-
公开(公告)号：CN114333002A
公开(公告)日：2022-04-12
申请号：CN202111610586.X
申请日：2021-12-27
Applicant: 南京邮电大学
Abstract: 本发明是一种基于图深度学习和人脸三维重建的微表情识别方法，包括如下步骤：构建图特征学习模块，进行图特征分析获得一维特征向量；构建光流特征学习模块，通过光流特征提取获得一维特征向量；构建三维细节重建模块，得到一维特征向量；构建多流OGC‑FL网络模型结构，通过多流融合得到微表情识别分类结果。与单一策略相比，本发明多策略生成光流特征可以筛选出对微表情识别任务最为有利的生成策略；本发明的多流OGC‑FL网络模型结构，找到了人脸关键点信息和密集图像信息在识别微表情上的一致性，关键点稀疏空间信息可以通过GFL判断微表情大致的状态，而密集图像信息则凸显了面部细微的肌肉运动，为MER提取更加细节的信息。
-
公开(公告)号：CN110084141B
公开(公告)日：2021-02-09
申请号：CN201910274944.0
申请日：2019-04-08
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于私有信息的跨领域场景识别方法，包括如下步骤：获取彩色场景图像和对应的深度场景图像；构建跨领域多通道场景识别模型；将彩色场景图像和深度场景图像同时输入到跨领域多通道场景识别模型中，通过相应的卷积层，池化层，全连接层后生成相应的共享信息特征和私有信息特征；提高共享信息特征和私有信息特征的相关性，融合两类特征，通过归一化层输出场景图像的结果；使用时，将待识别的同类彩色场景图像输入到已训练完成的跨领域多通道场景识别模型中，得到识别结果。本方法利用深度场景图像中的深度信息作为训练场景识别模型时的私有信息，补充彩色场景图像所缺失的特征信息，最终提高了单领域场景识别方法的识别率和鲁棒性。
-
公开(公告)号：CN107316015B
公开(公告)日：2020-06-30
申请号：CN201710463130.2
申请日：2017-06-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度时空特征的高精度面部表情识别方法，该方法首先是设计了一种端到端可训练的多通道深度神经网络模型，该模型在低层利用多个并联的深度神经网络分别提取人脸表情图像的深度时空特征，然后在高层使用全连接层对多通道深度时空特征数据进行融合，最高层采用softmax层进行识别得到表情分类。该模型将图像特征提取和特征融合整合为一个可以进行全局训练的网络，加深了网络规模，提高了识别性能。第二个创新点是本发明使用平均脸来替代中性脸，这种做法解决了测试时表情图像缺少对应的中性脸图像的问题，使得本发明可以满足实际场合的应用。本发明在表情识别领域提供了一种新的思路，具有很高的实用价值和发展前景。
-
公开(公告)号：CN108446609A
公开(公告)日：2018-08-24
申请号：CN201810173858.6
申请日：2018-03-02
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于生成对抗网络的多角度面部表情识别方法，该方法包括以下步骤：S1步骤：通过构建多角度人脸生成对抗网络来学习由侧脸图像生成正脸图像的变换关系；S2步骤：使用正脸表情图像训练用于判别正脸表情类别的深度神经网络；S3步骤：将多角度人脸生成对抗网络的低层部分与正脸表情判别网络的高层相连接，形成一个判别侧脸表情类别的深度神经网络；S4步骤：将一个侧脸表情图像T输入到深度神经网络，得到对该图像中面部表情的识别结果。本方法在两个标准人脸表情图像数据库上进行了大量测试，结果显示该方法实现了在缺乏侧脸表情图像训练数据时对多角度侧脸图像的面部表情识别功能。
-
公开(公告)号：CN106778584A
公开(公告)日：2017-05-31
申请号：CN201611120293.2
申请日：2016-12-08
Applicant: 南京邮电大学
CPC classification number: G06K9/00248 , G06K9/00268 , G06K9/32 , G06K9/42 , G06K9/6256 , G06K2009/00322
Abstract: 本发明公开了一种基于深层特征与浅层特征融合的人脸年龄估计方法，包括：对人脸样本数据集中的每张人脸样本图像进行预处理；对构建的初始卷积神经网络训练，选取一个用于人脸识别的卷积神经网络；利用具备年龄标签值的人脸数据集对所选取的卷积神经网络进行微调处理，获得多个用于年龄估计的卷积神经网络；提取得到人脸图像所对应多层次的年龄特征，并将其作为深层特征输出；提取获得每个人脸图像的浅层特征HOG特征和LBP特征；构建深度置信网络将深层特征和浅层特征融合；根据深度置信网络中融合后的特征进行人脸图像的年龄回归估计，获得和输出年龄估计结果。本发明提高了年龄估计的准确度，具备高精度的人脸图像年龄识估计能力。
-
Patent Agency Ranking
公开(公告)号：CN105184229A
公开(公告)日：2015-12-23
申请号：CN201510500051.5
申请日：2015-08-14
Applicant: 南京邮电大学
CPC classification number: G06K9/00013 , G06K9/621 , H04N7/18
