-
公开(公告)号：CN108650511B
公开(公告)日：2021-09-28
申请号：CN201810458872.0
申请日：2018-05-15
Applicant: 南京邮电大学
IPC: H04N19/176 , H04N19/149 , H04N19/147 , H04N19/124 , H04N19/19
Abstract: 本发明公开了一种基于背景失真传播的监控视频率失真优化编码方法，首先将编码块分为背景块和前景块，构建背景块失真传播模型，基于背景块失真传播模型进行全局率失真优化，获得全局率失真优化的参数，利用掩膜标记背景块，对掩膜进行无损编码，基于非对称量化参数对背景块编码，在解码端对背景块掩膜和非对称量化参数偏移值进行解码，实现对背景块的重构。本发明实现监控视频压缩性能和编码效率的提高，解决背景和前景在编码中互相影响导致编码效率低的技术问题。
-
公开(公告)号：CN110532843A
公开(公告)日：2019-12-03
申请号：CN201910337704.0
申请日：2019-04-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于对象级轨迹的细粒度行为识别方法，包括以下过程：S1，从足球停球事件视频的各图像中检测出球员和足球的位置；S2，从视频中截取固定数量帧作为有效帧；S3，从各有效帧中提取对象级轨迹特征和球的瞬时移动特征；S4，将所有有效帧的对象级轨迹特征和球的瞬时移动特征输入分类器，判断此次停球事件是否成功。本发明通过引入对象级轨迹，具体地描述人与物体之间的交互性，能够有效地识别细粒度行为。
-
公开(公告)号：CN108769993A
公开(公告)日：2018-11-06
申请号：CN201810458873.5
申请日：2018-05-15
Applicant: 南京邮电大学
CPC classification number: H04W12/12 , G06K9/6268
Abstract: 本发明公开了一种基于生成对抗网络的通信网络异常用户检测方法，首先对异常用户的数据进行规则化，得到维度和量级均一致的数据；对生成对抗网络进行训练，即对生成器和鉴别器进行训练，实现对异常用户的过采样；将生成器生成的数据与正常用户组成训练数据集，利用深度全连接神经网络对训练数据集进行分类，判断用户类型；本发明通过生成对抗网络中神经网络之间的相互博弈式训练方式，实现对异常用户数据分布的逼近，实现异常用户检测，解决训练数据集中比例不均衡影响分类模型训练效果的技术问题。
-
公开(公告)号：CN108650511A
公开(公告)日：2018-10-12
申请号：CN201810458872.0
申请日：2018-05-15
Applicant: 南京邮电大学
IPC: H04N19/176 , H04N19/149 , H04N19/147 , H04N19/124 , H04N19/19
Abstract: 本发明公开了一种基于背景失真传播的监控视频率失真优化编码方法，首先将编码块分为背景块和前景块，构建背景块失真传播模型，基于背景块失真传播模型进行全局率失真优化，获得全局率失真优化的参数，利用掩膜标记背景块，对掩膜进行无损编码，基于非对称量化参数对背景块编码，在解码端对背景块掩膜和非对称量化参数偏移值进行解码，实现对背景块的重构。本发明实现监控视频压缩性能和编码效率的提高，解决背景和前景在编码中互相影响导致编码效率低的技术问题。
-
-
-
Search Results
14
records
(took 0.023 seconds)
