-
公开(公告)号：CN112565790B
公开(公告)日：2022-07-29
申请号：CN202011241047.9
申请日：2020-11-09
Applicant: 绍兴文理学院
IPC: H04N19/513
Abstract: 本发明涉及一种对数据进行有损或无损压缩的编码及解码系统，尤其为一种采用最小基矢量标志的串预测编码、解码方法及装置，即通过在预设条件下采用或不采用最小基矢量标志或者采用最小基矢量标志表示不同的特定串矢量值的编解码方法及装置。本发明的编码方法或装置的最基本的特有技术特征提供了一种至少采用最小基矢量标志进行串预测也称串匹配的编码方法及装置，即通过在预设条件下采用或不采用最小基矢量标志；或者采用最小基矢量标志表示不同的特定串矢量值的编码方法及装置。
-
公开(公告)号：CN112288768A
公开(公告)日：2021-01-29
申请号：CN202011224652.5
申请日：2020-11-05
Applicant: 绍兴文理学院
Abstract: 本发明公开了一种结肠镜图像序列肠息肉区域的跟踪初始化决策系统，其特征在于，包括肠息肉区域信息获取模块、肠息肉区域判定模块、目标关联区域判定模块、目标肠息肉区域中智集建模模块、和目标肠息肉区域跟踪初始化判决模块；通过对目标肠息肉区域进行中智集建模，并计算目标肠息肉区域的中智度量同理想中智度量的交叉熵，按照交叉熵越小越可能是真实肠息肉的原则，对目标肠息肉区域进行跟踪初始判决，判断为需要实施跟踪，则加入到正在跟踪的肠息肉区域集合中处理。本发明能解决将视频目标跟踪分割算法引入肠息肉序列检测中，由于息肉区域检测分割不确定性引起的视频目标跟踪误启动的技术问题。
-
公开(公告)号：CN109711445B
公开(公告)日：2020-10-16
申请号：CN201811547139.2
申请日：2018-12-18
Applicant: 绍兴文理学院
IPC: G06K9/62
Abstract: 本发明涉及一种目标跟踪分类器在线训练样本的超像素中智相似加权方法，所述方法包括：读取视频帧，依据初始目标位置提取样本，初始化目标跟踪分类器；读取视频新帧，确定目标位置，计算相应超像素图像；基于相交区域的超像素中智隶属度、不确定性度和非隶属度量测；基于区域形状距离的超像素中智隶属度、不确定性度和非隶属度量测；计算超像素类目标置信向量；提取训练样本，计算样本中智权值；利用加权样本更新目标跟踪分类器。本发明的方法实现简单、抗干扰能力强，能够较好地适应背景复杂多变、光照变化等极具挑战的情况；本发明适用于基于鲁棒目标跟踪的应用，如视频监控、自动驾驶等，适用于大规模推广应用。
-
公开(公告)号：CN111614961A
公开(公告)日：2020-09-01
申请号：CN202010446901.9
申请日：2020-05-25
Applicant: 绍兴文理学院
IPC: H04N19/146 , H04N19/186 , H04N19/189
Abstract: 本发明涉及采用不同方式计算哈希值建立哈希表进行搜索的编码方法，获得图像的采样格式，对图像中的所有像素按照预设规则计算哈希值，不同的采样格式中，至少有两个不同采样格式所使用的预设规则不相同，将具有相同哈希值的像素链接起来建立哈希表，进行基于哈希表的搜索及编码；预设规则选取各分量不同/相同位置的位数；选取各分量不同/相同数目的位数，各分量的数目总和与设定总位数相等；上述规则可以择一或者将多个规则组合使用。本发明针对不同采样格式的图像，采用不同方式计算哈希值，对不同分量采用不同位置和/或不同数目的位数分配，从而提高判断两个像素是否相同或相似的精确度，进一步提高不同采样格式的图像编码效率。
-
公开(公告)号：CN109840923A
公开(公告)日：2019-06-04
申请号：CN201910056354.0
申请日：2019-01-22
Applicant: 绍兴文理学院
Abstract: 本发明涉及一种基于机器人舞蹈姿态镜像子图像获得方位特征的方法，其中包括提取产生对应的机器人舞蹈姿态区域形状子图像和机器人舞蹈姿态色块分布子图像；计算形状区域质心和色块质心；划分象限，并判断各象限中是否存在色块质心，以及统计各象限中出现的色块质心的数量，计算获得相应的方位特征。采用本发明涉及一种基于机器人舞蹈姿态镜像子图像获得方位特征的方法，通过分析色块质心与各象限的分布关系，来得到机器人身体各个部位的空间关系，进而提取、计算得到机器人舞蹈姿态的方位特征，以便后续进一步的机器人舞蹈创作，该方法计算简单、便于处理、易于实现，具有更广泛的应用范围。
-
Patent Agency Ranking
公开(公告)号：CN109815890A
