-
公开(公告)号：CN109978768B
公开(公告)日：2022-10-11
申请号：CN201910245860.4
申请日：2019-03-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于视觉显著性检测的图像非线性缩放方法，该方法首先读入一张大小为n*m的图像，输入待缩放图像大小p*q；接着通过FCN全卷积神经网络生成显著图g(I)，并计算出图像的能量函数e(I)，得到总能量函数E(I)；然后利用动态规划的方法计算出累计最小能量图，找出一条最佳裁剪线；最后从图像中不断删去得到的最佳裁剪线，直至图像大小与待缩放图像大小相等，得到缩放完成的新图像。本发明可以有效地保持图像重要内容，具有良好的缩放效果。
-
公开(公告)号：CN109903339B
公开(公告)日：2021-03-05
申请号：CN201910235608.5
申请日：2019-03-26
Applicant: 南京邮电大学
Abstract: 本发明公开一种多维融合特征的视频群体人物定位检测方法。该发明首先抽取多层级视频特征图，建立自顶向下和自底向上的双向特征处理通道充分挖掘视频的语义信息，接着融合多层级视频特征图获取多维融合特征，抓取视频候选目标，最后并行处理候选目标位置回归和类别分类，完成视频群体人物定位检测。本发明通过融合多层级特征获得丰富的视频语义信息，同时进行多任务预测操作，有效提升群体人物定位检测的速度，具有良好的准确率和实施性。
-
公开(公告)号：CN111105443A
公开(公告)日：2020-05-05
申请号：CN201911362575.7
申请日：2019-12-26
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于特征关联的视频群体人物运动轨迹跟踪方法。该发明首先检测视频中出现的群体人物，获取群体人物的位置信息和特征掩码；接着检测新增人物，选定当前追踪人物，逐帧计算当前追踪人物与相邻视频帧中人物的关联相似度；最后结合关联相似度，确定当前追踪人物的帧间动态，更新当前追踪人物运动线索，并遍历视频序列完成视频群体人物的运动轨迹跟踪。本发明利用群体人物的运动特性，在帧间人物关联匹配过程中，综合考虑位置关系和动作形态的影响，能够有效提高群体人物运动轨迹跟踪的准确率，具有良好的实施性和鲁棒性。
-
公开(公告)号：CN110135277A
公开(公告)日：2019-08-16
申请号：CN201910326391.9
申请日：2019-07-05
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于卷积神经网络的人体行为识别方法，包括如下步骤：采集不同人体动作的图像，每张所述图像都有一个人体骨架序列；根据人体骨架序列形成所述人体图像的移动骨架描述符图像和移动关节描述符图像；将不同人体动作的移动骨架描述符图像和移动关节描述符图像分别作为训练集训练卷积神经网络；将待识别人体动作的图像分别输入训练好的两个卷积神经网络中，分别得到各个人体动作的分数；将两种分数中相同人体动作对应的分数相加，得出得分最高的动作，作为人体行为识别的结果。本发明使得对于输入的人体姿势序列，能够使用卷积神经网络进行人体行为识别，提高对人体行为识别的准确度，并且降低学习模型的计算复杂度。
-
公开(公告)号：CN108765451A
公开(公告)日：2018-11-06
申请号：CN201810428604.4
申请日：2018-05-07
Applicant: 南京邮电大学
IPC: G06T7/20
CPC classification number: G06T7/20 , G06T2207/10016 , G06T2207/20021
Abstract: 本发明公开一种自适应背景更新的交通运动目标检测方法，解决交通运动目标检测容易受外部场景变化影响的问题。本发明首先采用中值法从视频图像序列中提取出可靠、稳定的背景图像，然后将当前帧图像和提取的背景图像作差值，设定确定的阈值，得到差值图像，最后对差值图像进行一定的图像后处理，包括腐蚀、膨胀及开闭等形态学的处理，即可得到所需的交通运动目标。本发明能够有效提高交通运动目标检测的准确性，具有良好的实时性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN110135277B
公开(公告)日：2022-08-16
申请号：CN201910326391.9
申请日：2019-07-05
