-
公开(公告)号：CN110516528A
公开(公告)日：2019-11-29
申请号：CN201910611587.2
申请日：2019-07-08
Applicant: 杭州电子科技大学 , 中国电子科技集团公司第三十六研究所
Abstract: 本发明涉及一种基于运动背景下的动目标检测和跟踪方法，该方法步骤为：(1)运动目标检测。(2)建立目标特征库：建立目标库、检测提取第一帧目标区域、进行SIFT特征提取并存入特征库。(3)帧处理：读取当前帧，当前帧的待搜索区域与特征库进行SIFT匹配，运用RANSAC去除错配点，根据匹配结果框选出目标当前位置。(4)更新特征库：根据特征匹配结果及目标位置，更新目标特征库。(5)以目标新位置为起始，重复步骤(2)～(4)，实现对复杂背景下目标的跟踪。本发明对照明、背景、目标外观的变化具有良好的适应性，解决了动态背景下目标难以检测的问题，以及目标尺度变化和遮挡造成的目标丢失问题，减小了跟踪误差。
-
公开(公告)号：CN108681734A
公开(公告)日：2018-10-19
申请号：CN201810522449.2
申请日：2018-05-28
Applicant: 杭州电子科技大学
CPC classification number: G06K9/3233 , G06K9/40
Abstract: 本发明属于图像信息安全领域，涉及一种基于样本选择的图像相机来源鉴别方法。本发明结合主成分分析以及随机子空间提出的随机子空间法一定程度上减小了图像内容的影响。为了改善鉴别受图像细节影响的问题，实现了基于样本选择的图像来源鉴别方法。通过分析图像的纹理特征特性，利用灰度共生矩阵计算图像区域的复杂度，选取出图像中复杂度较小的区域，从而提取出较为可靠的模式噪声，提高鉴别准确率。与其它基于模式噪声的图像来源鉴别方法相比，样本选择法能够提取出更为纯净的模式噪声，进一步提高图像来源鉴别的准确率，为图像来源鉴别工作提供了一种新的解决方案。
-
公开(公告)号：CN108446589A
公开(公告)日：2018-08-24
申请号：CN201810122730.7
申请日：2018-02-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种复杂环境下基于低秩分解和辅助字典的人脸识别方法。本发明步骤如下：1.通过非凸稳健主成分分析法对输入人脸图片进行低秩分解，求解基于范数的目标函数，得到初步去除复杂环境影响的低秩内容；2.基于核范数的去相关性低秩分解：在目标函数中添加去除类间相关性的正则项，并将上一步骤获得的低秩内容进行奇异值分解后用作初始化矩阵，通过ADMM算法交替迭代求解得到用于识别的低秩字典。3.基于辅助字典学习的分类识别：获得模拟复杂环境变化的辅助字典，并通过与低秩字典联立使用，通过RADL进行人脸分类识别。本发明使用到的低秩分解目标函数能够充分去除干扰信息，使分解后的人脸图像更具有身份识别能力和抗环境干扰性。
-
公开(公告)号：CN119762632A
公开(公告)日：2025-04-04
申请号：CN202411503462.5
申请日：2024-10-25
Applicant: 杭州电子科技大学
IPC: G06T13/20 , G06V10/80 , G06N3/047 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于光流信息的扩散模型视频生成方法。首先对现有数据集中的视频进行预处理，获取参考图像信息和光流信息；然后使用标准Stable Diffusion模型作为视频生成的主干网络；使用两个与标准SD模型中Unet结构相同的Unet分别提取参考图像特征和光流特征，参考图像特征在自注意力层与SD模型Unet的自注意力层进行融合，光流特征在交叉注意力层和SD模型Unet的时序注意力层进行融合。同时为了更好的利用光流信息，本发明提出了运动损失来进一步提高网络的生成效果。另外，本发明也采用了多样化的提示信息使得网络能够获得更加稳定的生成效果。
-
公开(公告)号：CN119672769A
公开(公告)日：2025-03-21
申请号：CN202411493371.8
申请日：2024-10-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多任务学习的端侧指纹表征识别方法。首先对指纹图片进行预处理，然后将预处理后的训练数据输入主干神经网络，得到基础特征；之后将基础特征输入细节点提取网络，经过多层卷积和反卷积，生成纹理信息图。将基础特征输入多层感知机，生成拓扑信息，并得到对应的类别信息。最后将基础特征、纹理信息和拓扑信息通过联合损失函数，反向传播于三个网络模块进行更新，以达到将基础特征在纹理信息和拓扑信息的辅佐下转化为指纹表征信息的目的。本发明使用多任务学习方法，多尺度学习指纹特征信息，有效提升指纹识别精度。本发明将指纹多尺度信息融合为一个指纹表征，使得鲁棒性更强。本发明全程采用轻量级网络，节省了硬件资源开销，更加适配端侧设备。
-
Patent Agency Ranking
公开(公告)号：CN116912907A
公开(公告)日：2023-10-20
申请号：CN202310734013.0
