-
公开(公告)号：CN109002789B
公开(公告)日：2021-06-18
申请号：CN201810751107.8
申请日：2018-07-10
Applicant: 银河水滴科技(北京)有限公司 , 中国科学院自动化研究所
Abstract: 本发明提出的一种应用于摄像头的人脸识别方法，通过智能终端直接向摄像头发送待识别人脸图像，由摄像头自主完成人脸识别，无需将摄像头采集的视频/图片信息传回服务器，提高了人脸识别的实时性；且可以通过移动终端同时控制多台摄像头进行人脸识别，灵活性好，且无需人主动配合，实现远距离、低配合度的识别。
-
公开(公告)号：CN111783713A
公开(公告)日：2020-10-16
申请号：CN202010659078.X
申请日：2020-07-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于关系原型网络的弱监督时序行为定位方法及装置。为了解决现有技术人为标注信息对训练网络模型耗时耗力且引入主观因素的问题，本发明提出一种基于关系原型网络的弱监督时序行为定位方法，包括按预设时间间隔将待识别视频划分为多个视频片段，将每个视频片段对应的光流图像以及多个视频片段，输入预先训练好的行为定位模型；通过行为定位模型，确定每个视频片段中人类行为与预先设定的目标行为的第一相似度；根据第一相似度与预设阈值的比较结果，确定每个视频片段中人类行为所属的行为类别。本发明的方法能够对不同行为之间的关系进行建模，通过聚类损失，能够使行为各部分的特征尽可能靠近，从而实现定位完整行为片段。
-
公开(公告)号：CN111783711A
公开(公告)日：2020-10-16
申请号：CN202010658060.8
申请日：2020-07-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种基于身体部件层面的骨架行为识别方法及装置。为了解决现有技术行为识别的准确率较低，无法满足实际使用过程的需要的问题，本发明提出一种基于身体部件层面的骨架行为识别方法及装置，该方法包括获取待识别视频中目标对象的第一骨架三维坐标，其中，第一骨架三维坐标包括第一差值三维坐标、第一相对三维坐标以及第一关节点三维坐标；基于第一骨架三维坐标，通过预先训练好的骨架行为识别模型，确定目标对象处于多个预设骨架行为类型的概率；将概率大于预设阈值的预设骨架行为类型作为目标对象对应的骨架行为类型。利用本发明的方法能够有效提高行为识别准确率。
-
公开(公告)号：CN108304797B
公开(公告)日：2020-07-28
申请号：CN201810085316.3
申请日：2018-01-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉技术领域，具体提供了一种基于侧向抑制的视觉注意检测方法及装置，旨在解决如何提高计算机视觉注意机制的有效性和实用性。为此目的，本发明中的视觉注意检测方法包括下述步骤：获取目标图像的图像类别；获取每个激活函数神经元接收到的反馈信息；根据反馈信息判断是否关闭对应的激活函神经元；根据判断结果关闭相应的激活函数神经元后，对激活函数神经元的响应值进行归一化处理，得到选择性注意结果图；对选择性注意结果图进行归一化处理，得到显著性目标检测结果图。本发明的技术方案基于卷积神经网络，并能够利用卷积神经网络的前馈与反馈信息实现对目标物体的信息检测。同时，本发明中的装置能够执行并实现上述步骤。
-
公开(公告)号：CN105005774B
公开(公告)日：2019-02-19
申请号：CN201510451033.2
申请日：2015-07-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种基于卷积神经网络的人脸亲属关系识别方法及装置，主要用于根据人脸图像进行亲属关系识别等领域。所述方法包括人脸识别、人脸关键点位置切分、人脸区域位置切分、卷积神经网络建立及训练、亲属关系识等。所述方法提出的卷积神经网络具有强大的提取亲属关系特征的功能，对于输入图片具有较强的鲁棒能力。该方法提出的基于人脸关键点以及人脸不同区域特征的卷积神经网络方法，实现了更好的亲属识别功能。该方法可以获得优于传统基于人脸的亲属关系识别效果。
-
Patent Agency Ranking
公开(公告)号：CN107864074A
公开(公告)日：2018-03-30
申请号：CN201711416354.4
申请日：2017-12-22
Applicant: 中国科学院自动化研究所
IPC: H04L12/26 , G06F3/0484 , G06F3/0486
