-
公开(公告)号：CN106203255B
公开(公告)日：2019-04-23
申请号：CN201610472790.2
申请日：2016-06-24
Applicant: 华中科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于时间对齐池化的视频行人重识别方法，通过追踪视频中行人靠下部位的超像素轨迹，得到其运动信息；基于上述信息，结合人行走时具有周期性的固有属性，选取一个最优周期，并根据正弦曲线将该周期划分为若干个片段，然后通过时间对齐的池化表示方法对每一个片段进行描述，最后将其整合在一起作为最终表达。通过执行本发明中的算法，解决了基于视频的行人重识别的时间对齐问题，增强了算法的鲁棒性，提高了基于视频的行人重识别性能。
-
公开(公告)号：CN105160687B
公开(公告)日：2018-01-02
申请号：CN201510689097.6
申请日：2015-10-21
Applicant: 华中科技大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T3/4007 , G06T3/4076 , G06T7/0002 , G06T2207/10048 , G06T2207/20076
Abstract: 本发明公开了一种气动光学热辐射噪声校正方法，包括以下步骤：首先将退化图像进行预处理得到多尺度退化图像集合；然后，根据上述多尺度退化集合，以上一尺度估计结果作为下一尺度估计初始值来获得最优解的更新迭代过程，完成原始尺度的偏差场估计；最后，根据原始尺度的偏差场估计值对退化图像进行复原，得到气动光学热辐射噪声校正图像。本发明还涉及一种气动光学热辐射噪声校正系统。本发明有效解决了现有方法中存在的校正效果差、方法复杂度高、无法在图像层面进行热辐射噪声校正的问题，适用于气动光学热辐射噪声图像复原的应用场合。
-
公开(公告)号：CN107194365A
公开(公告)日：2017-09-22
申请号：CN201710416188.1
申请日：2017-06-06
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于中层特征的行为识别方法与系统，其中方法的实现包括：从样本图像序列中得到候选部件检测器集；移除候选部件检测器集中B％的判别能力弱的部件检测器，得到新的候选部件检测器集；根据新的候选部件检测器集中每个部件检测器的权重进行由大到小的排序，选择排序靠前的P个部件检测器作为A类行为类别的中层特征提取器；获取行为类别中每一类行为类别的中层特征提取器，组合成词袋，利用词袋提取样本图像序列的样本中层特征，利用样本中层特征训练分类器，得到行为识别分类器；将测试图像序列输入行为识别分类器，得到测试图像序列的行为类别。本发明识别能力强、识别准确率高、实用性强、保留了部件之间的关联性。
-
公开(公告)号：CN106447626A
公开(公告)日：2017-02-22
申请号：CN201610806072.4
申请日：2016-09-07
Applicant: 华中科技大学
CPC classification number: G06T5/00 , G06T5/003 , G06T7/0002 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明公开了一种基于深度学习的模糊核尺寸估计方法，属于模式识别技术领域。该方法首先根据模糊图样属性选择采用降采样或尺寸截取进行预处理，得到尺寸满足需求的输入图像；之后，将图像输入至已完成训练的多分类卷积神经网络中，通过不同层的权值计算，得到一个概率分布向量；最后，通过比较向量中各元素的大小，取值最大的元素所对应图像类别代表的模糊核尺寸即为模糊图像尺寸大小的估计结果。本发明还实现了一种基于深度学习的模糊核尺寸估计系统。本发明为现有图像去模糊算法提供了更具科学依据的模糊核尺寸作为输入参数，有效解决了现有方法中存在的尺寸盲目输入以及无法提供直接的输入值等问题。
-
公开(公告)号：CN103020992A
公开(公告)日：2013-04-03
申请号：CN201210450679.5
申请日：2012-11-12
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于运动颜色关联的视频图像显著性检测方法，包括：获得视频图像的静态显著性图；提取场景的光流向量场；对光流向量场进行初步分类并抛弃最大分类区块；将视频图像从RGB颜色空间转换到HSV颜色空间；根据HSV颜色空间H分量中对应颜色在输入图像中出现的频率，生成颜色直方图；针对光流向量场有效分类区块中的每个向量，将其范数投射到颜色直方图的相应区间中去，得到每个颜色区间的运动尺度变量；得到每种颜色的运动显著性值并投影到原图像生成运动显著性图；将运动显著性图与静态显著性图相加得到最终显著性图。本发明的方法可以有效地将运动特征纳入显著性考虑范围，在现有的运动视频测试集上能取得优于传统方法的结果。
-
