-
公开(公告)号：CN107679565A
公开(公告)日：2018-02-09
申请号：CN201710856417.1
申请日：2017-09-21
Applicant: 电子科技大学
CPC classification number: G06K9/6257 , G06K9/00785 , G06K9/6267 , G06K2209/15
Abstract: 本发明公开了一种跳跃式滑窗加速车牌检测方法，属于计算机视觉领域。本发明首先基于训练样本图像的图像特征向量训练adaboost分类器，其中图像特征向量包括图像灰度值、梯度灰度值和六个梯度方向直方图；在进行车牌检测处理时，首先对其进行图像预处理：在HSV空间对V分量进行自适应直方图均衡增强处理，再转换到RGB颜色空间并转换为灰度图；从而构建待检测图像的快速特征金字塔图像，得到金字塔各层图像的图像特征向量并输入到adaboost分类器中进行跳跃式滑窗检测，最后使用非极大值抑制的方法获得局部最优检测结果。本发明用于车牌检测，其检测的计算复杂度低，检测速度快，准确度高。
-
公开(公告)号：CN105741133A
公开(公告)日：2016-07-06
申请号：CN201610051352.9
申请日：2016-01-26
Applicant: 电子科技大学
IPC: G06Q30/02
CPC classification number: G06Q30/0244 , G06Q30/0272
Abstract: 本发明提供一种针对在线广告投放的步进管理方法，目的是对实时竞价系统中在线广告的投放速度进行控制，以使预算受限的情况下，广告展示能够获得最大化收益。方法包括：(1)根据历史日志，离线估计每个广告在新的广告投放周期中每个时间段的用户流量、投标成功率、平均赢标价格、关键性能指标等参数；(2)离线估计每个广告在新的投放周期中每个时间段的投放概率；(3)在实际投放过程中，根据已经完成的时间段每个广告的实际预算花费情况，在线调整当前时间段每个广告的投放概率；(4)根据当前时间段的广告投放概率，针对每次广告展示机会，由需求方平台判断是否参与竞价。
-
公开(公告)号：CN105205460A
公开(公告)日：2015-12-30
申请号：CN201510594355.2
申请日：2015-09-17
Applicant: 电子科技大学
CPC classification number: G06K9/00268 , G06K9/00281 , G06K9/6269
Abstract: 本发明公开了一种基于最大方向编码的人脸表情特征提取及识别方法。本发明改进了LDP的原始编码模式，即利用最大最小响应值所在位置，将位置参数作为编码值进行编码，利用最大的响应值、最小的响应值的所在方向来确定一个目标像素，且当最大的响应值、最小的响应值之差达到门限值才进行编码。同时还公开了基于本发明的特征提取方法的人脸表情识别方法。本发明改进了现有LDP的编码方法，简化特征维度和计算量，利用周围像素的明暗信息所代表的方向性进行编码可以排除部分偶然重合的情况，提高编码准确度，门限的引入排除了部分内在外在误差，提高了人脸表情特征提取方法的抗干扰能力。
-
公开(公告)号：CN107622268B
公开(公告)日：2021-04-30
申请号：CN201710858247.0
申请日：2017-09-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种身份证字符分割方法。首先通过专用设备采集身份证图像，再对身份证图像中的黑色字体采用二值化阈值随图像底色的变化而变化的二值化处理方式，得到二值图像，并将反向的二值图像旋转180度得到正向的二值图像；然后，对二值图像做水平投影，基于水平投影结果获取身份证号码部分的上下边界，对身份证号码图像做垂直投影，基于垂直投影得到号码的左右边界，以及每个号码的位置；并基于汉字部分与号码部分的对应位置关系，得到汉字部分的左、右边界，从而基于汉字部分图像的水平投影，垂直投影得到姓名、民族和家庭地址部分的单个字符的分割。本发明用于提取身份信息的字符分割，其分割准确，且成本开销低。
-
公开(公告)号：CN105205460B
公开(公告)日：2019-02-15
申请号：CN201510594355.2
