-
公开(公告)号:CN109785640A
公开(公告)日:2019-05-21
申请号:CN201910166644.0
申请日:2019-03-06
Applicant: 南京邮电大学
Abstract: 本发明公开了一种关于车辆违章检测系统及其检测方法,检测目标区域内的道路环境信息,当车辆进入目标区域内,获取目标车辆的具体信息,同时获取目标车辆的行车参数;从道路车道线检测系统上获取车道线信息,从而提取车道线的位置分布信息;所述的车道线信息包括车道线实线、车道线虚线和车道线虚线变实线处;将车辆参数与车道线信息进行比对,判断车辆是否存在违章情况;若无违章情况,车辆安全通过,若存在违章情况,发出违章警告提示;通过道路上设置的声光提示系统,向违章车辆发出语音及光学提示;同时将违章情况发送至交通管理系统,对违章车辆的违章信息进行记录并开出罚单。
-
公开(公告)号:CN108363969A
公开(公告)日:2018-08-03
申请号:CN201810105264.1
申请日:2018-02-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于移动终端的新生儿疼痛评估方法,该方法包括:(1)采集新生儿疼痛表情图像,将所述表情图像分类,将所述表情图像裁剪成a×a像素的彩色图像;(2)构建一个包含1个数据层、19个卷积层、1个池化层、1个全连接层和1个分类层的卷积神经网络;(3)将数据库分为训练集和验证集,对卷积神经网络进行训练,得到优化后的网络模型;(4)将训练好的网络模型移植到移动终端,生成新生儿疼痛评估应用程序;(5)开启所述新生儿疼痛评估应用程序,并将识别结果显示在移动终端上。本发明针对智能手机等移动终端的处理能力,优化设计了深度卷积神经网络的结构,采用深度学习方法来提取新生儿疼痛表情特征,分类识别准确率高。
-
公开(公告)号:CN108363962A
公开(公告)日:2018-08-03
申请号:CN201810071146.3
申请日:2018-01-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多层次特征深度学习的人脸检测方法及系统。该方法包括获取训练集和验证集图像及图像的标签信息;将图像及标签输入深度卷积神经网络中,对网络进行训练和调优,得到人脸检测模型;将测试图像输入到训练好的模型进行人脸检测。其中神经网络包括用于提取第一层次特征的第一网络模块,用于提取第二层次特征的第二网络模块,以及包括两个支路,分别用于完成人脸分类任务和人脸位置坐标回归任务的第三网络模块。本发明在不同层次的特征图上进行检测,解决了现有方法中采用分阶段方式存在的效率慢、步骤繁琐和泛化能力差的问题,在保证高检测精度的同时也达到了实时检测的效果,并且对人脸图像的光照与遮挡问题具有很好的鲁棒性。
-
公开(公告)号:CN107392109A
公开(公告)日:2017-11-24
申请号:CN201710497593.0
申请日:2017-06-27
Applicant: 南京邮电大学
CPC classification number: G06K9/00302 , G06N3/0454 , G06N3/08
Abstract: 本发明涉及一种基于深度神经网络的新生儿疼痛表情识别方法,通过引入基于卷积神经网络(CNN)和长短时记忆(LSTM)网络的深度学习方法,将其运用于新生儿疼痛表情识别工作中,能够有效识别出新生儿处于安静、啼哭状态以及致痛性操作引起轻度疼痛、剧烈疼痛等表情;其中,通过引入深度神经网络来提取视频片段的时域和空域特征,突破了传统的人工设计与提取显式表情特征的技术瓶颈,并且提高了在面部受遮挡、姿态倾斜、光照变化等复杂情况下的识别率和鲁棒性。
-
公开(公告)号:CN104299243B
公开(公告)日:2017-02-08
申请号:CN201410507656.2
申请日:2014-09-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于霍夫森林的目标跟踪方法,针对视频中目标相似物造成干扰的解决方案,结合卡尔曼滤波校正与计算帧间目标中心位置均值的欧氏距离达到准确的目标检测和跟踪目的,考虑目标运动的方向和速度,对场景中发生的运动目标相似物交叉和部分遮挡现象具有较好的稳定性和鲁棒性,有效避免了由于干扰产生的目标中心位置漂移现象,同时提高了跟踪速度。
-
公开(公告)号:CN106096641A
公开(公告)日:2016-11-09
申请号:CN201610397707.X
申请日:2016-06-07
Applicant: 南京邮电大学
CPC classification number: G06K9/6269 , G06K9/00302 , G06N3/126
