专利交易市场

本发明公开了一种基于姿态估计和背景抑制的遮挡行人重识别方法，包括以下步骤：步骤(1)获得遮挡行人的全局特征和局部特征，并将局部特征重组为局部特征图；步骤(2)获得行人图像关键点的热度图和关键点置信度组，利用获得的局部特征图和热度图获得行人关键点特征组；步骤(3)通过Conv利用全局特征增强行人关键点特征组中每个关键点特征得到局部特征组，并通过关键点得到关键点邻接矩阵A，将局部特征组的和关键点邻接矩阵A作为GCN的输入，获得最终行人关键点特征；步骤(4)通过局部特征图和热度图得到行人特征，将其切分后作为最终特征；步骤(5)训练模型，该方法具有更好的鲁棒性和自适应能力。

本发明涉及一种利用姿态估计和数据增强的车辆重识别方法及系统，其方法包括：步骤S1：构建双分支多分辨率车辆姿态估计网络，得到车辆关键点坐标；将关键点进行过滤后按三层骨架模型有序连接，得到车辆姿态图；S2：构建训练样本组(S,po,St)输入基于姿态引导的数据增强网络，得到与S表观相同且具有p姿态的生成图像；S3：将生成图像与原始数据集一起构建联合训练集S+，其中样本组为(Rgi,Rpj,Fj)，输入基于自监督和知识蒸馏的三分支表观特征提取网络进行训练，提取车辆表征进行车辆重识别；S4：输入目标集probe'和图像集gallery'，利用S3得到初始检索结果；再利用步骤S1和S2对初始检索结果进行顺序调优，得到最终的检索结果。本发明提供的方法可提高指定车辆的检索精度。

本发明设计了一种基于GAMHR‑Net的多人姿态估计方法及系统；首先，用目标检测网络对输入图像或视频进行检测，获取人体位置信息；构建包括一个Stem‑Net模块、四个Stage模块、四个transition模块以及三个GAMBlock模块的GAMHR‑Net网络；将人体位置信息与对应的图像送入GAMHR‑Net网络进行特征提取和特征融合；将得到人体关节点并将关节点在原图像或原视频上展示出来。本发明充分利用现有特征的同时，再结合全局的语义信息，实现了更加准确和鲁棒的姿态预测；通过Stem‑Net结构，利用并行可分离卷积的思想来减少初步特征提取阶段时底层信息的损失；通过GAMBlock模块加强全局空间通道的交互以减少信息的损失，实现了较高的关节点定位精度和召回率。

本发明公开了一种基于节点信息共享的载机局部姿态精确估计方法，步骤包括：1)对于单个子节点的精度优化策略，将每个子节点IMU与主节点IMU进行传递对准，得到较高精度的子节点导航数据；2)结合离散卡尔曼滤波方程进行局部卡尔曼滤波算法编排，并引入逆向卡尔曼滤波以及双向融合算法，提高单节点的传递对准结果；3)利用子节点之间相距位置较近以及运动的连续性特点，对各子节点之间进行信息转换计算，将不同节点信息转换至某一节点，并对该节点的导航信息进行融合，得到更高精度的状态估计结果。本发明的方法，过程简单，结果准确。