Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华南农业大学王国华获国家专利权

华南农业大学王国华获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉华南农业大学申请的专利一种基于改进SiamFC的人体头肩小目标跟踪方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118710931B

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410713133.7,技术领域涉及:G06V10/62;该发明授权一种基于改进SiamFC的人体头肩小目标跟踪方法是由王国华;邓丽诗;吴嘉东;郑永森设计研发完成,并于2024-06-04向国家知识产权局提交的专利申请。

一种基于改进SiamFC的人体头肩小目标跟踪方法在说明书摘要公布了:本发明公开一种基于基于改进SiamFC的人体头肩小目标跟踪方法,该方法对数据集通过背景差分算法完成半自动标注,并使用LabelImage进行手动标注获得丰富的训练样本;引入改进的通道注意力机制SE模块改进特征提取,从而构建SEMC特征提取模块;构建ASPP‑M多尺度空洞卷积模块,基于ASPP模块增加LEDIO模块进行多尺度卷积的预处理,引入SURF‑PCA模块和拉普拉斯滤波器与多尺度特征图进行特征融合;改进SiamFC主干网络AlexNet特征提取模块,引入混合高斯模型进行背景建模,引入SEMC模块和ASPP‑M模块,引入激活函数Relu和LRN局部归一,并增加残差连接。该方法增强了在复杂场景下人体头肩目标的跟踪能力;缓解网络训练时可能出现的梯度消失情形。

本发明授权一种基于改进SiamFC的人体头肩小目标跟踪方法在权利要求书中公布了:1.一种基于改进SiamFC的人体头肩小目标跟踪方法,其特征在于,首先,采集人体头部和肩部的图像样本并对图像进行预处理及标注,然后,构建SEMCSqueezeExcitationModuleCompress特征提取模块,同时,构建ASPP-MASPP-MULTIFILTER多尺度空洞卷积特征提取模块,从而,改进SiamFC主干网络结构AlexNet,达到提升网络的特征提取能力和收敛速度的效果,包括如下步骤: 步骤一:采集人体头部和肩部的图像:所述的采集人体头部和肩部的图像,是指,首先,采集处于不同环境、不同高度、角度和距离的俯拍视角的人体视频流,然后,切分视频流,从而获得人体头部和肩部的图像; 步骤二:对图像进行预处理及标注:所述的对图像进行预处理及标注,是指通过OpenCV库调整输入图像为统一大小,基于混合高斯模型的背景差分算法进行人体检测并标注,对检测结果差的标注样本通过LabelImage标注工具辅以手动标注校正; 步骤三:构建SEMC特征提取模块:所述的SEMC特征提取模块是指对通道注意力机制SESqueezeExcitation模块进行压缩优化和激励优化从而得到SEMC特征提取模块; 步骤四:构建ASPP-M多尺度空洞卷积模块:所述的ASPP-M多尺度空洞卷积模块是指在ASPP模块中引入LEDIOLaplacianEdgeDetectionInnovativeOperator模块、SURF-PCA模块和拉普拉斯滤波器;更具体地,是指将输入图像经过基于拉普拉斯边缘检测改进的LEDIOLaplacianEdgeDetectionInnovativeOperator模块进行局部特征点突出检测后,接着,引入SURF-PCA模块,输出原始图像的低层特征图w,然后,使用ASPP模块获得多尺度特征图,通过不同采样率进行空洞卷积操作,生成多尺度特征图,将多尺度特征图与低层特征图w融合后进行拼接,输出特征图为p1,最后,将p1与经过拉普拉斯滤波器的输出图像融合得到最终的小目标特征图;所述的基于拉普拉斯边缘检测改进的LEDIO模块是指将拉普拉斯边缘检测中的高斯滤波替换为盒式滤波,从而提升检测速度,同时,考虑到滤波方法替换的差异,修正拉普拉斯算子,使用8个领域计算多个方向的边缘和结构信息,并且,采用一阶导数和二阶导数的结合替换拉普拉斯算子中的二阶导数,并添加权重值解决不同滤波方式之间的误差问题,实现获取边缘和结构信息的同时得到灰度的变化快慢;所述的SURF-PCA模块是指采用SURF检测器对预处理后的图像进行检测,生成关键点和对应的描述子,将所有SURF特征描述子组合成一个特征向量集合后,使用PCA算法进行降维,输出原始图像低层特征图; 步骤五:改进SiamFC主干网络结构AlexNet:引入多源更新的混合高斯模型模块进行背景建模,将部分层的卷积层替换为ASPP-M模块;同时,其他层的卷积层后引入SEMC模块,采用激活函数Relu和LRN进行局部归一,各层的输出引入残差连接。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人华南农业大学,其通讯地址为:510642 广东省广州市天河区五山路483号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。