-
公开(公告)号：CN114913599B
公开(公告)日：2024-10-18
申请号：CN202210502598.9
申请日：2022-05-09
Applicant: 北方工业大学
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 一种基于自动编码器的视频异常行为检测方法及系统，其方法包括：S1：对输入的视频进行等间隔下采样的预处理；S2：采用Vibe背景提取算法结合U‑Net图像分割网络对预处理后的视频图像序列中的图像进行目标与背景的分离；S3：将图像的目标与背景分别输入到双通道自编码器的不同通道，由对应通道中的编码器分别对目标与背景提取图像特征后，在双通道自编码器的隐含层将两个通道分别提取的两个特征进行特征融合，最后将融合后的特征送入解码器进行模型训练；S4：在训练好的模型中使用重构误差判别对输入的待检测样本进行异常行为检测，得到异常行为检测结果，从而解决背景变化对异常行为检测造成的不利影响，使得到的模型通用性更强，易于部署到不同场景。
-
公开(公告)号：CN110619261A
公开(公告)日：2019-12-27
申请号：CN201910163955.1
申请日：2019-03-05
Applicant: 北方工业大学
Abstract: 本发明提供了一种基于多特征融合的人体交互行为识别方法、系统及装置，该方法包括：对交互视频中的多个独立个体，分别提取局部时空特征与全局光流特征；将所述局部时空特征与所述全局光流特征进行特征融合，获得局部时空特征与所述全局光流特征之间的相关性，进而得到每个独立个体的单人特征信息；通过并行长短期记忆网络，获得混合特征信息；基于混合特征信息，进行分类，获得交互行为识别结果。本发明的技术方案充分保留了交互中的行为信息和交互信息，大大提高了交互行为识别的准确率。
-
公开(公告)号：CN106022213B
公开(公告)日：2019-06-07
申请号：CN201610289796.6
申请日：2016-05-04
Applicant: 北方工业大学
Abstract: 本发明公开了一种基于三维骨骼信息的人体动作识别方法，该方法首先对多个不同性别和身高的个体样本分别作出多种动作时得到的彩色数据流、深度数据流和骨骼数据流进行处理，以构建得到分别对应每种动作的SVM模型，之后再采集被识别目标在Kinect深度传感器的采集范围内作出任一动作时的骨骼数据流，并由该骨骼数据流得到的归一化后的人体骨骼关节点与参考点之间的距离以及14个向量夹角，将上述数据分别输入多个SVM模型，输出概率最大的SVM模型对应的动作即为该识别目标作出的动作。本发明采用Kinect深度传感器进行图像获取，受光照条件、阴影等因素影响较小，能够实时获取人体动作的深度图和骨骼信息，从而准确地定位场景中的人体目标。
-
公开(公告)号：CN104036488B
公开(公告)日：2017-01-11
申请号：CN201410184042.5
申请日：2014-05-04
Applicant: 北方工业大学
Abstract: 本发明公开了一种基于双目视觉的人体姿态动作研究方法，该方法首先通过双目标定获取相机的内外参数，接着从相机拍摄的图像中提取出各肤色区域的质心点的坐标，并对质心点进行匹配判断，然后以世界坐标系为基准求出匹配的质心点在世界坐标系中的坐标，最后根据质心点在世界坐标系中坐标判断人体的姿态及动作。本发明不需要拍摄大量图像，能够通过实时采集视频帧对人脸和双手等人体关键部位的质心点进行立体匹配，以获取人体关键部位之间的位置关系，运行成本较低。
-
公开(公告)号：CN111160078B
公开(公告)日：2023-06-23
申请号：CN201811488237.3
申请日：2018-12-06
Applicant: 北方工业大学
Abstract: 本发明针对现有人体交互行为识别方法中，运动特征信息提取困难，不能充分结合运动整体与运动个体之间关系的问题，提出一种基于视频图像的人体交互行为识别方法、系统及装置。该方法从交互个体分割和整体融合的角度出发，首先进行运动人体检测并进行分割，分别得到两个交互个体的运动视频，接着把交互整体视频和个体分割后的运动视频分别送入卷积神经网络提取初步特征，随后把特征描述符送入多层感知机神经网络训练最后进行初步行为的分类，最后基于全局分类结果和个体分类结果进行多特征学习，形成最终分类结果。
-
Patent Agency Ranking
