-
公开(公告)号：CN104463148A
公开(公告)日：2015-03-25
申请号：CN201410850304.7
申请日：2014-12-31
Applicant: 南京信息工程大学
IPC: G06K9/00
CPC classification number: G06K9/00221
Abstract: 本发明公开了基于图像重构和哈希算法的人脸识别方法，采用图像重构模型，利用尺度变量ap，有效地去除了人脸图像中遮挡、掩饰，解决了人脸图像中光照不均匀和图像漂移的问题。引入Hash矩阵，将高维的数据矩阵映射到了一个低维的数据空间，大大地减小了算法的计算量。本发明在保证识别精度的情况下，既能有效处理人脸识别中多输入的问题，又能提高算法的识别效率。
-
-
公开(公告)号：CN103632138B
公开(公告)日：2016-09-28
申请号：CN201310586448.1
申请日：2013-11-20
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种低秩分块稀疏表示的人脸识别方法，采用低秩矩阵分解并引入参考项，采用DCT算法，实现了图像的归一化，有效地解决了人脸图像中光照不均匀的问题。在分类阶段，利用聚类的思想，行之有效地提高了识别速度。将该算法用于标准人脸数据库上进行多次实验，实验结果表明：与现有人脸识别算法相比，本文算法的识别准确率和计算效率都得到了一致提高。在人脸图像出现遮挡、伪装、光照变化等复杂情况下以提高人脸识别的精度和稳健性。
-
Patent Agency Ranking
公开(公告)号：CN104616319A
公开(公告)日：2015-05-13
申请号：CN201510044595.5
申请日：2015-01-28
Applicant: 南京信息工程大学
CPC classification number: G06K9/6269
Abstract: 本发明公开了基于支持向量机的多特征选择目标跟踪方法，其步骤为：获取正负样本，提取样本的多种特征；抽取候选目标，提取目标的多种特征；对所有特征进行核化处理；训练SVM分类器；计算置信值，判别候选目标；更新分类器；评估跟踪性能。本发明能够解决单一特征描述目标能力较差的问题以及克服单一正样本训练的分类器分类能力较弱的缺点，能够在光照影响较大、目标出现严重遮挡等复杂场景下提高目标跟踪器的精度和稳健性。
-
公开(公告)号：CN103295242A
公开(公告)日：2013-09-11
申请号：CN201310241910.4
申请日：2013-06-18
Applicant: 南京信息工程大学
Abstract: 本发明通过对传统的稀疏编码跟踪器求解稀疏系数方法以及采用的目标特征进行分析和改进，提供一种多特征联合稀疏表示的目标跟踪方法，在光照影响较大、目标出现严重遮挡等复杂场景下保持目标跟踪的稳定性，提高目标跟踪器的精度。本发明包括如下步骤：构建初始字典；目标模板的分块处理；抽取候选粒子；提取目标特征；确定图像特征数和块的类别数；特征的核化处理；将候选样本用字典中所有块进行稀疏表示；核扩展；求解稀疏问题；块的残差计算；构建似然函数；更新模板库。本发明采用多特征联合描述目标，提高了算法的精度和跟踪的稳健性。
-
公开(公告)号：CN104616319B
公开(公告)日：2018-06-12
申请号：CN201510044595.5
申请日：2015-01-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于支持向量机的多特征选择目标跟踪方法，其步骤为：获取正负样本，提取样本的多种特征；抽取候选目标，提取目标的多种特征；对所有特征进行核化处理；训练SVM分类器；计算置信值，判别候选目标；更新分类器；评估跟踪性能。本发明能够解决单一特征描述目标能力较差的问题以及克服单一正样本训练的分类器分类能力较弱的缺点，能够在光照影响较大、目标出现严重遮挡等复杂场景下提高目标跟踪器的精度和稳健性。
-
公开(公告)号：CN103295242B
公开(公告)日：2015-09-23
申请号：CN201310241910.4
申请日：2013-06-18
Applicant: 南京信息工程大学
Abstract: 本发明通过对传统的稀疏编码跟踪器求解稀疏系数方法以及采用的目标特征进行分析和改进，提供一种多特征联合稀疏表示的目标跟踪方法，在光照影响较大、目标出现严重遮挡等复杂场景下保持目标跟踪的稳定性，提高目标跟踪器的精度。本发明包括如下步骤：构建初始字典；目标模板的分块处理；抽取候选粒子；提取目标特征；确定图像特征数和块的类别数；特征的核化处理；将候选样本用字典中所有块进行稀疏表示；核扩展；求解稀疏问题；块的残差计算；构建似然函数；更新模板库。本发明采用多特征联合描述目标，提高了算法的精度和跟踪的稳健性。
-
公开(公告)号：CN103632138A
公开(公告)日：2014-03-12
申请号：CN201310586448.1
申请日：2013-11-20
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种低秩分块稀疏表示的人脸识别方法，采用低秩矩阵分解并引入参考项，采用DCT算法，实现了图像的归一化，有效地解决了人脸图像中光照不均匀的问题。在分类阶段，利用聚类的思想，行之有效地提高了识别速度。将该算法用于标准人脸数据库上进行多次实验，实验结果表明：与现有人脸识别算法相比，本文算法的识别准确率和计算效率都得到了一致提高。在人脸图像出现遮挡、伪装、光照变化等复杂情况下以提高人脸识别的精度和稳健性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
