-
公开(公告)号：CN105808723B
公开(公告)日：2019-06-28
申请号：CN201610128827.X
申请日：2016-03-07
Applicant: 南京邮电大学
IPC: G06F16/583 , G06F16/53
Abstract: 本发明公开了基于图片语义和视觉散列的图片检索方法，该方法能同时表征图片语义相似性和视觉相似性的新颖的散列函数。本发明方法包括以下步骤：首先利用图片特性和视觉特性训练语义散列函数；然后，利用最大熵原则，获得紧凑的二进制码；最后，利用函数衰减原理，消除视觉特征的噪声。本发明能满足两方面的一致性：一是能满足散列二进制码和图片语义表示间的一致性，二是能满足散列二进制码和图片视觉表征的一致性。本发明可以方便人们在公共图片库中检索感兴趣的图片，在公共视频库中具有良好的检测性能。
-
公开(公告)号：CN106951827A
公开(公告)日：2017-07-14
申请号：CN201710092206.5
申请日：2017-02-21
Applicant: 南京邮电大学
IPC: G06K9/00
CPC classification number: G06K9/00718 , G06K9/00744
Abstract: 本发明公开了一种基于目标运动特性的全局异常行为检测方法，属于视频行为检测的技术领域，包括以下步骤：提取视频中运动目标的运动特性；根据所提取运动特性对运动目标分别进行基于能量、基于色散和基于拉格朗日粒子动力学的异常行为模型学习和确立；依据确立的基于能量、基于色散和基于拉格朗日粒子动力学的异常行为模型进行运动目标的全局异常行为检测，确定异常区域并进行标记。本发明依据视频异常行为的固有特点，能有效提高全局异常行为检测的准确性和检测的效率，使用三个模型进行异常行为检测，进一步提高了检测精度。
-
公开(公告)号：CN106874917A
公开(公告)日：2017-06-20
申请号：CN201710095034.7
申请日：2017-02-22
Applicant: 南京邮电大学
CPC classification number: G06K9/4671 , G06K9/6223 , G06K2209/21
Abstract: 本发明公开了一种基于Harris角点的显著性目标检测方法，包括步骤：利用Harris角点检测方法检测原始图像和滤波后图像中目标的特征点以生成凸包；将输入的原始图像超像素分割成N个超像素，及根据计算的基于凸包外和凸包内超像素的显著值分别生成背景线索显著图和前景线索显著图；基于凸包中心算法将所生成背景线索显著图和前景线索显著图结合，获得统一的显著图；利用贝叶斯公式对所得统一的显著图加强及计算获得后验概率图；利用K‑means聚类算法计算所得后验概率图中的超像素来扩散它们之间的显著性，以获得最终的显著图。本发明的方法可以使得显著目标在图像边界区域完整，提高了图像显著性效果。
-
公开(公告)号：CN105808723A
公开(公告)日：2016-07-27
申请号：CN201610128827.X
申请日：2016-03-07
Applicant: 南京邮电大学
IPC: G06F17/30
CPC classification number: G06F16/583
Abstract: 本发明公开了基于图片语义和视觉散列的图片检索方法，该方法能同时表征图片语义相似性和视觉相似性的新颖的散列函数。本发明方法包括以下步骤：首先利用图片特性和视觉特性训练语义散列函数；然后，利用最大熵原则，获得紧凑的二进制码；最后，利用函数衰减原理，消除视觉特征的噪声。本发明能满足两方面的一致性：一是能满足散列二进制码和图片语义表示间的一致性，二是能满足散列二进制码和图片视觉表征的一致性。本发明可以方便人们在公共图片库中检索感兴趣的图片，在公共视频库中具有良好的检测性能。
-
公开(公告)号：CN107491749B
公开(公告)日：2020-11-17
申请号：CN201710684991.3
申请日：2017-08-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种人群场景中全局和局部异常行为检测方法。首先，本发明提出一种新的名为混合光流直方图的特征，然后，对于全局异常行为本发明提出一种双稀疏表示的方法解决这个问题，最后对于局部异常行为，通过先检测当前帧感兴趣区域的前景，接着采用在线加权聚类的方法来进行局部异常行为的检测。在UMN数据集和UCSD数据集中的实验验证了本发明方法的优点。实验结果表明我们的方法较于之前的方法在分析视频中人群的运动行为具有更高的精度。
