-
公开(公告)号：CN110188608B
公开(公告)日：2022-09-06
申请号：CN201910331755.2
申请日：2019-04-23
Applicant: 南京邮电大学
IPC: G06V20/40 , G06V10/764
Abstract: 本发明公开了一种基于自适应阶数的交互行为分析方法，包括以下步骤：步骤一：视频特征提取与表示；步骤二：利用分层狄利克雷过程模型对视频序列进行建模，检测出场景中包含的行为，并利用K‑means算法进行分类，实现多变量时间序列提取与分类；步骤三：进行多变量自回归模型阶数选择；步骤四：基于频域的多向量过程因果测量的组间交互行为分析；步骤五：基于频域的多标量过程因果测量的组内交互行为分析；步骤六：基于组间和组内因果测量的全局和局部行为交互网络构建。本发明的优点是：不仅能检测出场景中全局和局部交互行为，而且可以构建全局和局部行为交互网络。
-
公开(公告)号：CN110634141B
公开(公告)日：2022-02-11
申请号：CN201910887555.5
申请日：2019-09-19
Applicant: 南京邮电大学
IPC: G06T7/10 , G06K9/62 , G06V10/762 , G06V10/764 , G06V10/26
Abstract: 本发明公开了一种基于改进直觉模糊c均值聚类的图像分割方法及存储介质，所述方法包括以下步骤：1)根据图像的局部像素灰度信息，计算其最大占优抑制相似度函数；2)计算像素的模糊集的隶属度；3)构建非线性的模糊补函数，计算模糊集的非隶属度和犹豫度；4)根据上述的隶属度、非隶属度和犹豫度，将图像数据直觉模糊化；5)根据图像像素的局部空间关系，构建直觉模糊因子；6)根据直觉模糊因子，在直觉模糊集中进行求解最优化；7)根据最优化求解利用聚类算法进行图像分割。本发明解决了现有方法对噪声敏感和数据的不确定性问题，有效的提高图像分割的质量，应用到MRI人脑图像中可以很好的抑制噪声，还能很好的表现图片细节。
-
公开(公告)号：CN110475221B
公开(公告)日：2021-05-04
申请号：CN201910634844.4
申请日：2019-07-15
Applicant: 南京邮电大学
Abstract: 本发明涉及了一种基于接收信号中包含信道状态信息(CSI)的人员动作识别和位置估计方法。离线阶段，在不同参考位置点上，人员目标进行不同的动作姿态，测量路由器发射信号在接收网卡上的CSI信息。构建数据库和每个动作标签对应的数据库。利用数据归一化和主成分分析方法对构建的训练数据库进行预处理。利用支持向量机对数据库进行基于动作标签的分类学习，得到基于动作的分类模型。在线阶段，根据接收到的CSI信息，在进行数据归一化和主成分分析的数据预处理后，通过动作分类模型得出人员目标动作估计结果。在此基础上，通过人员动作目标估计结果对应的位置回归模型，得到人员的位置估计结果。
-
公开(公告)号：CN112418203A
公开(公告)日：2021-02-26
申请号：CN202011251625.7
申请日：2020-11-11
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于双线性汇合的图卷积网络的RGB‑T目标跟踪方法，包括以下步骤：步骤S1：将特征分为模板嵌入对和候选嵌入对，模板嵌入对由可见光和红外图像的第一帧区域组成；步骤S2：在候选嵌入对中截取和模板嵌入对相同大小的图像，经过卷积神经网络提取特征，形成四个多通道的特征图；步骤S3：将特征图利用图卷积神经网络进行训练，得到最终特征图；步骤S4：将最终特征图进行双线性汇合的操作，得到一个相识度的得分值；步骤S5：重复S2‑S4的步骤，将每次得到的得分值拼接成矩阵，根据最大的得分值所在的位置定位出目标所在的位置；实现整个的跟踪效果；本发明使得特征图之间的内在元素交互作用不能得到充分挖掘的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN111144490A
公开(公告)日：2020-05-12
申请号：CN201911373992.1
申请日：2019-12-26
Applicant: 南京邮电大学
