-
公开(公告)号:CN112818779B
公开(公告)日:2022-08-12
申请号:CN202110082421.3
申请日:2021-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于特征优选与多种特征融合的人体行为识别方法,包括:步骤1,读取视频帧图像并进行去噪预处理,采用高斯滤波器对图像序列进行降噪处理,增强图像质量;步骤2,对完成预处理的视频帧图像分别提取HOG特征与SURF特征;步骤3,利用PCA算法对HOG特征进行降维处理;步骤4,对PCA降维后的HOG特征应用Pearson相关系数、Spearman相关系数和Kendall系数进行二次降维处理;步骤5,将SURF特征向量与二次降维后的HOG特征向量进行特征融合,利用支持向量机进行分类识别。本发明通过二次降维和特征融合技术,去除冗余特征,降低计算的复杂度,提高识别的准确率,具有超越生成模型的优势,此外,本发明对噪声和其它影响因素鲁棒性强,具有很好的实用性。
-
公开(公告)号:CN110287823A
公开(公告)日:2019-09-27
申请号:CN201910495473.6
申请日:2019-06-10
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于改进LBP算子和支持向量机分类的人脸识别方法,包括:构建自身人脸数据库;人脸图像预处理,包括人脸图像的检测、校正、灰度处理和降噪;使用改进的LBP算子提取人脸图像特征,并结合主成分分析方法降低特征向量维数;使用支持向量机对提取的特征向量进行分类,并完成识别。本发明将改进LBP算子和支持向量机二分类相结合,借助改进LBP算子算法的自身优越性,可明显表示图像特征,简单、快速地完成人脸识别;此外,在进行人脸图像提取、识别时,本发明对光照和表情变化具有较强的鲁棒性,识别效果佳。
-
公开(公告)号:CN114599096B
公开(公告)日:2025-02-28
申请号:CN202210148031.6
申请日:2022-02-17
Applicant: 南京邮电大学
IPC: H04W72/0446 , H04W72/566 , G06N3/126
Abstract: 本发明公开了一种移动边缘计算卸载时延优化方法、装置及存储介质,所述方法包括:运用层次分析模型对通信系统中用户关于任务时延响应优先级进行综合计算评价得出优先级权重;构建任务处理时间模型,计算得出任务处理时间;利用所述优先级权重和任务处理时间,建立优化目标的问题模型;基于优化目标的问题模型,通过迭代得到全局最优目标,并生成每个用户处理任务时采取的最优信道选择系数和卸载系数参数组合,本发明有效避免网络拥塞和数据堆积,在保障优先级用户传输的同时,充分利用异构边缘服务器的计算资源,有效优化减少系统时延。
-
公开(公告)号:CN112818779A
公开(公告)日:2021-05-18
申请号:CN202110082421.3
申请日:2021-01-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于特征优选与多种特征融合的人体行为识别方法,包括:步骤1,读取视频帧图像并进行去噪预处理,采用高斯滤波器对图像序列进行降噪处理,增强图像质量;步骤2,对完成预处理的视频帧图像分别提取HOG特征与SURF特征;步骤3,利用PCA算法对HOG特征进行降维处理;步骤4,对PCA降维后的HOG特征应用Pearson相关系数、Spearman相关系数和Kendall系数进行二次降维处理;步骤5,将SURF特征向量与二次降维后的HOG特征向量进行特征融合,利用支持向量机进行分类识别。本发明通过二次降维和特征融合技术,去除冗余特征,降低计算的复杂度,提高识别的准确率,具有超越生成模型的优势,此外,本发明对噪声和其它影响因素鲁棒性强,具有很好的实用性。
-
公开(公告)号:CN112784770A
公开(公告)日:2021-05-11
申请号:CN202110110612.6
申请日:2021-01-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种人脸表情的识别方法、可读存储介质及设备,包括:获取待识别人脸图像;对人脸图像进行裁剪,得到人脸表情部分的图像,将人脸表情部分的图像尺度归一化处理,得到预处理后的人脸表情图像;提取预处理后的人脸表情图像的分块等价阈值圆形LBP特征;提取预处理后的人脸表情图像的多尺度HOG特征;将分块等价阈值圆形LBP特征和多尺度HOG特征进行融合,得到融合特征;将融合特征输入到预先训练好的SVM分类器,输出人脸表情识别结果。优点:本发明融合后的人脸表情特征,在识别效果上有了显著提升。
-
公开(公告)号:CN114373194B
公开(公告)日:2024-11-12
