-
公开(公告)号：CN104318214A
公开(公告)日：2015-01-28
申请号：CN201410583963.9
申请日：2014-10-27
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/00221 , G06K9/6269
Abstract: 本发明是一种基于结构化词典域转移的交叉视角人脸识别方法，其包括步骤：S1：将训练出每个对样本类别有区分性的子词典串接构成结构化的源域词典；S2：学习目标域和多个中间域词典；S3：对源域及目标域的图像人脸编码、源域词典、目标域词典和多个中间域词典计算，得到并分别将源域及目标域人脸图像的源域重构图像、目标域重构图像和中间域重构图像串接组成源域人脸图像的域共享特征和目标域人脸图像的域共享特征；S4：根据源域人脸图像的域共享特征，对源域人脸集中的每一类样本训练一个支持向量机模型；将目标域人脸图像的域共享特征输入所有类别的支持向量机模型，取得分数最高的支持向量机模型对应的类别定义为目标域人脸图像的类别。
-
公开(公告)号：CN103544503A
公开(公告)日：2014-01-29
申请号：CN201310566006.0
申请日：2013-11-14
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于多实例马尔科夫模型的行为识别方法。该方法包括以下步骤：对每个视频提取局部特征，用一个局部视频块的特征直方图来表示行为的某个局部运动；通过随机采样的方式得到许多局部视频块，这些局部视频块将形成多个马尔科夫链，这些马尔科夫链表示为某些局部运动在时间上的连续动作；在多实例学习的框架下，模型选择最具有判别性能的马尔科夫链表示行为；测试时，以同样的方式构成多个马尔科夫链表示视频，然后计算出这些马尔科夫链的分数，大于某个阈值为这种行为，反之不属于这种行为。本发明通过多实例马尔科夫模型，达到复杂场景下行为识别的目的，并可以减少对视频的标注。
-
公开(公告)号：CN103400160A
公开(公告)日：2013-11-20
申请号：CN201310364990.2
申请日：2013-08-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种零训练样本行为识别方法，该方法包括以下步骤：提取每个动作视频样本的特征向量；设定多个人体运动属性以及每个人体运动属性下动作视频对之间的关系；将动作视频对关系作为输入，利用排序支持向量机进行训练；利用输出的排序分数，对每一类有训练样本的人体行为拟合得到混合高斯模型；利用迁移学习获得零训练样本人体行为类别的混合高斯模型；提取测试视频样本的特征向量；利用最大后验概率原则，判断测试视频样本中零训练样本人体行为所属的类别。本发明通过利用混合高斯模型拟合排序分数，达到行为识别的目的，并通过最大后验判断所属类别，从而提高行为识别的鲁棒性。
-
公开(公告)号：CN103035001A
公开(公告)日：2013-04-10
申请号：CN201210520167.1
申请日：2012-12-06
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明公开了一种基于超像素分割的地基云自动检测方法，该方法包括：利用超像素分割算法将输入的RGB云图分割为多个超像素块；根据各颜色通道的图像，得到特征图像；计算每一超像素块的局部阈值；利用双线性插值算法得到阈值矩阵；比较阈值矩阵与特征图像得到每个像素点的判断结果；利用判断结果以及像素点之间的位置对应关系，得到输入的RGB云图的云检测结果。本发明方法能够尽可能地保持超像素块中的一致性，获得更好的云检测结果，从而具有较好的鲁棒性和准确性。
-
公开(公告)号：CN102156871B
公开(公告)日：2012-12-12
申请号：CN201010112518.6
申请日：2010-02-12
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明为基于类别相关的码本和分类器投票策略的图像分类方法，首先图像数据集预处理模块将图像表示为局部显著区域图像块的集合；类别相关的码本生成模块生成类别相关的码本；图像向量化模块根据类别相关的码本，将图像表示为图像向量，类别相关分类器训练模块选择其中的训练图像向量和训练图像对应的类别标签训练任意两个类别之间的分类器；最后，基于分类器投票策略的测试图像分类模块根据各个分类器的投票结果，确定测试图像的类别标签。类别相关码本生成模块有效地解决了码本过大导致维数灾难与码本过小判别性不足的矛盾；同时类别相关的分类器训练模块也摆脱了多类别分类中样本不均衡产生的问题，提高了分类性能。