公开(公告)日：2019-05-28
申请号：CN201910056507.1
申请日：2019-01-22
Applicant: 绍兴文理学院
Abstract: 本发明涉及一种实现机器人舞蹈姿态自主审美理解与判断的系统，其中包括用于捕获机器人舞蹈姿态镜像图像的视觉信号捕获模块、用于视觉元素初级加工的视觉感知模块、用于处理审美对象统一表征、审美经验积累以及进行审美判断的神经加工决策模块、用于报告或应用审美判断结果的行为扩展模块。采用本发明的实现机器人舞蹈姿态自主审美理解与判断的系统，使用了一种仿人脑的、可计算的审美认知神经模型，从视觉信息感知入手，让机器人具备理解自身舞蹈姿态美感并能实施自主审美判断的能力，且结构简单，便于实现，具有更广泛的应用范围。
-
公开(公告)号：CN109741345A
公开(公告)日：2019-05-10
申请号：CN201811633926.9
申请日：2018-12-29
Applicant: 绍兴文理学院
IPC: G06T7/11
Abstract: 本发明涉及一种强化特定区域类目标属性的中智分割参数自动选取方法，所述方法包括：获取图像数据并选定特定区域；设置不同的图像分割参数元组，并计算基于不同参数元组的分割结果；各分割结果下的基于菱形区域边界的特定区域类目标中智隶属度、不确定性度和非隶属度量测；各分割结果下的基于方形区域边界的特定区域类目标中智隶属度、不确定性度和非隶属度量测；计算针对各分割结果的中智相似度，最终确定适合当前图像分布的分割参数元组。本发明实现简单，适用范围广，基于当前图像特性，该方法能够自动完成强化特定兴趣区域类目标属性的分割参数选取，为后续目标跟踪等任务服务，大幅提升相关任务性能。
-
公开(公告)号：CN109711445A
公开(公告)日：2019-05-03
申请号：CN201811547139.2
申请日：2018-12-18
Applicant: 绍兴文理学院
IPC: G06K9/62
Abstract: 本发明涉及一种目标跟踪分类器在线训练样本的超像素中智相似加权方法，所述方法包括：读取视频帧，依据初始目标位置提取样本，初始化目标跟踪分类器；读取视频新帧，确定目标位置，计算相应超像素图像；基于相交区域的超像素中智隶属度、不确定性度和非隶属度量测；基于区域形状距离的超像素中智隶属度、不确定性度和非隶属度量测；计算超像素类目标置信向量；提取训练样本，计算样本中智权值；利用加权样本更新目标跟踪分类器。本发明的方法实现简单、抗干扰能力强，能够较好地适应背景复杂多变、光照变化等极具挑战的情况；本发明适用于基于鲁棒目标跟踪的应用，如视频监控、自动驾驶等，适用于大规模推广应用。
-
公开(公告)号：CN108513353A
公开(公告)日：2018-09-07
申请号：CN201810184009.0
申请日：2018-03-07
Applicant: 绍兴文理学院
Abstract: 本发明涉及一种基于双信标节点实现移动机器人定位的方法，移动机器人的通信半径与数个信标节点的通信半径相同，当移动机器人在其通信半径内只与无线传感器网络中的两个信标节点建立通信连接，则对所述的无线传感器网络建立二维直角坐标系，两个信标节点分别根据其与移动机器人的距离为半径、以自身的坐标信息为圆心做圆，根据两个圆的交点数量判断移动机器人的实际坐标信息。采用本发明的基于双信标节点实现移动机器人定位的方法，算法简单可靠，降低了对硬件的要求，无需里程计和陀螺仪，避免定位算法的累积误差，节省了网络成本，可扩展性强，适用性强、成本低廉、具有广泛的应用价值。
-
公开(公告)号：CN108174201A
公开(公告)日：2018-06-15
申请号：CN201810188736.4
申请日：2018-03-07
Applicant: 绍兴文理学院
IPC: H04N19/103 , H04N19/136 , H04N19/169
Abstract: 本发明涉及一种按视频内容提前终止编码块编码模式搜索的视频压缩方法，其中包括根据视频内容的特征和预设分类条件将视频内容划分为多个类别；预先设定多个编码模式和各个编码模式下的编码子模式集合；根据视频内容的类别匹配与各个视频内容的类别相对应的编码子模式集合；采用与视频内容的类别相对应的编码子模式集合对该类别的视频内容进行编码，并终止除相对应的编码子模式集合之外的其他编码子模式集合的搜索。本发明对不同类别的编码单元可以自适应跳过部分编码模式及其子模式的编码，无需进行所有编码模式及其子模式的搜索，在几乎不影响整体编码效率的前提下，大幅降低编码复杂度。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.026 seconds)
