-
公开(公告)号：CN106529405A
公开(公告)日：2017-03-22
申请号：CN201610873723.1
申请日：2016-09-30
Applicant: 南京邮电大学
CPC classification number: G06K9/00718 , G06K9/6256 , G06K9/6267
Abstract: 本发明公开了一种基于视频图像块模型的局部异常行为检测方法，包括：对输入视频中所有对象的视频图像块提取，及选取存在异常的候选视频图像块；检测和优化获取优化后的候选视频图像块；利用正常行为视频图像块模型进行训练，获取每个视频图像块中正常行为并将该视频图像块从候选图像块中剔除；对剩余的候选视频图像块利用异常行为视频图像块模型检测，获取得到关键图像块；及根据计算的关键图像块之间的相关性，确定正常和异常活动轨迹，并对关键图像块中的异常活动轨迹进行分类；将分类所得异常活动轨迹对应的区域在图像块中标记描述。本发明能够有效提高局部异常行为检测的准确性和检测的效率，能够很好的检测出不同类型的局部异常行为。
-
公开(公告)号：CN106056067A
公开(公告)日：2016-10-26
申请号：CN201610364643.3
申请日：2016-05-27
Applicant: 南京邮电大学
CPC classification number: G06K9/00288 , G06K9/6256
Abstract: 本发明公开了一种无对应关系条件下基于对应关系预测的低分辨率人脸识别算法（CRPFR)：首先是一一对应关系的确定，对高低分辨率图像进行训练，同一幅图像在高分辨率空间中与其他类图像的结构与在低分辨率空间中的结构是相似的，通过比对高低分率图像的特征向量来辨别它们是否具有对应关系；其次，将高低分辨率图像投影到一致的特征空间，在特征空间中采用最近邻分类器进行分类，保持类内聚拢、类间分散的整体结构，根据已经求得的一一对应关系和类别信息控制特征空间的结构，目标是求得能够满足特征空间结构的一对高低投影矩阵。与传统的低分辨率人脸识别算法相比，本发明在无对应关系的条件下取得了更优的效果。
-
公开(公告)号：CN106023244A
公开(公告)日：2016-10-12
申请号：CN201610229366.5
申请日：2016-04-13
Applicant: 南京邮电大学
IPC: G06T7/20
CPC classification number: G06T2207/30241
Abstract: 本发明公开了基于最小二乘法轨迹预测及智能避障模型的行人跟踪方法，该方法包括以下步骤：首先，利用传统的卡尔曼算法，实现初期的目标跟踪，并针对其不足进行改进；然后，针对卡尔曼方法对行人跟踪的跟丢和跟错率较高，提出利用最小二乘法进行行人运动曲线拟合，预测出行人在下一视频帧中的位置，将此位置作为初始运动目标进行搜索；最后，结合自适应避障算法对行人进行跟踪，提高跟踪的准确度。
-
公开(公告)号：CN102163279A
公开(公告)日：2011-08-24
申请号：CN201110087782.3
申请日：2011-04-08
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于最近特征分类器的彩色人脸识别方法，属于人脸识别领域。该方法是将灰度图像的最近特征分类法，即最近特征线(NFL)、最近特征面(NFP)及最近特征空间(NFS)分类法应用于彩色人脸识别中，不但利用了反映人脸图像形状结构特征的灰度信息，还充分利用了人脸的彩色鉴别信息，每种分类器的判决阶段给出了四种实现方案。本发明方法能获取更多人脸之间的差异性鉴别信息，有效提高了人脸识别率。
-
公开(公告)号：CN102142082A
公开(公告)日：2011-08-03
申请号：CN201110087710.9
申请日：2011-04-08
Applicant: 南京邮电大学
Abstract: 本发明公开了一种用于人脸识别的基于虚拟样本的核鉴别方法，其为一种基于虚拟样本的快速核方法。该方法在对训练样本集进行核矩阵构造前，先对训练样本集一次性构造虚拟样本集，再以虚拟样本集为基础，通过核矩阵理论进行训练/测试；由于虚拟样本集为训练样本集的特征样本集(MES)和公共向量样本集(MCS)的集合，因此，虚拟样本集无论对于已知的训练样本集，还是对于未知的测试样本集来说，都具有极强的描述能力；将本发明所述的方法在FERET数据库上的实验验证了所提方法是快速有效的；其大幅地提高了核方法的计算速度，同时，与传统的核方法相比，本发明还提高了识别率。
-
Patent Agency Ranking
公开(公告)号：CN109034062B
公开(公告)日：2023-05-16
申请号：CN201810835198.3
申请日：2018-07-26
