-
公开(公告)号：CN104766051B
公开(公告)日：2018-08-31
申请号：CN201510126019.5
申请日：2015-03-20
IPC: G06K9/00
Abstract: 本发明公开了一种基于结构化的特征图的人体行为识别方法，所述方法包括：从样本中提取时空兴趣点，生成特征向量；以特征向量为初始值，利用预设函数完成隐条件随机场模型的参数训练，学习到具有中级语义信息的基元及其空间连接关系；而后将样本分割为时序单元，在时序单元内构建特征图，并映射到特征空间中；通过时序关系连接时序单元，构建链状图，提出时序图核；利用时序图核，对待识别行为视频分类识别。本发明应用HCRF完成对基元及其关联关系的学习，利用特征图完成对视频序列的描述，利用时序图核完成特征图在空间‑时间上的匹配，从而可以对不同长度和速度的行为序列进行匹配，不仅可以用于单人的行为，也可以用于多人的交互行为。
-
公开(公告)号：CN104766051A
公开(公告)日：2015-07-08
申请号：CN201510126019.5
申请日：2015-03-20
IPC: G06K9/00
Abstract: 本发明公开了一种基于结构化的特征图的人体行为识别方法，所述方法包括：从样本中提取时空兴趣点，生成特征向量；以特征向量为初始值，利用预设函数完成隐条件随机场模型的参数训练，学习到具有中级语义信息的基元及其空间连接关系；而后将样本分割为时序单元，在时序单元内构建特征图，并映射到特征空间中；通过时序关系连接时序单元，构建链状图，提出时序图核；利用时序图核，对待识别行为视频分类识别。本发明应用HCRF完成对基元及其关联关系的学习，利用特征图完成对视频序列的描述，利用时序图核完成特征图在空间-时间上的匹配，从而可以对不同长度和速度的行为序列进行匹配，不仅可以用于单人的行为，也可以用于多人的交互行为。
-
Patent Agency Ranking
公开(公告)号：CN104573710B
公开(公告)日：2018-11-13
申请号：CN201410828113.0
申请日：2014-12-25
Applicant: 北京交通大学
IPC: G06K9/62
Abstract: 本发明实施例提供了一种基于潜在空间平滑自表征的子空间聚类方法。该方法包括：根据数据矩阵X计算出初始的数据投影矩阵P；利用初始的数据投影矩阵P对数据矩阵X进行降维处理，得到初始的数据平滑自表征矩阵C；按照设定的迭代算法，交替进行所述的数据投影矩阵P和数据平滑自表征矩阵C的优化处理，获取最终的数据平滑自表征矩阵Cz；利用最终的数据平滑自表征矩阵Cz构建关联图，利用关联图对数据集合进行子空间聚类处理。本发明实施例将数据降维和数据平滑自表征矩阵的求解同时进行优化，减少了运算复杂度及存储需求，保证了求解出来的数据投影矩阵最佳的保持了数据的多子空间结构。
-
公开(公告)号：CN104573710A
公开(公告)日：2015-04-29
申请号：CN201410828113.0
申请日：2014-12-25
Applicant: 北京交通大学
IPC: G06K9/62
Abstract: 本发明实施例提供了一种基于潜在空间平滑自表征的子空间聚类方法。该方法包括：根据数据矩阵X计算出初始的数据投影矩阵P；利用初始的数据投影矩阵P对数据矩阵X进行降维处理，得到初始的数据平滑自表征矩阵C；按照设定的迭代算法，交替进行所述的数据投影矩阵P和数据平滑自表征矩阵C的优化处理，获取最终的数据平滑自表征矩阵Cz；利用最终的数据平滑自表征矩阵Cz构建关联图，利用关联图对数据集合进行子空间聚类处理。本发明实施例将数据降维和数据平滑自表征矩阵的求解同时进行优化，减少了运算复杂度及存储需求，保证了求解出来的数据投影矩阵最佳的保持了数据的多子空间结构。
-
公开(公告)号：CN104575003B
公开(公告)日：2017-07-18
申请号：CN201310503592.4
申请日：2013-10-23
Abstract: 本发明是一种基于道路监控视频的车辆速度检测方法，包括如下步骤：①采用车道标示线识别法对车道进分割，剔除多余背景；②根据车道图片获取车道宽度信息；③计算每个像素点所代表的实际距离；④求解修正系数β，用以校正每个像素点所代表的实际车道距离；⑤计算车辆运动的光流，获取车辆的运动轨迹；⑥计算车辆实际运动距离；⑦距离修正，将车辆实际运动距离乘以修正系数；⑧速度计算。本发明采用视频图像分析技术，旨在降低车辆速度检测、超速行为记录的成本，同时本发明还起到扩大车辆速度监测范围作用，凡有摄像头的地方都可进行车辆速度监控。
-
公开(公告)号：CN105631462A
公开(公告)日：2016-06-01
申请号：CN201410589024.5
申请日：2014-10-28
IPC: G06K9/62
Abstract: 本发明是结合置信度和贡献度的基于时空上下文的行为识别方法。弥补了经典的局部特征+词袋模型进行人体行为识别时的不足。本发明不仅描述了局部特征在空间域和时间域上的上下文交互信息，而且还考虑了特征与行为之间的关联关系。本发明包括：从关联规则中挖掘单词的置信度；从线性SVM中学习单词的贡献度；联合置信度和贡献度计算单词与对应行为的关联权值；根据时空交互关系和自身关联权值，计算上下文关联系数；累积与邻域内所有点的关联系数得到局部上下文描述子；利用上下文描述子累积直方图，生成特征序列用于行为分类。本发明采用机器学习及数据挖掘相关技术，旨在使人体行为识别算法更具判别性和鲁棒性。
-
公开(公告)号：CN104575003A
公开(公告)日：2015-04-29
申请号：CN201310503592.4
申请日：2013-10-23
Abstract: 本发明是一种基于道路监控视频的车辆速度检测方法，包括如下步骤：①采用车道标示线识别法对车道进分割，剔除多余背景；②根据车道图片获取车道宽度信息；③计算每个像素点所代表的实际距离；④求解修正系数β，用以校正每个像素点所代表的实际车道距离；⑤计算车辆运动的光流，获取车辆的运动轨迹；⑥计算车辆实际运动距离；⑦距离修正，将车辆实际运动距离乘以修正系数；⑧速度计算。本发明采用视频图像分析技术，旨在降低车辆速度检测、超速行为记录的成本，同时本发明还起到扩大车辆速度监测范围作用，凡有摄像头的地方都可进行车辆速度监控。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
