一种使用聚合通道特征和软级联分类器的行人检测方法

    公开(公告)号:CN103886308A

    公开(公告)日:2014-06-25

    申请号:CN201410150661.2

    申请日:2014-04-15

    Applicant: 中南大学

    Abstract: 本发明公开了一种使用聚合通道特征和软级联分类器的行人检测方法,包括以下步骤:步骤1:获取图像,并对图像进行预处理构成图像金字塔;步骤2:从图像金字塔中提取聚合通道特征金字塔;步骤3:在聚合通道特征金字塔上按照设定的步长滑动检测窗口,获得检测块;步骤4:使用已训练好的多个软级联分类器将步骤3获得的检测块依次分类为含有行人或不含行人的检测块;步骤5:被分类为含有行人的检测块标记为行人候选窗口,并记录每个行人候选窗口的分类得分;步骤6:去除重叠行人候选窗口;步骤7:输出行人检测结果。聚合通道特征有效描述了行人类的外观共性。多个软级联分类器组成检测器的方式较好处理了训练数据不平衡问题,提高了检测能力。

    一种基于动态手势的身份认证方法

    公开(公告)号:CN103442114A

    公开(公告)日:2013-12-11

    申请号:CN201310358968.7

    申请日:2013-08-16

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于动态手势的身份认证方法,该方法利用智能手机加速度传感器获取手势执行时的动态信息,采用结合放宽端点限制和提前终止的DTW高效方法对手势动态信息进行匹配认证。结合放宽端点限制和提前终止的DTW高效方法利用放宽匹配路径端点限制解决了手势序列间因端点不对齐而引起的认证失败问题,同时也利用弯折斜率限制和提前终止策略减少了计算量,实验表明本方法在身份认证的精度和效率方面都有较好的结果。

    一种结合自底向上和自顶向下的图像感兴趣区域提取方法

    公开(公告)号:CN102063623A

    公开(公告)日:2011-05-18

    申请号:CN201010609931.3

    申请日:2010-12-28

    Applicant: 中南大学

    Abstract: 本发明提出一种结合自底向上和自顶向下的图像感兴趣区域提取方法。该方法采用交互式的方式,由用户将其携带的观察任务等自顶向下信息转换为输入图像底层特征的不同权重值,同时结合Itti-Koch模型和Stentiford模型,吸取两模型优点,实现用户任务与图像视觉刺激相结合的感兴趣区域提取方法。将用户的查询意图以及对图像的理解转换为显著图权重的方式,即通过对底层特征加以相应权重来影响显著图的求解,缩短了用户查询意图与图像底层特征间的鸿沟,提取出来的感兴趣区域更符合用户的要求。对多幅图像的处理结果表明使用该方法提取用户感兴趣区域具有较好的结果。

    一种基于虚拟人脸模型的微表情数据生成方法

    公开(公告)号:CN110942503B

    公开(公告)日:2022-02-11

    申请号:CN201911104316.4

    申请日:2019-11-13

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于虚拟人脸模型的微表情数据生成方法,包括如下步骤:步骤1:基于真实微表情数据集,获取微表情的运动信息,包括各种微表情的动作单元组合及相应的运动强度和运动高峰位置;生成虚拟人脸模型;步骤2:对虚拟人脸模型添加微表情运动信息,从而生成微表情数据。本发明方法能够产生高质量的微表情数据。

    基于累积光流加权特征的微表情识别方法

    公开(公告)号:CN111597864A

    公开(公告)日:2020-08-28

    申请号:CN201910129226.4

    申请日:2019-02-21

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于累积光流加权特征的微表情识别方法,包括如下步骤:步骤A:对输入视频中的各图像进行预处理;步骤B:对经过步骤A预处理的视频图像进行光流提取,并将光流进行累加以获得累积光流图;步骤C:由步骤B获得的累积光流图计算出反应面部各个区域运动强度的权重矩阵;步骤D:对原始视频提取LBPTOP特征。使用步骤C计算出的权重矩阵对相应位置的LBPTOP特征进行加权已获得最后的分类特征;步骤E:以分类特征作为输入,训练出一个用于识别微表情的分类器,对于每一个新的视频,通过步骤A、B、C、D提取出特征向量后,送入训练好的分类器进行分类预测,实现微表情自动识别。本发明识别准确率高。

Patent Agency Ranking