-
公开(公告)号：CN104715238A
公开(公告)日：2015-06-17
申请号：CN201510106784.0
申请日：2015-03-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多特征融合的行人检测方法，该方法包括如下步骤：对获取的深度图像进行降噪处理；利用深度阈值实现感兴趣区域检测；在获取HOG-LBP联合特征的基础上，利用分类器实现目标检测。本发明依据一种基于多特征融合的行人检测方法，将HOG和LBP的融合特征用支持向量机分类进行分类。本发明具有更强的行人表征能力，在复杂背景下行人检测正确率明显提高。
-
公开(公告)号：CN103955947A
公开(公告)日：2014-07-30
申请号：CN201410108136.4
申请日：2014-03-21
Applicant: 南京邮电大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于连续最小能量与表观模型的多目标关联跟踪方法，该方法首先在目标检测和初始轨迹提取基础上，利用在线判别表观模型和AdBoost方法实现目标的初步关联，得到零散、且不连续的跟踪轨迹；然后，利用匈牙利方法对初次关联得到的短小、可靠的跟踪片段进行二关联；二次关联虽然可以得到连续的跟踪轨迹，但是不适合长时间目标跟踪的过程；最后采用基于最小能量的智能探测方法来弥补二次关联的缺陷，得到最终的更加平滑、连续的跟踪轨迹。
-
公开(公告)号：CN103955462A
公开(公告)日：2014-07-30
申请号：CN201410108060.5
申请日：2014-03-21
Applicant: 南京邮电大学
CPC classification number: G06K9/6229
Abstract: 本发明公开了一种基于多视图和半监督学习机制的图像标注方法，该方法包括以下步骤：基于不相关视觉特征的多视图分类器学习过程；基于标记样本和具有较高可信度伪标记样本的多视图分类器优化过程；基于最大熵投票原则和标注间相关性的多视图标注过程。本发明提出多视图半监督图像标注方法的性能明显优于之前提出的其它方案的性能，该方法的主要思想是：首先利用互不相关的视图来训练多个独立的分类器，然后利用初始标记样本和伪标记样本对视图分类器进行优化，最后基于最大熵投票原则以及各个标注间的相关性，为每幅未标记图像分配合适的语义标注。
-
Patent Agency Ranking
公开(公告)号：CN106023244A
公开(公告)日：2016-10-12
申请号：CN201610229366.5
申请日：2016-04-13
Applicant: 南京邮电大学
IPC: G06T7/20
CPC classification number: G06T2207/30241
Abstract: 本发明公开了基于最小二乘法轨迹预测及智能避障模型的行人跟踪方法，该方法包括以下步骤：首先，利用传统的卡尔曼算法，实现初期的目标跟踪，并针对其不足进行改进；然后，针对卡尔曼方法对行人跟踪的跟丢和跟错率较高，提出利用最小二乘法进行行人运动曲线拟合，预测出行人在下一视频帧中的位置，将此位置作为初始运动目标进行搜索；最后，结合自适应避障算法对行人进行跟踪，提高跟踪的准确度。
-
公开(公告)号：CN104008392A
公开(公告)日：2014-08-27
申请号：CN201410197133.2
申请日：2014-05-09
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于连续最小能量表观模型的多目标跟踪方法。本发明所述方法包括以下步骤：利用观测模型、表观模型、运动模型、互斥模型、轨迹维持模型及轨迹修正模型构建一个目标函数；利用梯度下降法对构建的目标函数求解，以得到各时刻跟踪目标的近似最小能量，及对应的多目标个数和状态；采用基于最小能量的智能探测方法，得到平滑、连续的跟踪轨迹。本发明基于连续最小能量表观模型的多目标跟踪方法能够在存在杂波、虚警、漏检的复杂场景中实现多目标的正确关联，得到稳定、持续的跟踪轨迹。
-
公开(公告)号：CN103942779A
公开(公告)日：2014-07-23
申请号：CN201410118303.3
申请日：2014-03-27
Applicant: 南京邮电大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于图论和半监督学习相结合的图像分割方法，该方法包括：首先将图像粗分割成一定数量的区域块，并将其映射成加权图；然后，利用半监督学习方法构造关联性矩阵；最后，采用归一化分割方法对图像进行语义分割。该方法是基于图论和半监督学习来进行图像分割，能提高图像分割的精度，不仅能够有助于图像分割与目标提取的完善解决，而且还能够有助于推动模式识别、计算机视觉、人工智能等领域的发展。
-
公开(公告)号：CN104715238B
公开(公告)日：2018-09-11
申请号：CN201510106784.0
申请日：2015-03-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多特征融合的行人检测方法，该方法包括如下步骤：对获取的深度图像进行降噪处理；利用深度阈值实现感兴趣区域检测；在获取HOG‑LBP联合特征的基础上，利用分类器实现目标检测。本发明依据一种基于多特征融合的行人检测方法，将HOG和LBP的融合特征用支持向量机分类进行分类。本发明具有更强的行人表征能力，在复杂背景下行人检测正确率明显提高。
-
公开(公告)号：CN103955462B
公开(公告)日：2017-03-15
申请号：CN201410108060.5
申请日：2014-03-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多视图和半监督学习机制的图像标注方法，该方法包括以下步骤：基于不相关视觉特征的多视图分类器学习过程；基于标记样本和具有较高可信度伪标记样本的多视图分类器优化过程；基于最大熵投票原则和标注间相关性的多视图标注过程。本发明提出多视图半监督图像标注方法的性能明显优于之前提出的其它方案的性能，该方法的主要思想是：首先利用互不相关的视图来训练多个独立的分类器，然后利用初始标记样本和伪标记样本对视图分类器进行优化，最后基于最大熵投票原则以及各个标注间的相关性，为每幅未标记图像分配合适的语义标注。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