Patent Agency Ranking
公开(公告)号：CN107194365B
公开(公告)日：2020-01-03
申请号：CN201710416188.1
申请日：2017-06-06
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于中层特征的行为识别方法与系统，其中方法的实现包括：从样本图像序列中得到候选部件检测器集；移除候选部件检测器集中B％的判别能力弱的部件检测器，得到新的候选部件检测器集；根据新的候选部件检测器集中每个部件检测器的权重进行由大到小的排序，选择排序靠前的P个部件检测器作为A类行为类别的中层特征提取器；获取行为类别中每一类行为类别的中层特征提取器，组合成词袋，利用词袋提取样本图像序列的样本中层特征，利用样本中层特征训练分类器，得到行为识别分类器；将测试图像序列输入行为识别分类器，得到测试图像序列的行为类别。本发明识别能力强、识别准确率高、实用性强、保留了部件之间的关联性。
-
公开(公告)号：CN106447626B
公开(公告)日：2019-06-07
申请号：CN201610806072.4
申请日：2016-09-07
Applicant: 华中科技大学
CPC classification number: G06T5/00
Abstract: 本发明公开了一种基于深度学习的模糊核尺寸估计方法，属于模式识别技术领域。该方法首先根据模糊图样属性选择采用降采样或尺寸截取进行预处理，得到尺寸满足需求的输入图像；之后，将图像输入至已完成训练的多分类卷积神经网络中，通过不同层的权值计算，得到一个概率分布向量；最后，通过比较向量中各元素的大小，取值最大的元素所对应图像类别代表的模糊核尺寸即为模糊图像尺寸大小的估计结果。本发明还实现了一种基于深度学习的模糊核尺寸估计系统。本发明为现有图像去模糊算法提供了更具科学依据的模糊核尺寸作为输入参数，有效解决了现有方法中存在的尺寸盲目输入以及无法提供直接的输入值等问题。
-
公开(公告)号：CN116148477A
公开(公告)日：2023-05-23
申请号：CN202211015918.4
申请日：2021-12-20
Applicant: 华中科技大学同济医学院附属同济医院
Abstract: 本发明“生物标志物组合在制备暴发性心肌炎药物方面的应用”属于药物领域。所述应用的特征在于，所述生物标志物组合包括：Siglec‑5；所述生物标志物组合进一步选自由sST2、PAI‑1、Siglec‑5、CD163、CD40、P‑Cadherin、CD14、CTLA4组成的组。本发明发现所述生物标志物在暴发性心肌炎患者血浆中的表达增高，并证实了其作为药物靶标在缓解和/或改善暴发性心肌炎中的作用，可通过药物控制这些生物标志物的水平，可以对疾病进行更强化的诊断和后续治疗，在临床上有巨大的应用价值。
-
公开(公告)号：CN114414812A
公开(公告)日：2022-04-29
申请号：CN202111559565.X
申请日：2021-12-20
Applicant: 华中科技大学同济医学院附属同济医院
Abstract: 本发明“生物标志物组合在制备暴发性心肌炎诊断试剂及暴发性心肌炎药物方面的应用”属于疾病诊断试剂和药物领域。所述应用的特征在于，所述生物标志物组合包括：Siglec‑5；所述生物标志物组合进一步选自由sST2、PAI‑1、Siglec‑5、CD163、CD40、P‑Cadherin、CD14、CTLA4组成的组。本发明发现所述生物标志物在暴发性心肌炎患者血浆中的表达增高，并证实了其在暴发性心肌炎起诊断生物标志物的作用，以及其作为药物靶标在缓解和/或改善暴发性心肌炎中的作用，可通过检测这些生物标志物的水平，可用来预测和协助诊断暴发性心肌炎或评估暴发性心肌炎的预后，同时通过药物控制这些生物标志物的水平，可以对疾病进行更强化的诊断和后续治疗，在临床上有巨大的应用价值。
-
公开(公告)号：CN109299664B
公开(公告)日：2021-03-26
申请号：CN201810979958.8
申请日：2018-08-27
Applicant: 华中科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种行人重识别的重排序方法，包括：采集行人目标图片，获取正负样本对特征向量作为样本得到样本集合，将样本集合划分为训练集和测试集；对训练集中的样本进行训练得到原始度量矩阵，计算测试集中样本的相似度后对相似度进行排序，得到初始排序列表；在训练集中使用交叉验证法，得到验证集的排序列表，利用难例挖掘将训练集中的样本分为困难、中等和简单三个级别；在正负样本对特征向量的距离约束下，对训练集中困难和中等级别的样本进行训练得到度量矩阵；利用度量矩阵计算初始排序列表中部分样本的相似度重新排序，得到最终的重排序列表。本发明方法有效区分视觉上相似的样本，重排序后显著提高识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.024 seconds)