-
Patent Agency Ranking
公开(公告)号：CN101872475A
公开(公告)日：2010-10-27
申请号：CN200910082084.7
申请日：2009-04-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明为一种扫描文档图像配准的方法，步骤如下：由改进的特征点检测、旋转参数粗估计、特征点粗匹配、误匹配特征点剔除、精细匹配共五个步骤：对于标准扫描文档图像和待匹配扫描文档图像采用改进的特征点检测算法检测特征点，由特征点的位置估计待匹配扫描文档图像相对与标准扫描文档图像的粗步旋转角度，对于标准图像和经过粗步旋转后的扫描文档图像中的特征点用归一化相关法计算匹配特征点对，并用改进随机采样一致性鲁棒算法剔除误匹配，通过八邻域搜索得到精确的匹配点对的位置，计算标准扫描文档图像与粗步旋转后的待匹配扫描文档图像间的匹配参数，将参数作用于粗步旋转后的待匹配扫描文档图像得到配准图像。
-
公开(公告)号：CN101414356B
公开(公告)日：2010-09-15
申请号：CN200710175973.9
申请日：2007-10-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及基于模板匹配的信息填涂卡识别方法，利用空白信息卡建立模板图像信息，获得模板信息卡；设置模板信息卡涂点选项的有效填涂阈值；提取待识别模板信息卡涂点模板选项的背景模式定义，分别调用模板选项不同的背景模式进行涂点识别；若识别涂点结果大于等于设定的阈值，则认为该选项被有效填涂，否则是无效填涂；本发明能适用于不同类型灰度模式的识别，识别结果分级，灵活性高，能提高整体识别率；可批量识别，实现人机结合，更好地满足了实际应用的需要。本发明对所有选项区域进行定义，获得准确的模板信息。利用当前图像与模板图像之间的差异性进行识别，解决了纹理背景干扰的问题。
-
公开(公告)号：CN100535931C
公开(公告)日：2009-09-02
申请号：CN200610112886.4
申请日：2006-09-06
Applicant: 中国科学院自动化研究所
IPC: G06K9/80
Abstract: 本发明涉及图像处理与模式识别学技术领域，公开一种多分辨率退化字符自适应识别系统及方法，针对多分辨率退化字符识别问题，本发明系统包括多分辨率图像质量判别装置，多分辨率退化字符识别装置。方法包括：对字符库中输入字符图像按着不同分辨率字符图像质量进行判别；以及根据多分辨率字符图像质量判别数据对多分辨率的退化字符进行自适应识别。本发明将字符图像质量信息加入多分辨率退化字符识别过程，根据输入字符图像分辨率质量的前馈信息自适应地选择子分类系统，从而提高多分辨率退化字符识别方法的性能。
-
公开(公告)号：CN101493819A
公开(公告)日：2009-07-29
申请号：CN200810056726.1
申请日：2008-01-24
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开了一种搜索引擎作弊检测的优化方法，该方法包括：步骤S1：预处理所有网页和超链接，进行特征提取，针对提取的特征进行初步作弊检测；步骤S2：在初步作弊检测结果的基础上，进行二级特征提取，提取出聚类特征、传递特征和近邻特征；步骤S3：在初步作弊检测结果和二级特征提取结果的基础上，采用机器学习算法对作弊进行再检测，并生成检测结果。利用本发明，解决了现有技术中启发式作弊检测方法的不稳定性问题，并最大程度上优化了搜索引擎作弊检测的性能。
-
公开(公告)号：CN101377847A
公开(公告)日：2009-03-04
申请号：CN200710121080.6
申请日：2007-08-29
Applicant: 中国科学院自动化研究所
IPC: G06T3/00
Abstract: 本发明涉及图像处理学科技术领域，特别是一种通用型文档图像的配准及特征点选取方法。该方法以图像轮廓作为文档图像配准特征，并以轮廓点表示文档图像轮廓。方法过程为：首先，以文档图像轮廓点为候选点，通过特征点选择方法分别在参考图像和配准图像中自动选取若干点作为图像配准特征点；然后，以射影变换不变量作为相似度量，在特征点集中寻找若干个候选的匹配点集对，并计算出点集对对应的几何变换作为候选配准变换；最后，以轮廓匹配度为度量，从候选配准变换中寻找最优匹配的变换，作为最终配准变换，对文档图像进行配准。该方法能胜任不同类型文档图像的配准，并且在效率和鲁棒性上表现良好。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.027 seconds)
