-
公开(公告)号:CN109064484A
公开(公告)日:2018-12-21
申请号:CN201810236397.2
申请日:2018-03-21
Applicant: 南京邮电大学
CPC classification number: G06T7/246 , G06K9/00778 , G06N3/0454 , G06T2207/10016 , G06T2207/20081 , G06T2207/20164
Abstract: 本发明公开了一种基于子群组划分与动量特征融合的人群运动行为识别方法,该方法首先利用角点跟踪和背景建模的方法,获取视频图像帧中运动目标的时空信息,利用前景中群体分布的空间区域信息,将空间上相邻近的人群划分为若干子群体,子群体通过一段时间内的运动相关性进行进一步的分割,得到具有运动一致性的子群体;其次在子群体分割的基础上,提取出人群运动三个动量特征进行融合;最后将融合的特征以及视频帧的像素特征作为微分循环卷积神经网络的输入进行训练,采用人工标记的方法将训练视频片段标记成不同的描述词汇,用带标记的数据调整微分循环卷积神经网络的结果,得到了良好的训练成果,能够有效识别人群的运动行为,达到较好的效果。
-
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。
-
公开(公告)号:CN107148064A
公开(公告)日:2017-09-08
申请号:CN201710339416.X
申请日:2017-05-15
Applicant: 南京邮电大学 , 南京运享通信息科技有限公司
Abstract: 本发明公开了一种基于粒子群的车载网络路由路径优化方法,根据加权车载网络无向图和网络节点位置表,解决由起始节点到终止接点的最优路径问题,本发明使用粒子群对选取的由起始节点到终止接点的路径样本进行研究,根据加权无向图的权值计算路径适应值得出群体最优路径和个体最优路径,经过多次迭代调整最终得到最优路径,本发明在多个QoS量化指标的限制下,能够有效获得车载网络最优路径,高效处理多峰值实际问题。
-
公开(公告)号:CN109064484B
公开(公告)日:2022-02-08
申请号:CN201810236397.2
申请日:2018-03-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于子群组划分与动量特征融合的人群运动行为识别方法,该方法首先利用角点跟踪和背景建模的方法,获取视频图像帧中运动目标的时空信息,利用前景中群体分布的空间区域信息,将空间上相邻近的人群划分为若干子群体,子群体通过一段时间内的运动相关性进行进一步的分割,得到具有运动一致性的子群体;其次在子群体分割的基础上,提取出人群运动三个动量特征进行融合;最后将融合的特征以及视频帧的像素特征作为微分循环卷积神经网络的输入进行训练,采用人工标记的方法将训练视频片段标记成不同的描述词汇,用带标记的数据调整微分循环卷积神经网络的结果,得到了良好的训练成果,能够有效识别人群的运动行为,达到较好的效果。
-
公开(公告)号:CN108399435A
公开(公告)日:2018-08-14
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:CN108446640A
公开(公告)日:2018-08-24
申请号:CN201810237230.8
申请日:2018-03-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于图像人物面部表情识别的特征提取优化方法。该发明首先输入面部图像并用矩阵的形式表示,设置投影轴后,得到投影特征向量。设定给定图像的投影特征协方差矩阵,并以其迹表示最佳投影方向函数。根据训练样本图像的总体散布矩阵更新最佳投影方向函数,满足此函数最大值的投影轴组成的向量集合更新投影特征向量,并组成表示表情特征的矩阵。接着将特征矩阵中的每个元素再赋予权值,通过经高斯变异修改过的粒子群算法,优化最佳投影方向即全局最优解。最后把粒子群算法中的全局最优解分成二级群体,分为领导者和跟随者表示图像人物面部表情的多个主要部位进行二次优化和识别。该发明能够有效的辨别和优化人物面部的表情特征果。
-
公开(公告)号:CN107273801A
公开(公告)日:2017-10-20
申请号:CN201710338908.7
申请日:2017-05-15
Applicant: 南京邮电大学 , 南京运享通信息科技有限公司
CPC classification number: G06K9/00711 , G06K9/4609
Abstract: 本发明公开了一种视频多目标跟踪检测异常点的方法,该方法均匀的抽取视频文件中的多个帧画面,将图像上的像素点通过高斯差函数转为灰度图像的像素点,求这些点的极值,通过求导获得相对极值位移,将相对极值位移代入到高斯差函数中获得候选特征点,再用一个常数来筛选得到特征点,通过计算两图像特征点置信度的最大值获得有效点,计算获得的灰度图像像素点的多尺度下的自相关矩阵,用角点响应函数将计算获得的矩阵代入,通过阈值限制来获取不同尺度下的角点,通过尺度最大的比较依据获得角点,最后将获得的角点连线,依次检测所有连续帧图像的异常点。本发明方法能够有效判断出视频多目标跟踪时出现的异常行为,防止用户作出错误的判断。
-
公开(公告)号:CN107273801B
公开(公告)日:2021-11-30
申请号:CN201710338908.7
申请日:2017-05-15
Applicant: 南京邮电大学 , 南京运享通信息科技有限公司
Abstract: 本发明公开了一种视频多目标跟踪检测异常点的方法,该方法均匀的抽取视频文件中的多个帧画面,将图像上的像素点通过高斯差函数转为灰度图像的像素点,求这些点的极值,通过求导获得相对极值位移,将相对极值位移代入到高斯差函数中获得候选特征点,再用一个常数来筛选得到特征点,通过计算两图像特征点置信度的最大值获得有效点,计算获得的灰度图像像素点的多尺度下的自相关矩阵,用角点响应函数将计算获得的矩阵代入,通过阈值限制来获取不同尺度下的角点,通过尺度最大的比较依据获得角点,最后将获得的角点连线,依次检测所有连续帧图像的异常点。本发明方法能够有效判断出视频多目标跟踪时出现的异常行为,防止用户作出错误的判断。
-
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。
-
-
-
-
-
-
-
-
-