-
公开(公告)号：CN108664919A
公开(公告)日：2018-10-16
申请号：CN201810439978.6
申请日：2018-05-04
Applicant: 南京邮电大学
IPC: G06K9/00
Abstract: 本发明公开一种基于单样本的行为识别和检测方法，解决在样本非常少且较难搜集的情况下，快速的从视频中检测某种行为的问题。本发明首先将样本视频分割为许多时间长度为的视频段，并对视频段中的每一帧图像进行兴趣点检测；接着对每个视频段，用第一帧中检测到的兴趣点与其他帧中的兴趣点进行匹配，并将匹配的点对映射到位移空间内，生成一个二维的位移直方图，从而得到一个位移直方图序列；然后对目标视频并使用同样的方法将目标视频表征为二维的位移直方图序列，利用矩阵余弦相似度的度量方法来识别与样本视频类别相同的行为。最后，对于识别的行为利用匹配的兴趣点的位置信息，精确的定位行为的时空位置。本发明计算效率比较高，能够快速有效的对行为进行识别与检测。
-
Patent Agency Ranking
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：CN108830146A
公开(公告)日：2018-11-16
申请号：CN201810421094.8
申请日：2018-05-04
Applicant: 南京邮电大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于滑动窗口的非压缩域镜头边界检测方法，该方法首先读入一段视频流，将每帧图像分为r块，分别计算每连续两帧的分块直方图差D(i,i+1)和像素帧差直方图方差V(i,i+1)；接着设置一个大小为2W的滑动窗口，计算出分块直方图差法的阈值Th和像素帧差直方图方差法的阈值Tv，将D(i,i+1)大于Th的帧加入集合A，将V(i,i+1)小于Tv的帧加入集合B；然后计算出加权直方图差法的阈值Ty，若加权直方图差Y(i,i+1)的值大于Ty，则将此帧加入集合C，判断集合C1＝C-A∩B中是否存在连续帧，若存在，则该处为渐变镜头边界；最后对集合A-(A∩B)和B-(A∩B)集合中的元素分别进行二次检测，得出最终切变镜头边界。本发明可以有效地提高镜头边界检出率和精确度。
-
公开(公告)号：CN109978768A
公开(公告)日：2019-07-05
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：CN108764059A
公开(公告)日：2018-11-06
申请号：CN201810422265.9
申请日：2018-05-04
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于神经网络的人体行为识别方法，解决穿戴式传感器数据的人体行为识别准确度不够高的问题。本发明首先通过穿戴式图像传感器采集的图像信息采用了灰度化处理，再对图像数据进行直方图均衡化处理，使用LSTM‑RNN神经网络算法对处理后的传感器的图像信息进行场景识别。对于穿戴式运动传感器的运动数据输入，使用LSTM‑RNN神经网络算法运动传感器的加速度信息进行动作识别。并将使用场景标记的运动序列在行为数据库中进行匹配，得到具体的行为信息。使用警报模块通知用户紧急信息。本发明通过这些方法的应用与系统中配套模块的支持对人体穿戴传感器数据完成行为识别，能够提高人体行为识别的准确性与稳定性，具有良好的实施性与实效性。
-
公开(公告)号：CN108764059B
公开(公告)日：2021-01-01
申请号：CN201810422265.9
申请日：2018-05-04
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于神经网络的人体行为识别方法，解决穿戴式传感器数据的人体行为识别准确度不够高的问题。本发明首先通过穿戴式图像传感器采集的图像信息采用了灰度化处理，再对图像数据进行直方图均衡化处理，使用LSTM‑RNN神经网络算法对处理后的传感器的图像信息进行场景识别。对于穿戴式运动传感器的运动数据输入，使用LSTM‑RNN神经网络算法运动传感器的加速度信息进行动作识别。并将使用场景标记的运动序列在行为数据库中进行匹配，得到具体的行为信息。使用警报模块通知用户紧急信息。本发明通过这些方法的应用与系统中配套模块的支持对人体穿戴传感器数据完成行为识别，能够提高人体行为识别的准确性与稳定性，具有良好的实施性与实效性。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