申请日：2015-09-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于最大方向编码的人脸表情特征提取及识别方法。本发明改进了LDP的原始编码模式，即利用最大最小响应值所在位置，将位置参数作为编码值进行编码，利用最大的响应值、最小的响应值的所在方向来确定一个目标像素，且当最大的响应值、最小的响应值之差达到门限值才进行编码。同时还公开了基于本发明的特征提取方法的人脸表情识别方法。本发明改进了现有LDP的编码方法，简化特征维度和计算量，利用周围像素的明暗信息所代表的方向性进行编码可以排除部分偶然重合的情况，提高编码准确度，门限的引入排除了部分内在外在误差，提高了人脸表情特征提取方法的抗干扰能力。
-
Patent Agency Ranking
公开(公告)号：CN107563349A
公开(公告)日：2018-01-09
申请号：CN201710859062.1
申请日：2017-09-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于VGGNet的人数估计方法，属于基于深度学习的人群密度估计技术领域。本发明提出了一种新的深度卷积网络VGG-MCNN，用于图像的人数估计。本发明将用于图像分类领域的VGGNet迁移至人数估计领域，并在VGGNet的基础上添加多列不同大小卷积核所组成的卷积网，以获取不同感受野信息。本发明的深度卷积网络不仅充分利用了VGGNet强大的提取有效特征的能力，又有效获取了不同尺度人头信息，从而大大提高了网络估计的准确度。同时，由于引入了已经过有效预训练的VGGNet，该部分网络参数不用再次训练，从而降低了网络训练规模，对训练数据数量的要求也大大降低，同时降低了网络过拟合风险。
-
公开(公告)号：CN107657275A
公开(公告)日：2018-02-02
申请号：CN201710854432.2
申请日：2017-09-20
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于改进BING算法的车牌预检测方法，属于车牌识别领域。本发明根据车牌的具体形状，改进了BING的检测窗口，丰富了BING的检测特征，使得BING给出的推荐框能够完整包含整个车牌，由于本发明中的BING的检测形态发生了改变，因此可以不用像BING的原始方法中一样在不同尺度的图像下做检测，而只需要采用传统的金字塔方法就可以取得良好的检测效果。
-
公开(公告)号：CN107657226A
公开(公告)日：2018-02-02
申请号：CN201710862828.1
申请日：2017-09-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的人数估计方法，属于基于深度学习的人群密度估计。本发明采用一种基于卷积层和池化层的单列卷积神经网络，通过大量样本的训练，学习人群特征，从而估计输入图像的人群密度图，进而对密度图进行积分，得到该图像上人群的人数估计。对比目前的其他深度学习算法，本发明所采用的卷积神经网络，结构简单，复杂度低，训练时间短，且估计精确度更高。
-
公开(公告)号：CN107657225B
公开(公告)日：2020-05-12
申请号：CN201710862806.5
申请日：2017-09-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于聚合通道特征的行人检测方法，属于数字图像处理技术领域。本发明利用基于聚合通道特征的行人检测方法训练多个模型，即大、小窗口模型，来解决使用单一模型所造成的误检漏检问题。并且在使用非极大值抑制算法进行窗口抑制过程中，提升大窗口模型所检测到的窗口的置信度，同时根据大、小模型的滑窗尺度比更新非极大值抑制阈值，从而抑制误检为小目标的身体部位。相比较于采用单一模型的基于聚合通道特征的行人检测方法，本发明能够有效降低误检、漏检率，并且能够达到实时的要求。
-
公开(公告)号：CN107657225A
公开(公告)日：2018-02-02
申请号：CN201710862806.5
申请日：2017-09-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于聚合通道特征的行人检测方法，属于数字图像处理技术领域。本发明利用基于聚合通道特征的行人检测方法训练多个模型，即大、小窗口模型，来解决使用单一模型所造成的误检漏检问题。并且在使用非极大值抑制算法进行窗口抑制过程中，提升大窗口模型所检测到的窗口的置信度，同时根据大、小模型的滑窗尺度比更新非极大值抑制阈值，从而抑制误检为小目标的身体部位。相比较于采用单一模型的基于聚合通道特征的行人检测方法，本发明能够有效降低误检、漏检率，并且能够达到实时的要求。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.019 seconds)
