-
公开(公告)号：CN106203318B
公开(公告)日：2019-06-11
申请号：CN201610524455.2
申请日：2016-06-29
Applicant: 浙江工商大学 , 浙江宇视科技有限公司
Abstract: 本发明公开了一种基于多层次深度特征融合的摄像机网络行人识别方法，其通过迁移预训练网络的参数到行人数据库，在行人数据库上学习了一个新的网络模型，利用新的网络模型提取多个不同层次的深度特征，并通过将卷积神经网络最后一层的Softmax分类器替换为SVM分类器，达到了充分利用多层深度特征的目的；进而利用不同层次的深度特征构造多组二分类的SVM分类器，并对这些二分类器的决策值进行线性加权得到最终分类结果。本发明在SVM分类器的决策层进行多层特征融合的方式能够有效提高对行人目标进行识别的准确率。
-
公开(公告)号：CN104881630B
公开(公告)日：2018-12-04
申请号：CN201510148453.3
申请日：2015-03-31
Applicant: 浙江工商大学
Abstract: 本发明公开了基于车窗分割与fuzzy特征的车辆识别方法，通过提取辆前脸图像的边缘；然后根据边缘进行四边形拟合，从而快速分割出车辆前窗挡风玻璃轮廓；接着提取挡风玻璃范围内的HSV图像直方图特征；最后通过HSV直方图的区域Fuzzy差异度量对比来检索车辆。本发明摆脱了单一依靠车牌检索的不可靠性，提高了车辆图像检索的效果。
-
-
公开(公告)号：CN108108724A
公开(公告)日：2018-06-01
申请号：CN201810053698.1
申请日：2018-01-19
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于多子区域图像特征自动学习的车辆检测器训练方法，涉及计算机视觉技术领域。本发明以RealBoost算法选择那些对于车辆检测应用具有较好性能的特征，每一种特征对应一个弱分类器，将多个弱分类器组合成一个强分类器；以级联的形式将多个强分类器构建成车辆检测器。这种表示方法的优点在于不仅可提取图像的外观特征，而且隐含地建模了产生这些外观特征的子区域的几何关系。
-
公开(公告)号：CN106228125A
公开(公告)日：2016-12-14
申请号：CN201610563188.X
申请日：2016-07-15
Applicant: 浙江工商大学
CPC classification number: G06K9/00798 , G06K9/6257
Abstract: 本发明公开了一种基于集成学习级联分类器的车道线检测方法，可以在单个CPU或DSP上实时的获取图中车道线准确的位置和方向信息，进而得到车道线方程，同时对交通场景的亮度变化具有一定鲁棒性。该检测方法过程：首先架设图像传感器，获取需提取车道线的彩色图像；然后基于前帧的检测结果提取感兴趣区域；再计算积分图和单尺度块LBP特征；接着采用集成学习遍历感兴趣区域，得到车道线细小区域；得到车道线细小区域后，最后使用基于最优化的办法得到车道线方程。
-
Patent Agency Ranking
公开(公告)号：CN106203318A
公开(公告)日：2016-12-07
申请号：CN201610524455.2
申请日：2016-06-29
Applicant: 浙江工商大学
CPC classification number: G06K9/00335 , G06K9/00362 , G06K9/6269 , G06N3/0454 , G06N3/08
Abstract: 本发明公开了一种基于多层次深度特征融合的摄像机网络行人识别方法，其通过迁移预训练网络的参数到行人数据库，在行人数据库上学习了一个新的网络模型，利用新的网络模型提取多个不同层次的深度特征，并通过将卷积神经网络最后一层的Softmax分类器替换为SVM分类器，达到了充分利用多层深度特征的目的；进而利用不同层次的深度特征构造多组二分类的SVM分类器，并对这些二分类器的决策值进行线性加权得到最终分类结果。本发明在SVM分类器的决策层进行多层特征融合的方式能够有效提高对行人目标进行识别的准确率。