Abstract: 本发明公开了一种基于遗传算法的多模态情感特征融合方法,属于信号处理与模式识别领域。包括以下内容:建立一个多模态情感数据库,然后对于所述数据库中的每个样本,提取多模态情感数据库样本的各模态情感特征,例如:面部表情特征、语音情感特征以及身体姿态特征等,构造多模态情感特征矩阵,将遗传算法用于多个模态的特征融合,包括基于遗传算法的特征选择、交叉以及重组,最后采用遗传算法对多模态情感特征进行F次迭代的特征选择和融合。本发明针对多模态情感分类识别,提出将遗传算法用于特征层融合,为基于特征层融合的多模态情感分类识别提供了一种新的有效途径。
-
公开(公告)号:CN101887587A
公开(公告)日:2010-11-17
申请号:CN201010221290.4
申请日:2010-07-07
Applicant: 南京邮电大学
IPC: G06T7/20
Abstract: 本发明公开了视频监控中基于运动目标检测的多目标跟踪方法,该方法首先使用背景去除法检测前景运动目标;然后建立当前帧前景目标团块与前一帧已检测到的目标之间的关联矩阵,并以此来判断目标所处的各种状态(如目标消失、目标保持初始状态、目标重合、目标分离等),对处于分离状态的目标进行二次跟踪;最后更新目标的位置、面积及核加权颜色直方图等特征,实现对多个目标的跟踪。本发明方法能有效地对被遮挡的目标以及相互重合后再分离的多个目标进行实时、可靠的跟踪,提高视频监控系统的稳定性和鲁棒性。
-
公开(公告)号:CN114998973B
公开(公告)日:2024-11-05
申请号:CN202210767992.5
申请日:2022-06-30
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/80 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于域自适应的微表情识别方法,该方法包括以下步骤:将普通表情域作为源域,微表情域作为目标域,对普通表情和微表情图像进行预处理,建立源域和目标域样本集;构建包含特征学习模块、分类器和域判别器的对抗网络;在每个批次对对抗网络的训练中,用源域样本训练特征学习模块、分类器和域判别器,用目标域样本训练特征学习模块和域判别器,通过对抗学习使得源域和目标域样本的特征分布差异最小化,实现域的自适应;利用训练好的特征学习模块和分类器构建微表情识别模型,对输入的图像进行微表情识别。本发明利用现有普通表情样本去辅助微表情识别,以解决微表情训练样本数量不足的问题,提高微表情识别的准确率和鲁棒性。
-
公开(公告)号:CN115659019A
公开(公告)日:2023-01-31
申请号:CN202211300286.6
申请日:2022-10-21
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06Q30/06 , G06Q30/02 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于轻量级图神经网络的协同过滤推荐方法。该方法包括以下步骤:采集用户与项目的历史交互数据,建立包含用户标识符和项目标识符的历史交互数据库;构建一种协同过滤推荐模型,该模型包括用户特征编码器、项目特征编码器和轻量级图神经网络;使用历史交互数据库中的交互数据对所述的协同过滤推荐模型进行训练;利用训练好的模型为用户推荐可能感兴趣的项目。本发明构建的协同过滤推荐模型中的轻量级图神经网络不包含任何需要训练的参数,而且本发明提出将置信度标签引入到损失函数的方法,优化了模型的训练,在保证推荐精度的前提下简化了模型、缩短了训练时间。
-
公开(公告)号:CN112800979B
公开(公告)日:2022-08-26
申请号:CN202110133950.1
申请日:2021-02-01
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于表征流嵌入网络的动态表情识别方法及系统。该方法包括:采集人脸表情视频片段,建立包含表情类别标签的人脸表情视频库;构建嵌入表征流层的卷积神经网络模型,该模型包括数据处理层、第一特征提取模块、表征流层、第二特征提取模块、注意力机制模块、全连接层和分类层;使用人脸表情视频库中的视频样本对所述的卷积神经网络模型进行训练;利用训练好的模型对测试视频进行人脸表情识别,输出表情类别。本发明在卷积神经网络中嵌入可微分的表征流层,在特征图层面借鉴传统光流法生成表征光流图,利用时间序列上特征图之间的表征光流来提取视频帧序列中的动态表情特征,能够有效提高人脸表情识别的准确率、鲁棒性及实时性。
-
-
-
-
-
-
-
-
-