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V20/40 , G06V10/82 , G06V10/764 , G06N3/0895
Abstract: 本发明公开了一种基于时序一致性的弱监督异常行为检测方法，包括步骤：构建一个行为检测系统，导入一行为视频对到所述行为检测系统，处理后形成一个由所述行为视频对构建的时序矩阵；基于人类行为的时态一致性和平滑特征性处理行为视频对，形成一个行为单元对，获得相关行为片段，并定位行为片段中相关异常动作类的开始帧和结束帧；基于弱监督对获取得到的行为片段进行学习，得到可判断各种行为特征的操作分类器；基于字典学习和求解稀疏编码重建操作分类器中判断行为特征的检测标准，形成新的检测各种异常行为类的行为判断逻辑。本发明提供的弱监督异常行为检测方法很容易学习相关行为分类的特征，而不用手动标注帧的边界建立相关的行为模型。
-
公开(公告)号：CN113064959B
公开(公告)日：2022-09-23
申请号：CN202010001846.2
申请日：2020-01-02
Applicant: 南京邮电大学
IPC: G06F16/31 , G06F16/953 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于深度自监督排序哈希的跨模态检索方法。包括以下步骤：首先学习一个标签网络用来保留语义特征与其对应的哈希码之间的相似关系。该标签网络可以有效地利用多标签信息来桥接不同模态之间的语义相关性。然后分别对图像和文本设计一个端到端的特征学习网络，进行特征学习。一方面，可以保持标签网络和图像文本网络之间的语义相关性。另一方面，可以使学习到的特征与特定的跨模态检索任务完美兼容。为了解决使用二进制分区函数编码对分区阈值十分敏感的问题，采用基于排序的编码函数。每个维度的相对排序不变，哈希编码的值就不变，这使得哈希函数不会对某些阈值非常敏感，进而获取的哈希编码鲁棒性更好。
-
公开(公告)号：CN109766863B
公开(公告)日：2022-09-06
申请号：CN201910051451.0
申请日：2019-01-18
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/762 , G06K9/62 , G06T3/40
Abstract: 本发明公开了一种基于局部和稀疏非局部正则的人脸图像超分辨率方法，包括以下步骤：步骤一：获取测试图像和训练样本图像各个像素位置的图像块；步骤二：使用局部PCA字典学习方法，对训练样本图像块使用K均值聚类算法将图像块划分聚类，每个聚类学习一个局部PCA字典；步骤三：对低质量图像块，运用基于局部约束和稀疏非局部双核范数正则算法求解最佳表示系数向量；步骤四：使用最佳表示系数向量在高分辨率字典上合成高分辨率图像块，更新非局部编码系数，将更新后的系数和高分辨率图像块放入步骤三中进行下一次迭代；经过多次迭代更新得到高分辨率图像块；步骤五：输出高分辨率图像。本发明具有提高图像质量的优点。
-
公开(公告)号：CN108288270B
公开(公告)日：2022-06-03
申请号：CN201810113321.0
申请日：2018-02-05
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于通道修剪与全卷积深度学习的目标检测方法，首先，使用套索回归方法在卷积神经网络的每层通道上实现冗余通道的修剪；然后，使用线性最小二乘法重构最小化误差；最后，利用全卷积神经网络获取感兴趣区域，加速目标检测。通过在通用Caltech行人检测数据集的实验表明，本发明提出的方案可有效提高行人检测的准确性与快速性。
-
公开(公告)号：CN108492267B
公开(公告)日：2022-05-03
申请号：CN201810222590.0
申请日：2018-03-16
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于图正则化的矩阵填充图像修复方法，包括以下步骤：步骤1：将待修复图像X分成I个搜索区域M，将每个搜索区域分成J个图像块K；步骤2：在第Mi个搜索区域中寻找p个与第Kj个图像块最为相似的图像块形成数据矩阵F；步骤3：计算数据矩阵F的图拉普拉斯矩阵与图正则化项；步骤4：将据矩阵F输入到基于图正则化的矩阵填充算法；步骤5：运用交替方向法求解基于图正则化的矩阵填充算法优化问题；步骤6：完成该搜索区域j个图像块处理后，通过整合图像块复原该搜索区域图像；若所有搜索区域都处理结束，跳到步骤7，否则跳到步骤2；步骤7：直至恢复出完整的图像。本发明有图像修复效果好的优点。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.02 seconds)
