-
公开(公告)号：CN103345623B
公开(公告)日：2016-09-21
申请号：CN201310290428.X
申请日：2013-07-11
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于鲁棒相对属性的行为识别方法。该方法包括以下步骤：提取视频样本库中每个动作视频样本的特征向量；设定对应于多种人体行为的多个人体运动属性，以及在每个人体运动属性下，每两个代表人体行为的动作视频，即动作视频对之间的关系；将所述动作视频对之间的关系作为输入，利用排序支持向量机进行训练，得到训练模型；利用梯度下降法求解所述排序支持向量机，得到所述排序支持向量机的参数向量，进而得到最优训练模型；利用得到的最优训练模型对每个待测试的动作视频进行人体行为识别，得到人体行为识别结果。实验证明，本发明方法能够提高人体行为识别的鲁棒性。
-
公开(公告)号：CN103226713B
公开(公告)日：2016-04-13
申请号：CN201310181275.5
申请日：2013-05-16
Applicant: 中国科学院自动化研究所
IPC: G06K9/64
Abstract: 本发明公开了一种多视角行为识别方法。该方法包括以下步骤：对每个视角的动作视频样本提取其局部和全局特征，并把每个动作视频样本表示成为一个特征向量；对源视角和目标视角的动作视频样本的变换矩阵进行初始化；然后在信息论的框架下求得源视角和目标视角的动作视频样本的变换矩阵；根据两个视角的动作视频样本的变换矩阵求得虚拟视角核；然后求得每个动作视频样本之间的相似度；最后使用支持向量机分类器对测试动作视频进行分类。本发明通过连接在源视角和目标视角的连续通路达到多视角行为识别的目的；通过虚拟视角核计算得到的相似度矩阵能够作为任何基于核分类器的输入。
-
公开(公告)号：CN103544503A
公开(公告)日：2014-01-29
申请号：CN201310566006.0
申请日：2013-11-14
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于多实例马尔科夫模型的行为识别方法。该方法包括以下步骤：对每个视频提取局部特征，用一个局部视频块的特征直方图来表示行为的某个局部运动；通过随机采样的方式得到许多局部视频块，这些局部视频块将形成多个马尔科夫链，这些马尔科夫链表示为某些局部运动在时间上的连续动作；在多实例学习的框架下，模型选择最具有判别性能的马尔科夫链表示行为；测试时，以同样的方式构成多个马尔科夫链表示视频，然后计算出这些马尔科夫链的分数，大于某个阈值为这种行为，反之不属于这种行为。本发明通过多实例马尔科夫模型，达到复杂场景下行为识别的目的，并可以减少对视频的标注。
-
公开(公告)号：CN103400160A
公开(公告)日：2013-11-20
申请号：CN201310364990.2
申请日：2013-08-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种零训练样本行为识别方法，该方法包括以下步骤：提取每个动作视频样本的特征向量；设定多个人体运动属性以及每个人体运动属性下动作视频对之间的关系；将动作视频对关系作为输入，利用排序支持向量机进行训练；利用输出的排序分数，对每一类有训练样本的人体行为拟合得到混合高斯模型；利用迁移学习获得零训练样本人体行为类别的混合高斯模型；提取测试视频样本的特征向量；利用最大后验概率原则，判断测试视频样本中零训练样本人体行为所属的类别。本发明通过利用混合高斯模型拟合排序分数，达到行为识别的目的，并通过最大后验判断所属类别，从而提高行为识别的鲁棒性。
-
公开(公告)号：CN103473538A
公开(公告)日：2013-12-25
申请号：CN201310432350.0
申请日：2013-09-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于样例迁移学习的人体检测方法，该方法包括以下步骤：提取训练集中正样本和负样本的多维人体特征；利用支持向量机进行训练，得到初始人体检测器；将人体检测器划分为多个小网格，每个网格代表一个小部件，并用相应网格里的权重来表示这个部件；对于网格权重进行更新；采用多尺度滑动框扫描的方式对于待检测图像进行人体检测，得到人体检测结果。本发明中的检测器能够自适应的进行结构调整与测试框里的样例的结构进行匹配，并将匹配的损失计入得分函数中，因此本发明方法能够自适应地对每个样例进行结构迁移，可以处理人体的形变等情况。
-
Patent Agency Ranking
公开(公告)号：CN102332097B
公开(公告)日：2013-06-26