Abstract: 本发明提出了一种动态场景下基于在线学习的实时行人检测方法，属于视频图像处理技术领域。首先利用已有的基于聚合通道特征ACF特征提取，标注样本训练Online Adaboost分类器，并对获取的视频序列进行目标检测，检测到行人后，以当前帧检测结果为起始，对行人进行轨迹分析，通过轨迹信息判断检测结果，从而获取在线学习的样本。接着，利用Online Adaboost算法学习在线获得的正负样本，更新分类器，最终实现了性能优秀的实时行人检测系统。本发明的行人检测方法能够在运动平台下，利用“快速特征金字塔”的方法，使得算法满足实时计算的条件，并采用了在线更新分类器的方案；能够实现自学习，具有实时、高精度和很高的实用价值。
-
公开(公告)号：CN104318263A
公开(公告)日：2015-01-28
申请号：CN201410490095.X
申请日：2014-09-24
Applicant: 南京邮电大学
IPC: G06K9/66
CPC classification number: G06K9/00778 , G06K9/6269
Abstract: 本发明提出了一种实时高精度人流计数方法，所述方法包含动目标前景提取和前景区域行人检测两个步骤；所述动目标前景提取步骤对获取的视频帧序列进行前景检测，获得包含行人、车辆等动目标的前景区域；所述前景区域行人检测步骤利用离线训练的可变形部件模型对前景区域进行行人检测，确定前景区域的行人数量和位置；以当前帧检测结果为起始，对行人目标后续运动进行跟踪，实现人流进出卡口的判断和记录。本发明方法基于背景差方法提取出包含目标的前景区域，使得算法满足实时计算的条件，基于可变形部件模型的行人检测确保了人流计数的高精度，提供了一种实时、高精度、抗遮挡性能良好的人流计数方法，具有很高的实用价值和发展前景。
-
公开(公告)号：CN119992053A
公开(公告)日：2025-05-13
申请号：CN202510075140.3
申请日：2025-01-17
Applicant: 南京邮电大学
IPC: G06V10/25 , G06V10/82 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06V20/58 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/096
Abstract: 本发明公开了一种基于瓶颈设计和双线蒸馏的高效目标检测方法及系统，首先构建基于轻量级瓶颈设计和双线蒸馏模块的高效目标检测神经网络；所述高效目标检测神经网络包括利用轻量级瓶颈构建的高效目标检测神经网络、特征蒸馏模块与逻辑蒸馏模块按比例混合的双线蒸馏模块，所述利用轻量级瓶颈构建的高雄啊目标检测神经网络包括教师网络和学生网络，所述学生网络的蒸馏权重利用教师网络的训练权重通过双线蒸馏模块对学生网络进行离线蒸馏得到；将待检测目标图像输入学生网络进行识别，获得检测信息。本发明能够在保持网络检测精度的同时降低网络计算复杂度、加快网络推理速度。
-
公开(公告)号：CN118570860A
公开(公告)日：2024-08-30
申请号：CN202410715707.4
申请日：2024-06-04
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V20/40 , G06V10/56 , G06V10/46 , G06V10/20 , G06N3/0464 , G06N3/084 , G06N20/10 , G06N3/048 , G06T3/04 , G06F21/62
Abstract: 本发明涉及计算机视觉和模式识别领域，具体涉及一种具有视觉隐私保护功能的在线课堂专注度识别方法，具体步骤为：首先通过对视频数据进行风格迁移实现视觉隐私保护效果，提取处理后视频帧序列的图像颜色特征和显著结构特征并映射到图像视觉隐私保护分数，从处理后的视频帧序列中得到专注度识别的识别率，最后建立视觉隐私保护分数和在线课堂专注度识别率之间的二元统计模型；本发明针对视频监控与智能应用的隐私矛盾，在对视频数据进行隐私保护的同时，平衡了隐私保护与智能应用之间的冲突，有着较高的实际运用价值。
-
公开(公告)号：CN117496487A
公开(公告)日：2024-02-02
申请号：CN202311183815.3
申请日：2023-09-13
Applicant: 南京邮电大学
IPC: G06V20/59 , G06V40/16 , G06V10/772 , G06V10/764 , G06V10/82 , G06N3/0464 , H04N7/18
Abstract: 本发明公开一种面向车内私密视频监控的昆虫视觉仿生疲劳驾驶检测方法，具体为：利用仿生昆虫视觉处理车内私密视频监控，得到视隐态视频帧；利用RetinaFace对视隐态视频帧进行目标人脸提取，得到视隐态效果下的人脸区域图片；利用PFLDGO对目标人脸区域进行关键点定位，得到人脸关键点的坐标信息；对坐标信息进行类字典学习，得到对应的类字典；将类字典进行稀疏池化识别，求得实际应用中车内私密视频的稀疏系数，进行池化分类决策，得到最终的疲劳判定。本发明采用仿生昆虫视觉处对车内监控视频进行视觉屏蔽，有效保护车内人员隐私；采用新型网络对视频帧进行关键点检测及分类网络进行疲劳判定，实现对驾驶员进行疲劳检测的判定。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.03 seconds)