申请号:CN202210042736.X
申请日:2022-01-14
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V20/40 , G06N3/0464 , G06N3/047 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 基于关键帧与注意力机制的人体行为识别方法,其步骤为:将动作视频等时划分为多个片段;从每个片段中提取关键帧和堆叠光流;使用加入坐标注意力Coordinate Attention的双流卷积神经网络提取时空特征;通过Softmax函数计算出每个片段对应的时空预测分数,并融合所有片段的时空预测分数,得到整个视频的空间共识和时间共识;最后将这两种共识进行加权融合,得到最终的行为识别结果。基于UCF101和HMDB51数据集进行了实验,验证了方法的有效性。与目前主流的行为识别方法相比,本发明方法在识别准确率上取得了较好的效果。
-
公开(公告)号:CN112784722B
公开(公告)日:2022-08-09
申请号:CN202110044439.4
申请日:2021-01-13
Applicant: 南京邮电大学
Abstract: 基于YOLOv3和词袋模型的行为识别方法,包括如下步骤:读取视频帧,用YOLOv3网络进行目标检测,返回目标的位置信息;截取目标区域、生成动作序列;对动作序列中的序列帧进行预处理,然后分别提取多尺度HOG特征和SIFT特征;对提取的多尺度HOG特征和SIFT特征进行特征加权融合;利用K‑means聚类算法对上一步骤加权融合后得到的融合特征进行聚类,构造视觉词典;将动作序列的视觉词典向量输入SVM多分类器模型进行训练和识别。本方法利用YOLOv3网络检测目标并准确截取目标区域,将其和词袋模型结合,减少训练参数和背景噪声,在KTH数据集上识别率达到96.09%,为视频行为的高效、精准识别提供了新的方法。
-
公开(公告)号:CN112784722A
公开(公告)日:2021-05-11
申请号:CN202110044439.4
申请日:2021-01-13
Applicant: 南京邮电大学
Abstract: 基于YOLOv3和词袋模型的行为识别方法,包括如下步骤:读取视频帧,用YOLOv3网络进行目标检测,返回目标的位置信息;截取目标区域、生成动作序列;对动作序列中的序列帧进行预处理,然后分别提取多尺度HOG特征和SIFT特征;对提取的多尺度HOG特征和SIFT特征进行特征加权融合;利用K‑means聚类算法对上一步骤加权融合后得到的融合特征进行聚类,构造视觉词典;将动作序列的视觉词典向量输入SVM多分类器模型进行训练和识别。本方法利用YOLOv3网络检测目标并准确截取目标区域,将其和词袋模型结合,减少训练参数和背景噪声,在KTH数据集上识别率达到96.09%,为视频行为的高效、精准识别提供了新的方法。
-
公开(公告)号:CN116109519A
公开(公告)日:2023-05-12
申请号:CN202310348593.X
申请日:2023-04-04
Applicant: 南京邮电大学
IPC: G06T5/00 , G06T5/10 , G06V10/74 , G06V10/77 , G06V10/774
Abstract: 本发明提供了一种图像去噪方法,包括采用小波变换的Haar小波基分解含噪图像的高频信息和低频信息;对低频信息的像素点进行局部像素分组处理,获取相似局部像素块的样本集;遍历获取到的每个样本集,得到正交变换矩阵,结合特征值矩阵去除样本集中含有少量信息的维度,得到重构的低频分量;将高频信息分解为大小相同的重叠块,利用稀疏编码和自适应学习字典重构出高频分量;小波反变换对高频分量和低频分量进行聚合得到去噪后的图像。本发明在有效去除噪声的同时更好的保留了图像细节,同时高频部分采用组稀疏,能够实现高稀疏度和高恢复质量,提升了图像的视觉性能以及峰值信噪比和结构相似度。
-
公开(公告)号:CN114599096A
公开(公告)日:2022-06-07
申请号:CN202210148031.6
申请日:2022-02-17
Applicant: 南京邮电大学
Abstract: 本发明公开了一种移动边缘计算卸载时延优化方法、装置及存储介质,所述方法包括:运用层次分析模型对通信系统中用户关于任务时延响应优先级进行综合计算评价得出优先级权重;构建任务处理时间模型,计算得出任务处理时间;利用所述优先级权重和任务处理时间,建立优化目标的问题模型;基于优化目标的问题模型,通过迭代得到全局最优目标,并生成每个用户处理任务时采取的最优信道选择系数和卸载系数参数组合,本发明有效避免网络拥塞和数据堆积,在保障优先级用户传输的同时,充分利用异构边缘服务器的计算资源,有效优化减少系统时延。
-
-
-
-
-
-
-
-
-