一种基于局部区域划分的行人识别方法

    公开(公告)号:CN108710824A

    公开(公告)日:2018-10-26

    申请号:CN201810314925.1

    申请日:2018-04-10

    CPC classification number: G06K9/00362 G06K9/342 G06K9/4604 G06K9/4642

    Abstract: 本发明提供一种基于局部区域划分的行人识别方法,属于行人识别领域,包括:对目标行人图像处理后先划分目标子区域再对其提取综合特征值;同样对样本行人图像处理后先划分样本子区域再对其提取综合特征值;将样本子区域的综合特征值与目标子区域的综合特征值对比;根据对比结果选取有效区域,判定目标行人图像中行人的身份。基于上述行人识别方法,与现有把行人外观看成一个整体进行识别的方法相比,该行人识别方法通过对处理后的目标行人图像进行划分得到目标子区域,在所有目标子区域中选取受光照、行人姿势、行人附属物体遮挡等影响较小的有效区域,根据有效区域判定目标行人图像中行人身份,从而提高了识别精度。

    一种网络流量预测方法、系统、计算机设备及存储介质

    公开(公告)号:CN119728461A

    公开(公告)日:2025-03-28

    申请号:CN202510246506.9

    申请日:2025-03-04

    Abstract: 本发明提供了一种网络流量预测方法、系统、计算机设备及存储介质,所述方法为基于预设多尺度时域周期对根据预设采样时长间隔获取的当前预测周期的待处理网络流量时序数据进行预处理得到多个时间尺度的待分析流量时序数据和图拉普拉斯矩阵后,基于以最小化图的总变差为优化目标对不同时间尺度的图拉普拉斯矩阵进行加权融合得到的多尺度融合图拉普拉斯矩阵生成有向图邻接矩阵,再根据有向图邻接矩阵和预设预测时间尺度的待分析流量时序数据,基于预设流量预测模型得到当前预测周期的网络流量预测值。本发明能够基于流量的时域周期性,在复杂动态环境下自适应学习流量数据的真实内在关联性,进而有效提升网络流量实时预测的可靠性和精准性。

    水印图像的处理方法
    30.
    发明授权

    公开(公告)号:CN109035122B

    公开(公告)日:2023-01-20

    申请号:CN201810427314.8

    申请日:2018-05-07

    Abstract: 本发明提供了水印图像的处理方法,属于数字图像领域,包括:将载体图像区分为感兴趣区域与非感兴趣区域;对非感兴趣区域分块后经离散余弦变换得到低频带系数;令二进制流序列经卷积编码器和M‑ary调制器处理后嵌入到低频带系数中进行离散余弦逆变换得到水印区域图像。通过卷积编码器对由水印信息转换成的二进制流序列进行编码得到码字序列,降低了水印恢复时的误码率,提高了水印的鲁棒性,再通过M‑ary调制器对码字序列进行调制得到十六进制流序列,得到的十六进制流序列能降低码间串扰的影响,进而增强了水印对外界的抗攻击能力,使得多媒体产品中水印不易受损,起到了版权保护的效果。

Patent Agency Ranking