申请日：2023-06-20
Applicant: 杭州电子科技大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于对抗网络的多年龄段图像生成的方法。本发明实现步骤为：步骤1、输入批量待训练的图像，并对图像做增强处理；步骤2、将年龄分成六个年龄段，共生成五个生成对抗模型，分别记为生成对抗模型G1、G2、G3、G4、G5；每个生成对抗模型只学习相邻年龄段的年龄特征，同时判别器判断生成图像的真伪性并优化生成图像质量，年龄估计网络使得生成的人脸图像更加接近真实年龄；步骤3、计算年龄损失和生成网络损失并优化参数；步骤4、根据训练好的模型，对待测图片进行评估测试精度。本发明的优势在于针对不同表情和姿势的人脸，都能实现理想的老龄化和年轻化，生成图片质量高，适用范围广、模型精确度高、鲁棒性强。
-
公开(公告)号：CN116682164A
公开(公告)日：2023-09-01
申请号：CN202310734002.2
申请日：2023-06-20
Applicant: 杭州电子科技大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种增加不确定性预测的年龄估计方法。本发明包括如下步骤：1：对输入的批量人脸图像进行预处理和图像增强；2：将处理后的图像输入到特征提取网络进行特征提取，将提取到的特征值输入到年龄均值网络F和不确定性网络N进行计算；步骤3：以年龄均值网络输出和对应年龄不确定性网络输出分别为正态分布的均值和方差，从该正态分布中采样得到预测年龄；步骤4：通过MSE计算损失函数，反向传播更新参数；步骤5：针对数据集中所有数据重复50次步骤1到步骤4。本发明根据人脸年龄估计特点所设计的图像增强以及年龄不确定性的定量引入，使得模型泛化能力更强，可以更有效的预测人脸年龄。
-
公开(公告)号：CN116612239A
公开(公告)日：2023-08-18
申请号：CN202310556752.5
申请日：2023-05-17
Applicant: 杭州电子科技大学
Abstract: 本公开了一种基于Hourglass网络和MLP的3D人物模型生成方法。本发明步骤包括：步骤1、将人物的正面图像和背面图像作为输入图像，得到人物正面深度图和背面深度图和法线图信息；步骤2、基于输入的正面图像和背面图像生成一个低分辨率空间占用信息；步骤3、基于法线图信息和人物的正面图像和背面图像生成一个高分辨率空间占用信息；步骤4、融合模型；将低分辨率空间占用信息和高分辨率空间占用信息结合后训练3D表面模型，得到完整人物3D模型；步骤5、测试重建后的人物3D模型，进行评估精度。本发明使用日常使用的拍摄设备，普通人的拍摄水平，生成足够细腻的3D人物模型，适用范围广、模型精确度高、鲁棒性强。
-
公开(公告)号：CN110929720B
公开(公告)日：2022-11-04
申请号：CN201911031508.7
申请日：2019-10-28
Applicant: 杭州电子科技大学 , 中国电子科技集团公司第三十六研究所
IPC: G06V20/62 , G06V10/75 , G06V10/74 , G06V30/146 , G06V30/148
Abstract: 本发明涉及一种基于LOGO匹配和OCR的元器件检测方法，该方法步骤为：建立LOGO图片库：采集含有LOGO图案的元器件的图像，并将LOGO图案存入LOGO库；去噪处理：使用中值滤波对元器件图片进行去噪处理，获取更加清晰的图片；字符串区域定位与分割：对元器件图片进行字符行区域的目标检测，获取元器件图片上字符串区域并将字符串区域分割保存成图片；字符串识别：通过OCR对上述字符串区域图片进行识别处理，将图片中的字符串转换成计算机中的字符串；LOGO匹配：从LOGO图片库中获取LOGO图片，使用TM_CCOEFF_NORMED算法进行LOGO匹配，获取匹配结果的置信度；检测元器件的型号：字符识别的结果和LOGO匹配的置信度确定元器件的检测结果；本发明在提高了元器件检测速率的基础上保证了检测的准确性。
-
公开(公告)号：CN109635712B
公开(公告)日：2021-02-05
申请号：CN201811492660.0
申请日：2018-12-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于同构网络的自发微表情种类判别方法。本发明首先进行样本制作，包括RGB样本与光流差值样本的制作。然后将将不同样本分别置入网络中进行训练，训练方式为微调。最后将经过不同训练样本训练后的网络，同构合成所述的同构网络，利用同构网络产生判别结果。本发明中的光流差值样本既包含自发微表情变化的形变信息，又通过求差值去除了非自发微表情变化的环境干扰。结合样本的空间信息与时序变化的时间信息，组成具有时空特征的光流差值样本。对于本发明中的RGB样本以及光流差值样本，利用经过微调的网络对其提取特征，不仅充分结合颜色信息与时空信息，得到的特征更能表示当前样本类别，而且解决自发微表情数据样本少的难题。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.031 seconds)
