【技术实现步骤摘要】
基于事件相关电位的行人重识别视频流复杂目标检测方法
[0001]本专利技术属于脑机协同
,涉及行人重识别目标检测方法,具体涉及一种基于事件相关电位的行人重识别视频流复杂目标检测方法
。
技术介绍
[0002]近年来,随着监控摄像头的兴起与广泛应用,城市中每天都会产生大量的监控视频,以辅助城市的运行和市政管理
。
在图像大小相同的视频流中,包含信息更多信息的视频帧的数据量也更大,这增加了机器的计算量和时间
。
视频流的复杂目标识别在智慧城市
、
军事安全等领域有着广泛的迫切需求
。
复杂对象识别是在场景中除了待识别目标以外还具有其他干扰因素,同时目标出现的形式不确定并具有伪装的识别任务
。
复杂对象的特征表达存在稀疏性和不确定性,甚至存在一定的缺失
。
因此,如何针对这些海量的视频中隐藏的复杂信息进行处理和有效提取,是需要研究的一个关键课题
。
[0003]人脑具有自动联想
、
推导和内在抽象的能力,能够快速
、
准确地识别目标,与视频帧图像相比,脑电信号的数据量相对较小,但其耦合信息量更大
。
同时脑机接口已被证实可以用于扩展瘫痪等疾病患者的运动能力,以及军事目标识别等不同场景,例如从大量图像中找到目标图像或识别情感
。
[0004]脑电信号
(Electroencephalogram,EEG)
具有高时间分辨率<
【技术保护点】
【技术特征摘要】
1.
基于事件相关电位的行人重识别视频流复杂目标检测方法,在同一个地点以不同角度拍摄多个时长相等的视频流作为实验范式,设置部分实验范式中无待识别的复杂目标出现,另一部分实验范式中待识别的复杂目标出现的时长相同;其特征在于:还包括以下步骤:步骤
1、
使用脑机接口中的快速序列视觉呈现实验范式,采集被试观看所述实验范式时的脑电数据;步骤
2、
对步骤1采集的脑电数据进行滤波和独立成分分析,然后标记
ERP
特征,包括
P300
和
P300
‑
D
;所述
P300
‑
D
是指目标消失后持续
300ms
的正峰值;步骤
3、
对步骤2处理标记后的脑电数据,分别截取无目标
、
目标出现
、
目标消失时的信号,得到无目标样本
、
目标出现样本和目标消失样本三类样本;然后将同类别样本两两组合形成正样本对,不同类样本两两组合形成负样本对;步骤
4、
首先将样本输入一个
ECANet
中,提取时间注意力权重与空间注意力权重,对样本进行校准;然后将校准后的样本输入多个结构相同的
ECANet
中,重复校准操作,最后对多个
ECANet
输出的特征进行融合,得到样本的特征向量;步骤
5、
计算一个样本对内两个样本的特征向量在同一个向量空间上的距离,使用
circle loss
进行反向传播,更新模型参数;步骤
6、
采集被试观察视频流时的脑电信号,输入步骤5训练后的模型中,检测复杂目标是否出现,以及出现和消失的时间
。2.
如权利要求1所述基于事件相关电位的行人重识别视频流复杂目标检测方法,其特征在于:在同一个地点以不同角度拍摄多个视频流,部分视频流中无待识别的复杂目标出现;在其余视频流中,待识别的复杂目标出现的时长均为
4s
,而复杂目标的位置
、
出现时间点
、
消失时间则各不相同,复杂目标穿着的衣服
、
使用的交通工具等也会随机变化;对拍摄的视频流进行剪辑,使时长均为
10s
,且目标出现的时间点为视频的第
1s、
第
2s、
第
3s、
第
4s
或第
5s
,并对应在视频的第
5s、
第
6s、
第
7s、...
【专利技术属性】
技术研发人员:孔万增,洪晨益,朱佳斌,马龙杰,朱莉,张建海,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。