-
公开(公告)号：CN102609719B
公开(公告)日：2013-07-31
申请号：CN201210017692.1
申请日：2012-01-19
Applicant: 北京工业大学
Abstract: 一种基于改进概率主题模型的地点图像识别方法，属于图像识别技术领域。目的在于更好地解决地点图像识别中由于不同角度、光照，以及人物和物体的高度动态变化导致的不确定性问题。包括以下步骤：图像获取步骤；图像预处理步骤；特征提取步骤，采用SIFT算法对图像进行特征提取；特征聚类步骤，将所有特征聚类，得到若干聚类中心；特征分配步骤，将每幅图像的特征在聚类中心上投票，得出对应每个聚类中心的频数向量；潜在主题建模步骤，采用改进的概率主题模型学习图像的潜在主题分布；采用分类器识别未知地点图像。本发明在LDA模型中加入量化函数，通过改进LDA模型学习图像的潜在主题，在保证实时性的前提下，可有效提高识别性能。
-
公开(公告)号：CN103077537B
公开(公告)日：2015-07-15
申请号：CN201310013907.7
申请日：2013-01-15
Applicant: 北京工业大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于L1正则化的实时运动目标跟踪的新方法，包括以下步骤：输入第一帧图像并确定跟踪的目标；初始化跟踪姿态；初始化模板集；进行粒子滤波的粒子初始化；获取下一帧图像，转下一步进行跟踪，直到最后一帧；对图像进行预处理；计算粒子与模板的相似度；将最大观测概率的粒子并进行重采样；遮挡检测；模板更新。通过将琐碎模板的系数的二范数项添加到L1最小化模型中，建立新的最小化模型，在模板更新前使用遮挡检测方法检测目标是否存在遮挡，从而改进目标跟踪的精度；利用导数有界和可解析表示求解新的最小化模型，从而使得新的算法能适用于实时运动目标跟踪。本发明可在保证目标跟踪准确度的同时，使算法满足实际应用的性能要求。
-
Patent Agency Ranking
公开(公告)号：CN102629328B
公开(公告)日：2013-10-16
申请号：CN201210062379.X
申请日：2012-03-12
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 融合颜色的显著特征概率潜在语义模型物体图像识别方法属于图像识别技术领域，其特点在于，利用SIFT算法提取图像的局部显著特征，同时加入颜色特征，生成HSV_SIFT特征，并引入TF-IDF权重信息进行特征重构，使局部显著特征更具有区分度，利用潜在语义特征模型得到图像潜在语义特征，最后采用最近邻KNN分类器进行分类。本发明既考虑了图像的彩色信息，又充分考虑了视觉单词在整个图像集合中的分布情况，使物体的局部显著特征更具有可区分性，提高了识别能力。
-
公开(公告)号：CN103077537A
公开(公告)日：2013-05-01
申请号：CN201310013907.7
申请日：2013-01-15
Applicant: 北京工业大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于L1正则化的实时运动目标跟踪的新方法，包括以下步骤：输入第一帧图像并确定跟踪的目标；初始化跟踪姿态；初始化模板集；进行粒子滤波的粒子初始化；获取下一帧图像，转下一步进行跟踪，直到最后一帧；对图像进行预处理；计算粒子与模板的相似度；将最大观测概率的粒子并进行重采样；遮挡检测；模板更新。通过将琐碎模板的系数的二范数项添加到L1最小化模型中，建立新的最小化模型，在模板更新前使用遮挡检测方法检测目标是否存在遮挡，从而改进目标跟踪的精度；利用导数有界和可解析表示求解新的最小化模型，从而使得新的算法能适用于实时运动目标跟踪。本发明可在保证目标跟踪准确度的同时，使算法满足实际应用的性能要求。
-
公开(公告)号：CN103077530A
公开(公告)日：2013-05-01
申请号：CN201210365994.8
申请日：2012-09-27
Applicant: 北京工业大学
IPC: G06T7/20
Abstract: 一种基于改进混合高斯和图像剪切的运动目标检测方法，属于智能视频监控技术领域，其目的在于克服现有方法存在的问题，提高运动目标检测的准确度与处理速度。本发明实现步骤包括：⑴确定运动区域，本发明提出一种基于灰度差异性的三帧差分及曲线拟合的方法初步确定目标的运动区域，⑵期望最大化（EM）算法初始化，利用基于网格和密度估计的方法确定EM算法的初始值，以减小EM算法对于初始值的依赖，⑶运动目标检测，利用已初始化的EM算法估计混合高斯模型参数，并且仅在剪切出的运动区域上采用混合高斯模型的方法检测运动目标，极大的降低了计算复杂度。本发明可在保证目标检测准确度的同时，使算法满足实际应用的性能要求。
-
公开(公告)号：CN102629328A
公开(公告)日：2012-08-08
申请号：CN201210062379.X
申请日：2012-03-12
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 融合颜色的显著特征概率潜在语义模型物体图像识别方法属于图像识别技术领域，其特点在于，利用SIFT算法提取图像的局部显著特征，同时加入颜色特征，生成HSV_SIFT特征，并引入TF-IDF权重信息进行特征重构，使局部显著特征更具有区分度，利用潜在语义特征模型得到图像潜在语义特征，最后采用最近邻KNN分类器进行分类。本发明既考虑了图像的彩色信息，又充分考虑了视觉单词在整个图像集合中的分布情况，使物体的局部显著特征更具有可区分性，提高了识别能力。
-
公开(公告)号：CN102609719A
公开(公告)日：2012-07-25
申请号：CN201210017692.1
申请日：2012-01-19
Applicant: 北京工业大学
Abstract: 一种基于改进概率主题模型的地点图像识别方法，属于图像识别技术领域。目的在于更好地解决地点图像识别中由于不同角度、光照，以及人物和物体的高度动态变化导致的不确定性问题。包括以下步骤：图像获取步骤；图像预处理步骤；特征提取步骤，采用SIFT算法对图像进行特征提取；特征聚类步骤，将所有特征聚类，得到若干聚类中心；特征分配步骤，将每幅图像的特征在聚类中心上投票，得出对应每个聚类中心的频数向量；潜在主题建模步骤，采用改进的概率主题模型学习图像的潜在主题分布；采用分类器识别未知地点图像。本发明在LDA模型中加入量化函数，通过改进LDA模型学习图像的潜在主题，在保证实时性的前提下，可有效提高识别性能。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