Abstract: 一种基于轮替知识蒸馏策略的细粒度识别方法。包括如下步骤，步骤S1、利用卷积神经网络训练获取卷积特征图；步骤S2、对卷积特征图聚类，获取通道指示向量，通过通道指示向量训练channel group模块，生成注意力掩模；步骤S3、根据注意力掩模获取局部图，再将局部图与全局图通过轮替知识蒸馏策略训练，得到细粒度图像。本发明利用卷积神经网络训练获取卷积特征图;再对卷积特征图进行聚类得到通道指示向量，根据通道指示向量预训练channel group模块，生成注意力掩模，获取局部图，最后将局部图与全局图通过轮替知识蒸馏策略训练。通过本发明可以解决细粒度图像中局部信息缺失、传统方法抗干扰能力差等问题，极大的提高了细粒度图像分类的准确率。
-
公开(公告)号：CN110366108A
公开(公告)日：2019-10-22
申请号：CN201910614356.7
申请日：2019-07-09
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于信道状态信息和接收信号强度的室内定位方法，主要步骤包括：接收发射机发出的信号；提取信号中的信道状态信息幅度值和接收信号强度测量值；对信道状态信息幅度值进行数据降维和特征提取，以获得数据集；对获得的数据集和接收信号强度进行离线递归学习，以得到基于位置的回归函数；将在线获得的数据集和接收信号强度测量值代入回归函数，以利用回归函数对位置进行预测/估计。相较于现有技术，本发明能有效的避免多径效应对定位精确度的影响，具有定位时间短、算法复杂度低和成本低等特点。
-
公开(公告)号：CN110264494A
公开(公告)日：2019-09-20
申请号：CN201910541432.6
申请日：2019-06-21
Applicant: 南京邮电大学
IPC: G06T7/20
Abstract: 本发明提出了一种基于相关性分析的逆稀疏表示的灰度-热目标跟踪方法，包括以下步骤：采用粒子滤波器来产生目标候选矩阵Y1和Y2；提出一种基于逆稀疏表示的灰度-热跟踪框架，并通过该模型来联合估计Y1和Y2目标候选编码，得到逆稀疏表示矩阵U1和U2；将U1和U2放入支持向量机进行判别，区分最佳目标和目标候选。本发明将典型相关性分析和逆稀疏表示集成到统一的联合优化模型中，通过探索公共子空间中灰度和热视频序列之间的相似性来突出跟踪目标的有用信息，确保从不良照明场景中获得针对目标候选者的鲁棒编码结果；提出了一种交替重构算法来解决联合优化问题，具有快速收敛性及较强的鲁棒性；使用支持向量机对目标候选的编码结果进行判别，提高跟踪速度。
-
公开(公告)号：CN107330912A
公开(公告)日：2017-11-07
申请号：CN201710323852.8
申请日：2017-05-10
Applicant: 南京邮电大学
CPC classification number: G06T7/246 , G06K9/6249 , G06K9/629 , G06T2207/10016
Abstract: 本发明公开了一种基于多特征融合的稀疏表示的目标追踪方法，所述方法采用稀疏表示的目标追踪方法，包括训练核权重、获得粒子观测的稀疏表示以及稀疏重建算法三个部分。本发明将fisher判别标准引入多特征核函数权重训练模型中，可准确判断出特征向量的鲁棒性强弱，提升多特征核函数融合的可靠性；使采用混合范数自适应的选择相关高的粒子观察用于多任务稀疏重建，可有效排除非相关采样粒子的干扰；重构算法具有快速收敛性以及较强的鲁棒性。
-
公开(公告)号：CN103559696B
公开(公告)日：2016-04-13
申请号：CN201310454377.X
申请日：2013-09-29
Applicant: 南京邮电大学
IPC: G06T5/50
Abstract: 本发明提出了一种基于压缩感知的图像融合方法，所述方法采用压缩感知的图像融合方法，包括从图像采集、观测值融合以及图像重构三个部分，图像采集将待融合的图像分成图像块；观测值融合采用双通道脉冲耦合神经网络模型进行初步图像融合，采用加权平均方法对观测值进行精细融合；最后通过图像重构算法得到最终的图像融合结果。本发明采样部分充分考虑到待融合图像自身特点，提高了融合所得结果的细节信息；采用分块压缩方法，在采样端对分块图像在采样的同时即进行压缩，避免了传统压缩感知采样端事先进行稀疏处理所增加的采样端复杂度；重构算法具有较快重构速度以及较强鲁棒性。
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.023 seconds)