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/82 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 本发明提供一种基于卷积神经网络的人体行为识别方法，包括如下步骤：采集不同人体动作的图像，每张所述图像都有一个人体骨架序列；根据人体骨架序列形成所述人体图像的移动骨架描述符图像和移动关节描述符图像；将不同人体动作的移动骨架描述符图像和移动关节描述符图像分别作为训练集训练卷积神经网络；将待识别人体动作的图像分别输入训练好的两个卷积神经网络中，分别得到各个人体动作的分数；将两种分数中相同人体动作对应的分数相加，得出得分最高的动作，作为人体行为识别的结果。本发明使得对于输入的人体姿势序列，能够使用卷积神经网络进行人体行为识别，提高对人体行为识别的准确度，并且降低学习模型的计算复杂度。
-
公开(公告)号：CN109949176B
公开(公告)日：2022-07-15
申请号：CN201910245861.9
申请日：2019-03-28
Applicant: 南京邮电大学
IPC: G06Q50/00 , G06F16/901
Abstract: 本发明公开了一种基于图嵌入的社交网络中异常用户检测方法，根据社交网络图中的用户节点和社区的归属关系值构建初始的用户节点嵌入模型，然后根据某个用户节点和其他用户节点建立目标函数，进而得到最终的用户节点嵌入模型，选取某个用户节点最终嵌入模型和其他用户节点之间的连接关系得到嵌入加权向量公式，根据嵌入加权向量公式采用数据归一化方法得到用户节点的异常水平公式，当用户节点异常水平大于最大阈值或者小于最小阈值定义为异常用户节点。本发明方法能够有效提升社交网络中异常用户节点检测的有效性和准确性。
-
公开(公告)号：CN108399435B
公开(公告)日：2020-09-25
申请号：CN201810237226.1
申请日：2018-03-21
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于动静特征的视频分类方法，解决视频分类准确度不够高的问题。本发明首先对视频中的动态特征和静态特征进行处理，利用Cholesky变换对这些信息融合后，使用GRU神经网络完成视频的分类；接着通过DT算法捕获每个视频帧的动态特征，再通过DBSCAN聚类算法将每个视频帧隔离，在每个视频片段的每个帧里构建运动框并连接每个视频片段相邻帧之间的运动框，完成动态特征的捕获和跟踪；然后通过HoG和BoW方法将动态特征生成动态信息直方图与通过CNN神经网络生成的静态信息直方图利用Cholesky变换相融合；最后利用GRU神经网络实现视频的分类。本发明通过对动态和静态信息的分开处理，能够提升视频分类的准确性，具有良好的实施性和鲁棒性。
-
公开(公告)号：CN110175575A
公开(公告)日：2019-08-27
申请号：CN201910454096.1
申请日：2019-05-29
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于新型高分辨率网络架构进行单人姿态估计的方法。该发明首先用检测器对输入的包含单个行人的图像进行检测，去除不精确的检测框，其次通过数据增强来扩充数据集；然后在实例化网络结构中通过并行多分辨率子网保持高分辨率特征图，而不需要恢复分辨率，在并行子网中引入交换单元，使每个子网重复地从其他并行子网接收信息，提高对单人姿态估计的准确率；由于在大多数的复杂场景中，会出现关键点被遮挡的现象，所以提出使用一个关键点掩蔽的数据增强方案，通过这个方案可以很有效地微调训好的卷积神经网络，通过相邻的匹配强大地定位被遮挡的关键点，提升对遮挡问题的准确率，从而得到更优的模型。
-
公开(公告)号：CN109903339A
公开(公告)日：2019-06-18
申请号：CN201910235608.5
申请日：2019-03-26
Applicant: 南京邮电大学
Abstract: 本发明公开一种多维融合特征的视频群体人物定位检测方法。该发明首先抽取多层级视频特征图，建立自顶向下和自底向上的双向特征处理通道充分挖掘视频的语义信息，接着融合多层级视频特征图获取多维融合特征，抓取视频候选目标，最后并行处理候选目标位置回归和类别分类，完成视频群体人物定位检测。本发明通过融合多层级特征获得丰富的视频语义信息，同时进行多任务预测操作，有效提升群体人物定位检测的速度，具有良好的准确率和实施性。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.024 seconds)
