-
公开(公告)号：CN111062931B
公开(公告)日：2021-08-03
申请号：CN201911325073.7
申请日：2019-12-20
Applicant: 河北工业大学
Abstract: 本发明一种被拼接篡改的图像的检测方法，涉及图像分析，是基于光源图和金字塔特征图的被拼接篡改的图像的检测方法，利用两个结构相同的卷积神经网络分别提取被拼接篡改图像及其对应光源图的多阶段特征，结合多尺度信息，将两组多阶段特征进行融合和上采样，得到金字塔特征图，将金字塔特征图不同层分别经过区域生成网络，得到篡改候选区域,经过ROI Align生成固定尺寸特征图，对固定尺寸特征图进行分类、边界框回归和掩码预测，最后得到篡改区域的边界框和像素级定位，完成对被拼接篡改的图像的检测，克服了现有技术提取的图像篡改特征单一不全面，容易忽略区域较小的篡改目标，不能实现端到端的像素级定位的缺陷。
-
公开(公告)号：CN109753950B
公开(公告)日：2020-08-04
申请号：CN201910109704.5
申请日：2019-02-11
IPC: G06K9/00
Abstract: 本发明动态人脸表情识别方法，涉及用于识别图形的图像特征或特性的方法，是一种基于几何特征及语义特征的动态人脸表情识别方法，步骤是：动态人脸图像序列的预处理；人脸表情灰度图像的人脸表情帧检测与特征点标注；人脸表情灰度图像上人脸表情三角形区域的标定；人脸表情灰度图像上人脸表情三角形区域的几何特征的提取；人脸表情灰度图像上的语义特征的分析与提取；SVM分类器训练并得到分类结果；完成动态人脸表情的识别。本发明克服了现有技术普遍存在实时性差、易受光照影响、特征维数和时间复杂度高进而影响到人脸表情识别率符合要求的缺陷。
-
公开(公告)号：CN111339903A
公开(公告)日：2020-06-26
申请号：CN202010108983.6
申请日：2020-02-21
Applicant: 河北工业大学
Abstract: 本发明一种多人人体姿态估计方法，涉及用于识别图形的记录载体的处理，是一种基于深度特征的多人人体姿态估计方法，该方法构建了由主体网络与微调网络两部分组成的深度特征人体关键点检测模型，采用自底向上与自顶向下两种方法结合的两阶段训练方法训练深度特征人体关键点检测模型，最终利用两阶段训练好深度特征人体关键点检测模型检测人体关键点，并通过人体关键点聚类处理去除不属于目标人的冗余关键点，进而输出多人人体姿态估计结果，克服了现有多人人体姿态估计方法技术所存在的在人群稠密情况下，对目标人体遮挡干扰鲁棒性差，人体关键点检测正确率较低的缺陷。
-
公开(公告)号：CN111339837A
公开(公告)日：2020-06-26
申请号：CN202010083258.8
申请日：2020-02-08
Abstract: 本发明一种连续手语识别方法，涉及用于识别图形的记录载体的处理，是基于对多模态图像序列特征融合和自注意力机制的编码解码网络的连续手语识别的方法，首先获得光流图像序列，通过原始手语图像序列和光流图像序列时空特征的提取和多模态图像序列时空特征融合，和手语句子标签的文本特征序列的提取，将融合后的多模态图像序列时空特征和提取的手语句子标签的文本特征序列输入到基于自注意力机制的编码解码网络中进行手语标签预测输出，克服了现有技术存在的特征单一、视频需要分割的缺陷。
-
公开(公告)号：CN106599854B
公开(公告)日：2020-03-27
申请号：CN201611174690.8
申请日：2016-12-19
Applicant: 河北工业大学
Abstract: 本发明基于多特征融合的人脸表情自动识别方法，涉及识别图形的方法，是一种融合人脸表情图像和人脸表情重要区域图像的Gabor特征以及多尺度ACILBP特征直方图的方法，步骤是：人脸表情图像及人脸表情重要区域图像预处理；对人脸表情图像和人脸表情重要区域图像分别提取Gabor特征，并赋予不同权值，融合得到两层人脸表情图像的Gabor特征；利用ACILBP算子提取多尺度ACILBP特征直方图；特征融合得到人脸表情特征数据；采用SVM分类器进行人脸表情的训练和预测，实现人脸表情自动识别。本发明克服了现有技术普遍存在对光照和噪声的鲁棒性差，没有考虑局部信息与整体信息的充分利用因而识别率低下的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN109448015A
公开(公告)日：2019-03-08
申请号：CN201811272256.2
申请日：2018-10-30
Applicant: 河北工业大学
