基于混合隐马尔可夫模型的原子事件标签的提取方法

    公开(公告)号:CN109086306A

    公开(公告)日:2018-12-25

    申请号:CN201810649233.2

    申请日:2018-06-22

    IPC分类号: G06F17/30

    摘要: 本发明涉及原子事件标签的提取方法,尤其涉及基于混合隐马尔可夫模型的原子事件标签的提取方法,包括以下步骤:预处理:获取训练语料库中的原子事件标签;对每个单词添加词性标签;对每个单词添加相应位置标签;将原子事件标签、词性标签和相应位置标签映射到一个隐藏状态序列中;将词性标签和相应位置标签映射到一个观测状态序列中;模型训练:建立二阶HMM模型;提取阶段:根据最优观测状态序列提取原子事件标签。通过使用本发明,可以实现以下效果:对词性和单词的相应位置进行考虑,提取准确度高;考虑到隐藏状态序列中的前后隐藏状态之间的关系,提高了提取的准确度;在原子事件标签提取之后进行检测和纠错,提高了提取的准确度。

    基于高斯混合模型的面具检测方法

    公开(公告)号:CN108830151A

    公开(公告)日:2018-11-16

    申请号:CN201810426435.0

    申请日:2018-05-07

    IPC分类号: G06K9/00

    摘要: 本发明涉及计算机视觉技术领域,尤其涉及一种基于高斯混合模型的面具检测方法,包括以下步骤:根据人脸图像样本建立高斯混合模型;从视频流中筛选含有人脸的关键帧,并从关键帧中提取人脸特征;将关键帧中提取的人脸特征送入高斯混合模型进行匹配,根据匹配结果判断关键帧中的人脸是否佩戴面具。通过使用本发明,可以实现以下效果:采用高斯混合模型将人脸图库进行分类,能有效地分辨真实人脸和面具;采用三次关键帧筛选,去除冗余帧,减少运算,提高检测效率。

    利用预训练网络的感知相似性进行混合图像超分辨方法

    公开(公告)号:CN109146777B

    公开(公告)日:2020-10-27

    申请号:CN201810621592.7

    申请日:2018-06-15

    IPC分类号: G06T3/40 G06K9/62 G06K9/68

    摘要: 本发明提供了利用预训练网络的感知相似性进行混合图像超分辨方法,包括:将已知图像进行分解得到低分辨率图像,基于低分辨率图像建立对比词典,基于对比词典得到与已知图像对应的高分辨率图像块;获取已知图像,基于卷积神经网络对已知图像进行差值运算,得到高分辨率图像;构建基于感知相似度的损失函数,基于损失函数的运算结果选取如步骤一所示的内部重构方法或是如步骤二所示的外部重构方法对待处理图像进行超分辨率重构处理。通过对预先训练的VGG网络的特征代表来计算感知相似度,重构每个补丁并最小化超分辨错误,最终达到重构基于最优质性能的HR图像的结果,避免了内部和外部SR算法的缺点,大大提升了有效性、实用性和稳定性。

    基于显著语境稀疏表示的目标追踪方法

    公开(公告)号:CN109087334A

    公开(公告)日:2018-12-25

    申请号:CN201810635733.0

    申请日:2018-06-20

    IPC分类号: G06T7/246

    摘要: 本发明提供了基于显著语境稀疏表示的目标追踪方法,属于图像处理领域,包括提取样本图像的特征映射,分别对中心区域和边缘区域的特征映射,将得到的特征映射进行融合处理;对融合后的图像进行稀疏处理,基于处理后的图像进行遮挡求解,对待测视频中的两个连续帧进行建模,基于已建立的模型进行遮挡判断,当判断出现遮挡时,使用前述内容计算当前帧的可视显著性映射,在得到的显著性图中与每个目标模板进行比较,选取权重最高的目标模板作为追踪结果。通过将目标对象被提取为一个显著特征映射,用稀疏表示和显著的语境校正部分遮挡和突然运动的目标,本方法计算简单,提升了目标追踪的有效性和准确性,抗干扰能力也大大提高。