公开(公告)号：CN111160078A
公开(公告)日：2020-05-15
申请号：CN201811488237.3
申请日：2018-12-06
Applicant: 北方工业大学
Abstract: 本发明针对现有人体交互行为识别方法中，运动特征信息提取困难，不能充分结合运动整体与运动个体之间关系的问题，提出一种基于视频图像的人体交互行为识别方法、系统及装置。该方法从交互个体分割和整体融合的角度出发，首先进行运动人体检测并进行分割，分别得到两个交互个体的运动视频，接着把交互整体视频和个体分割后的运动视频分别送入卷积神经网络提取初步特征，随后把特征描述符送入多层感知机神经网络训练最后进行初步行为的分类，最后基于全局分类结果和个体分类结果进行多特征学习，形成最终分类结果。
-
公开(公告)号：CN105654501B
公开(公告)日：2019-07-09
申请号：CN201610096232.0
申请日：2016-02-22
Applicant: 北方工业大学
IPC: G06T7/136
Abstract: 本发明属于图像处理技术领域，具体说，涉及一种基于模糊阈值的自适应图像分割方法，包括：步骤1，对直方图进行预处理，获取具有双峰特性的图像直方图；步骤2，对预处理后的图像直方图进行梯度检测，确定波谷的位置；步骤3，根据波谷位置，确定波峰位置；步骤4，根据波峰的峰值，确定两临近波峰间的距离，并根据不同波峰间的距离计算不同图像的隶属函数窗宽大小；步骤5，确定分割阈值。实现了窗口宽度的自适应选取，并且有效改善了模糊阈值法对直方图呈不明显双峰的图像分割困难的缺点，拓展了模糊阈值图像分割方法的适用范围，改善了模糊阈值分割方法的分割效果。
-
公开(公告)号：CN105869166B
公开(公告)日：2018-07-10
申请号：CN201610188972.7
申请日：2016-03-29
Applicant: 北方工业大学
Abstract: 本发明公开了一种基于双目视觉的人体动作识别方法及系统，其中，该基于双目视觉的人体动作识别方法首先通过双目标定获取相机的内外参数，然后对左右相机分别拍摄的图像进行预处理及目标检测，以提取出目标轮廓，接着，从目标轮廓中提取出目标的边缘，之后，对左右两幅图像中的像素点进行匹配，将匹配的结果作为HMM模型进行训练的数据依据。按照上述方法训练出多个动作对应的HMM模型，当采集者在相机采集范围内做出动作时，可通过已训练好的多个HMM模型分别判断采集者做出相应动作的概率。本发明能够较准确的判断人体三维立体信息且运行成本较低。
-
公开(公告)号：CN104574421A
公开(公告)日：2015-04-29
申请号：CN201510047728.4
申请日：2015-01-29
Applicant: 北方工业大学
IPC: G06T7/00
Abstract: 本发明属于图像处理领域，具体而言，涉及一种大幅面小重合区域高精度多光谱图像配准方法及装置，其中，该方法包括对参考图像和待配准图像进行SIFT特征点提取；对提取的特征点进行匹配，获取参考图像和待配准图像的重合区域，得到初步的配准图像；利用随机抽样一致性算法筛选的内点，与最小二乘法拟合曲线结合，估算出初步变换矩阵；利用均方根误差RMSE对重合区域的特征点进行映射矩阵客观评价，筛除引起误差的误匹配点，迭代至配准图像精度达到亚像素级，获取精确变换矩阵。通过该方法本发明提高了大幅多光谱图像在少量重合区域时的配准精度。
-
公开(公告)号：CN110619261B
公开(公告)日：2022-03-22
申请号：CN201910163955.1
申请日：2019-03-05
Applicant: 北方工业大学
IPC: G06V40/10 , G06V10/764 , G06V10/80 , G06K9/62
Abstract: 本发明提供了一种基于多特征融合的人体交互行为识别方法、系统及装置，该方法包括：对交互视频中的多个独立个体，分别提取局部时空特征与全局光流特征；将所述局部时空特征与所述全局光流特征进行特征融合，获得局部时空特征与所述全局光流特征之间的相关性，进而得到每个独立个体的单人特征信息；通过并行长短期记忆网络，获得混合特征信息；基于混合特征信息，进行分类，获得交互行为识别结果。本发明的技术方案充分保留了交互中的行为信息和交互信息，大大提高了交互行为识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.023 seconds)