Abstract: 本发明基于显著图融合的图像协同分割方法，涉及图像处理技术领域，步骤是：输入图像组，预分割图像；计算图像Ij的对象图obj；计算图像Ij的基于DRFI的显著图Sd，计算图像Ij的基于背景先验优化的显著图Sr，计算图像Ij的基于近邻优化的显著图Ssca，计算图像Ij的基于DRFI和对象性的显著图Sdo，计算图像Ij的基于背景先验优化和对象性的显著图Sro；计算融合的显著图S；协同项优化融合的显著图S；结合数据项和平滑项协同分割，本发明克服了现有技术在分割结果中前景目标缺失，以及前景目标在边界处无法准确分割的问题。
-
公开(公告)号：CN109447970A
公开(公告)日：2019-03-08
申请号：CN201811274899.0
申请日：2018-10-30
Applicant: 河北工业大学
CPC classification number: G06T7/0002 , G06K9/00228 , G06K9/6257 , G06T7/90 , G06T2207/10024 , G06T2207/30168
Abstract: 本发明基于能量转移和均匀缩放的图像重定向方法，涉及整个或部分图形的定标的图像数据处理，步骤是：输入图像进行预处理； ：提取彩色RGB图像Icolor的重要度图，根据累积能量矩阵确定最佳接缝，重要度更新，移除最佳接缝，评价缝裁剪后图像的变形程度； ：对完成上述“A.对图像进行水平方向缩放”的图像数据进行转置，重复上述第二步到第六步的操作进行并完成对图像进行垂直方向上的缩放；本发明克服了现有技术存在的在图像缩放中原图像主体目标会发生明显变形、图像全局信息丢失以及留有明显的人工处理痕迹以及时间复杂度高的缺陷。
-
公开(公告)号：CN105550660B
公开(公告)日：2018-11-23
申请号：CN201511002347.0
申请日：2015-12-26
Applicant: 河北工业大学
IPC: G06K9/00
Abstract: 本发明一种机织物组织结构种类的识别方法，涉及图像分析，是基于纱线边界特征的机织物组织结构种类的识别方法，步骤是：机织物图像预处理；亮度投影纠斜并分割组织点图像；局部机织物组织点图像归一化；计算机织物组织点图像纱线边界特征；对机织物组织点图像识别经纬属性；计算组织循环纱线数；矫正机织物组织点图像经纬属性；识别机织物组织结构种类并输出机织物组织图；本发明克服了现有机织物组织结构种类识别方法中识别率较低，亮度及色彩变化对识别结果影响较大，无法应对光照不均匀、纱线粗细和颜色变化的机织物组织结构种类，难以识别纱线和纤维扭曲形变机织物的组织结构种类的缺陷，同时对斜纹和缎纹组织极其变化组织均具有识别效果。
-
公开(公告)号：CN106778788A
公开(公告)日：2017-05-31
申请号：CN201710025626.1
申请日：2017-01-13
Applicant: 河北工业大学
Abstract: 本发明对图像进行美学评价的多特征融合方法，涉及一般的图像数据处理的图像分析，步骤是：输入彩色RGB图像I，并进行显著区域检测得到主体区域和背景区域；彩色RGB图像I在不同颜色空间的特征向量提取：包括提取色彩调和特征向量，提取构图特征向量，提取颜色特征向量，提取清晰度特征向量，提取纹理特征向量，提取DCT统计特征向量共六类特征向量；将提取的六类特征向量融合后利用SVM分类器将图像按美学分数高低分为两类，实现图像的美学评价，克服了现有技术利用多特征融合方法进行图像美学评价时，存在对于颜色复杂图像的美学评价效果不好，不能很好地适用于各种类型图像美学评价的缺陷。
-
公开(公告)号：CN106127196A
公开(公告)日：2016-11-16
申请号：CN201610829694.9
申请日：2016-09-14
Applicant: 河北工业大学
IPC: G06K9/00
Abstract: 本发明基于动态纹理特征的人脸表情的分类与识别方法，涉及图像特征或特性的抽取，是一种利用加权多尺度ASCBP‑TOP算子提取人脸表情图像序列的动态纹理特征的人脸表情分类与识别方法，步骤是：人脸表情图像预处理；根据不同尺度对人脸表情图像序列进行分块，构建多尺度空间；利用加权多尺度ASCBP‑TOP算法提取人脸表情图像序列的动态纹理特征；采用支持向量机(SVM)分类器进行人脸表情的分类与识别。本发明方法克服了现有技术方法中忽略中心像素的作用、忽略人脸表情图像纹理的粗细程度以及局部细节的运动变化信息、稳定性较差、且噪声敏感的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.032 seconds)