CPC classification number: H04L43/045 , G06F3/0484 , G06F3/0486 , G06F2203/04806
Abstract: 一种分布式可视化系统，包括：一总控制器，用于将用户的操作转换成相应的指令，并将所述指令中与各显示终端相关的第一指令分别输出至与该显示终端相连的子服务器；多个子服务器，一端与所述总服务器相连，以及另一端与多个显示终端一一连接，各子服务器用于根据所述第一指令确定第二指令；以及多个显示终端，用于根据各第二指令执行相应的操作，以及显示所述操作的操作结果。本发明尤其适合大数据的可视化，能够将一个可视化任务拆分成多个子任务，避免了更新部分数据时需要刷新整个大屏的弊端，此外，也能同时执行多个独立的可视化任务，使得可视化的数据相互独立，也提高了数据展示的灵活度和加载速度。
-
公开(公告)号：CN104156952B
公开(公告)日：2017-11-14
申请号：CN201410373199.2
申请日：2014-07-31
Applicant: 中国科学院自动化研究所
IPC: G06T7/33
Abstract: 本发明公开了一种抵抗形变的图像匹配方法，该方法包括以下步骤：步骤1：对两幅输入图像分别进行二值化处理，从中确定参考图像与待匹配图像，对于参考图像与待匹配图像，利用不同的采样间距进行采样，得到相应的多个采样点；步骤2：从待匹配图像的采样点中依次确定每个参考图像采样点的K1个候选对应点；步骤3：从参考图像中每个采样点的K1个候选对应点中确定K2个更为精细的候选对应点，其中，K2
-
公开(公告)号：CN106910013A
公开(公告)日：2017-06-30
申请号：CN201710085225.5
申请日：2017-02-16
Applicant: 中国科学院自动化研究所
CPC classification number: G06Q10/063 , G06Q50/01 , H04L63/12 , H04L63/302 , H04L63/306
Abstract: 本发明公开一种基于动态表达学习的不实信息检测方法，包括以下步骤：获取待检测信息；利用预先建立的检测模型对所述待检测信息进行检测；输出检测结果；其中，检测模型如下建立：步骤S1，首先建模联合表示用户信息和该用户行为信息的某一事件的动态行为表达式；用户信息包含用户的特征和用户可信度，行为信息包含行为类型；步骤S2，一个事件由不同信息组成，结合步骤S1中的所述动态行为表达式，最终得出事件可信度检测表达式；步骤S3，运用时间特征矩阵来取得在信息传播过程中用户动态行为特征连步骤S4，生成用户特征表达；步骤S5，利用配对学习法估算检测模型参数。
-
公开(公告)号：CN103246895B
公开(公告)日：2016-03-09
申请号：CN201310178645.X
申请日：2013-05-15
Applicant: 中国科学院自动化研究所
IPC: G06K9/66
Abstract: 本公开提供了一种基于深度信息的图像分类方法，包括：使用已知深度信息的第一训练图像集训练马尔可夫随机场MRF；使用所述MRF从未知深度信息的第二训练图像集提取深度信息；从所述第二训练图像集提取局部特征；基于所提取的深度信息和所提取的局部特征来训练支持向量机分类器；以及使用经训练的支持向量机分类器来对待分类图像集中的图像进行分类，其中所述第二训练图像集和所述待分类图像集属于同一场景集。现有的图像分类方法只考虑图像空间，也即二维空间的信息，本公开考虑了深度信息，将原来在二维空间中难以区分的特征在深度维度上予以分开，从而提高了图像分类的准确性。
-
公开(公告)号：CN103345656B
公开(公告)日：2016-01-20
申请号：CN201310316221.5
申请日：2013-07-17
Applicant: 中国科学院自动化研究所
IPC: G06N3/02
Abstract: 本发明公开了一种基于多任务深度神经网络的数据识别方法及其装置。该方法包括：步骤1、建立多任务深度神经网络；步骤2、将所述多任务深度神经网络相邻两层看作限制的波尔兹曼机，采用无监督地自底向上的逐层训练方法来预训练该多任务深度神经网络，获得相邻层之间的初始连接权重；步骤3、利用反向传播算法有监督地最小化关于所述网络权重的目标函数，以获得优化后的网络权重；步骤4、将待识别数据输入具有优化后网络权重的所述多任务深度神经网络，得到输出层节点值，并根据输出层节点值得出所述待识别数据所属的类别。本方法利用神经网络来挖掘不同标签之间的关联性，在标签数量较多的大规模图像标注中仍然可以保证较高的图像标注准确率。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.089 seconds)