申请号：CN201110322549.9
申请日：2011-10-21
Applicant: 中国科学院自动化研究所
IPC: G06K9/20
Abstract: 本发明公开了一种基于图割的复杂背景文本图像分割方法，其包括步骤：1)将原始文本块图像粗分为子图；2)通过估计每个子图的极性，最终决定整个文本块图像的极性；3)根据文本块图像的极性，结合字符笔画的固有特征，自动提供一些置信度较高的前景背景点作为图割的硬约束；4)对子图施加相应的软约束，用图割将硬约束传播到整个子图，进而分割子图；5)将分割的子图合并获得整体的文本分割图像。本发明方法采用分-合的技术，具有局部空间自适应性，从而可以应对背景不均匀的复杂背景文本块图像；同时，本方法自动为图割提供硬约束，结合软约束将硬约束扩展到整幅子图，因此对背景复杂的文本图像可以取得较好的分割效果。
-
公开(公告)号：CN102222339A
公开(公告)日：2011-10-19
申请号：CN201110163655.7
申请日：2011-06-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明是一种基于纹理和强度特征融合的多尺度背景建模方法。对输入图像序列进行多尺度变换；对每个尺度的图像用尺度不变中心对称的局部三元模式算子表示，用自适应的模式核密度方法计算每个尺度图像中所述模式属于背景的概率，并把累加权值超过纹理比重阈值的概率密度分布作为背景，计算所述模式属于背景的概率；把每个尺度的强度图像表示为强度图像，把权值累加超过强度比重阈值的高斯模型作为背景，用简化的混合高斯模型计算此强度值属于背景的概率；将相同尺度的图像纹理和图像强度进行融合，再将不同尺度的图像进行融合得到属于背景的最终概率，当此概率大于前背景分割阈值时则属于背景，反之则属于前景。
-
公开(公告)号：CN103400160B
公开(公告)日：2017-03-01
申请号：CN201310364990.2
申请日：2013-08-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种零训练样本行为识别方法，该方法包括以下步骤：提取每个动作视频样本的特征向量；设定多个人体运动属性以及每个人体运动属性下动作视频对之间的关系；将动作视频对关系作为输入，利用排序支持向量机进行训练；利用输出的排序分数，对每一类有训练样本的人体行为拟合得到混合高斯模型；利用迁移学习获得零训练样本人体行为类别的混合高斯模型；提取测试视频样本的特征向量；利用最大后验概率原则，判断测试视频样本中零训练样本人体行为所属的类别。本发明通过利用混合高斯模型拟合排序分数，达到行为识别的目的，并通过最大后验判断所属类别，从而提高行为识别的鲁棒性。
-
公开(公告)号：CN103226713A
公开(公告)日：2013-07-31
申请号：CN201310181275.5
申请日：2013-05-16
Applicant: 中国科学院自动化研究所
IPC: G06K9/64
Abstract: 本发明公开了一种多视角行为识别方法。该方法包括以下步骤：对每个视角的动作视频样本提取其局部和全局特征，并把每个动作视频样本表示成为一个特征向量；对源视角和目标视角的动作视频样本的变换矩阵进行初始化；然后在信息论的框架下求得源视角和目标视角的动作视频样本的变换矩阵；根据两个视角的动作视频样本的变换矩阵求得虚拟视角核；然后求得每个动作视频样本之间的相似度；最后使用支持向量机分类器对测试动作视频进行分类。本发明通过连接在源视角和目标视角的连续通路达到多视角行为识别的目的；通过虚拟视角核计算得到的相似度矩阵能够作为任何基于核分类器的输入。
-
公开(公告)号：CN102222339B
公开(公告)日：2013-03-20
申请号：CN201110163655.7
申请日：2011-06-17
Applicant: 中国科学院自动化研究所
Abstract: 本发明是一种基于纹理和强度特征融合的多尺度背景建模方法。对输入图像序列进行多尺度变换；对每个尺度的图像用尺度不变中心对称的局部三元模式算子表示，用自适应的模式核密度方法计算每个尺度图像中所述模式属于背景的概率，并把累加权值超过纹理比重阈值的概率密度分布作为背景，计算所述模式属于背景的概率；把每个尺度的强度图像表示为强度图像，把权值累加超过强度比重阈值的高斯模型作为背景，用简化的混合高斯模型计算此强度值属于背景的概率；将相同尺度的图像纹理和图像强度进行融合，再将不同尺度的图像进行融合得到属于背景的最终概率，当此概率大于前背景分割阈值时则属于背景，反之则属于前景。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.041 seconds)