-
公开(公告)号：CN106157307A
公开(公告)日：2016-11-23
申请号：CN201610510552.6
申请日：2016-06-27
Applicant: 浙江工商大学
IPC: G06T7/00
CPC classification number: G03B13/30 , G02B27/0075 , G03B3/02 , G06K9/00228 , G06K9/62 , G06N3/08 , G06T7/00 , G06T7/579 , H04N13/271
Abstract: 本发明公开了一种基于多尺度CNN和连续CRF的单目图像深度估计方法，其利用CRF模型根据DCNN的输出深度图计算单点势能，根据输入RGB图像计算成对稀疏势能，最后用MAP(最大化后验概率)算法推导出优化的深度图。本发明结合了多尺度CNN和连续CRF优化思想，不仅能够以较高的精确度估计出深度图，又能使得到的深度图轮廓清晰；本发明所估计的深度有比较高的分辨率，而且所得到的深度图能保留场景中所有对象的深度细节信息，具有更好的视觉效果。
-
公开(公告)号：CN103702128B
公开(公告)日：2016-11-16
申请号：CN201310731712.6
申请日：2013-12-24
Applicant: 浙江工商大学
IPC: H04N19/577
Abstract: 本发明涉及视频图像处理领域，特别涉及一种应用于视频帧速率上转换的插值帧生成方法，针对现有的块匹配运动估计算法或多或少都会产生一些错误的运动向量，并且局部误差可能导致插值帧质量急剧下降的问题，所提出的方法具有对运动向量的误差敏感程度低的特点，从而具有较好的鲁棒性。包括：(1)以多分辨率块匹配算法由粗及精地估计运动向量场；(2)根据可靠性准则判断运动向量的可靠性；(3)运动向量场作分辨率提升处理，对由不可靠的块分裂而成的子块作进一步的由候选向量确定初始位置、限制在较小区域内的块匹配搜索；(4)以运动补偿的形式将输入图像中的块投影到插值帧，以计数图记录插值帧中的像素与输入帧中像素的对应关系，标记那些非一一对应的像素，以多候选时间域加权滤波计算这些像素的值。
-
公开(公告)号：CN105574867A
公开(公告)日：2016-05-11
申请号：CN201510937455.0
申请日：2015-12-15
Applicant: 浙江工商大学
IPC: G06T7/00
CPC classification number: G06T2207/10012
Abstract: 本发明公开了一种根据曲率对三维模型进行空域分割的方法。本发明首先求出每个顶点在所有帧中的曲率期望。其次根据顶点曲率期望将顶点初始归为块。然后对上述的s块根据拓扑进一步分块，将s块中拓扑连续的顶点归为一块并将顶点索引存入元胞矩阵B中，最后将上述进一步划分的块进行相邻块间的聚类。本发明用曲率衡量模型的运动剧烈程度，将顶点曲率期望相近且拓扑连续的点聚为一类。这样便可使拓扑连续且具有相同的运动趋势的顶点聚为一类，使得分割效果更优。
-
公开(公告)号：CN104680567B
公开(公告)日：2016-05-11
申请号：CN201510057363.3
申请日：2015-02-04
Applicant: 浙江工商大学
IPC: G06T13/20
Abstract: 本发明公开了一种根据曲率对三维模型进行帧聚类的方法。本发明首先求出所有帧的中心点。其次分别求出这些中心点在x，y，z方向上的一阶导数、二阶导数存入相应的矩阵。然后求各帧中心点的曲率，对所有曲率进行从大到小排序，再选取合适的前k个曲率。最后把选出来的k个曲率对应的帧索引当作聚类簇的节点，将所有的帧分为k+1簇。本发明利用曲率的物理意义、三维空间中曲率的求解方法及中心差分法求某离散点的导数，从而达到很好的聚类效果且计算简单。
-
-
-
-
-
-
-
-
-
Search Results
199
records
(took 0.069 seconds)