-
Patent Agency Ranking
公开(公告)号：CN106529405A
公开(公告)日：2017-03-22
申请号：CN201610873723.1
申请日：2016-09-30
Applicant: 南京邮电大学
CPC classification number: G06K9/00718 , G06K9/6256 , G06K9/6267
Abstract: 本发明公开了一种基于视频图像块模型的局部异常行为检测方法，包括：对输入视频中所有对象的视频图像块提取，及选取存在异常的候选视频图像块；检测和优化获取优化后的候选视频图像块；利用正常行为视频图像块模型进行训练，获取每个视频图像块中正常行为并将该视频图像块从候选图像块中剔除；对剩余的候选视频图像块利用异常行为视频图像块模型检测，获取得到关键图像块；及根据计算的关键图像块之间的相关性，确定正常和异常活动轨迹，并对关键图像块中的异常活动轨迹进行分类；将分类所得异常活动轨迹对应的区域在图像块中标记描述。本发明能够有效提高局部异常行为检测的准确性和检测的效率，能够很好的检测出不同类型的局部异常行为。
-
公开(公告)号：CN105809716B
公开(公告)日：2019-12-24
申请号：CN201610128869.3
申请日：2016-03-07
Applicant: 南京邮电大学
Abstract: 本发明公开了融合超像素与三维自组织背景减除法的前景提取方法，该方法包括以下步骤：首先，使用超像素分割方法，将所有区域进行分割迭代；然后，使用三维自组织背景减除算法，图像背景建模；最后，通过最佳权重策略，实现前景运动目标提取。本发明提出的融合超像素分割的三维自组织背景减除算法，能有效检测缓慢运动的目标与进入场景后暂时静止的目标，在一定程度上提高了检测精度和处理速度。本发明结合超像素算法与三维自组织背景减除算法结合的框架，实现运动目标检测，加快了处理速度和处理效果。
-
公开(公告)号：CN107491749A
公开(公告)日：2017-12-19
申请号：CN201710684991.3
申请日：2017-08-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种人群场景中全局和局部异常行为检测方法。首先，本发明提出一种新的名为混合光流直方图的特征，然后，对于全局异常行为本发明提出一种双稀疏表示的方法解决这个问题，最后对于局部异常行为，通过先检测当前帧感兴趣区域的前景，接着采用在线加权聚类的方法来进行局部异常行为的检测。在UMN数据集和UCSD数据集中的实验验证了本发明方法的优点。实验结果表明我们的方法较于之前的方法在分析视频中人群的运动行为具有更高的精度。
-
公开(公告)号：CN105809716A
公开(公告)日：2016-07-27
申请号：CN201610128869.3
申请日：2016-03-07
Applicant: 南京邮电大学
IPC: G06T7/20
Abstract: 本发明公开了融合超像素与三维自组织背景减除法的前景提取方法，该方法包括以下步骤：首先，使用超像素分割方法，将所有区域进行分割迭代；然后，使用三维自组织背景减除算法，图像背景建模；最后，通过最佳权重策略，实现前景运动目标提取。本发明提出的融合超像素分割的三维自组织背景减除算法，能有效检测缓慢运动的目标与进入场景后暂时静止的目标，在一定程度上提高了检测精度和处理速度。本发明结合超像素算法与三维自组织背景减除算法结合的框架，实现运动目标检测，加快了处理速度和处理效果。
-
公开(公告)号：CN105389831A
公开(公告)日：2016-03-09
申请号：CN201510766679.X
申请日：2015-11-11
Applicant: 南京邮电大学
IPC: G06T7/20
CPC classification number: G06T7/20 , G06T2207/30196
Abstract: 本发明公开了一种基于YUV色空间的多目标检测方法，该方法包括以下步骤：在RGB颜色格式转换为YUV格式的基础上，对视频帧中的每个像素点建立码本模型；在码本训练的基础上，实现背景建模；进行当前像素与已有码本间的匹配，实现前景目标的检测。本发明利用了亮度信息和色度信息相独立的特性，可提高目标检测精度，并且有很好的阴影去除效果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.015 seconds)
