-
公开(公告)号：CN101996327B
公开(公告)日：2012-08-08
申请号：CN201010271523.1
申请日：2010-09-02
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于加权张量子空间背景建模的视频异常检测方法，主要解决现有方法中由于忽略图像空间结构信息，不能滤除图像中野值点的问题。其实现过程是：首先将训练数据及观测数据都看作二阶张量，采用张量分析的方法，计算每个模式上的投影矩阵，构造张量子空间；然后对观测数据进行鲁棒分析，对观测数据的每个元素进行加权，并更新张量子空间，再将加权的观测数据投影到子空间上，重构出背景图像；最后对参考背景和重构背景进行相似性度量，检测视频场景中是否发生异常事件。与现有方法相比，本方法能保持图像的空间结构信息，滤除图像中的野值点，具有鲁棒性。可用于安防、监控领域中固定场景、光照缓变条件下的异常事件检测。
-
公开(公告)号：CN102110303B
公开(公告)日：2012-07-04
申请号：CN201110058175.4
申请日：2011-03-10
申请人： 西安电子科技大学
IPC分类号： G06T11/00
摘要： 本发明公开了一种基于支撑向量回归的人脸伪照片合成方法。其步骤为：(1)划分数据库样本集；(2)在画像测试集中任取一张画像；(3)生成任取画像对应伪照片初始估计；(4)生成训练人脸画像块集；(5)在训练人脸画像块集和训练人脸照片块集之间生成支撑向量回归模型；(6)生成任取画像对应伪照片高频；(7)生成最终的伪照片。本发明将初始估计和高频细节结合生成伪照片，使生成的伪照片更加清晰，提高了用伪照片检索时的识别率。本发明采用基于支撑向量回归的方法，在小样本问题上也可使用。
-
公开(公告)号：CN101958000A
公开(公告)日：2011-01-26
申请号：CN201010289330.9
申请日：2010-09-24
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于稀疏表示的人脸画像-照片生成方法，主要解决现有方法生成的伪画像和伪照片清晰度低细节模糊的问题。其实现过程是：用现有的伪画像和伪照片生成方法生成初始伪画像和伪照片；对所有的图像分块后，利用训练样本集训练出画像块字典和照片块字典；利用这两个字典根据输入的测试照片块或测试画像块，合成高清晰度特征信息；将得到的高清晰度特征信息和对应的初始伪画像块或伪照片块相加得到最终的高清晰度的伪画像块或伪照片块；对所有的高清晰度的伪画像块或伪照片块进行融合即可得到一幅完整的伪画像或伪照片。本发明方法与现有方法相比，生成的伪画像和伪照片具有清晰度高细节明显的优点，可用于人脸识别和人脸检索。
-
公开(公告)号：CN102110303A
公开(公告)日：2011-06-29
申请号：CN201110058175.4
申请日：2011-03-10
申请人： 西安电子科技大学
IPC分类号： G06T11/00
摘要： 本发明公开了一种基于支撑向量回归的人脸伪画像\伪照片合成方法。其步骤为：(1)划分数据库样本集；(2)在照片\画像测试集中任取一张照片\画像；(3)生成任取照片\画像对应伪画像\伪照片初始估计；(4)生成训练人脸照片\画像块集；(5)在训练人脸照片\画像块集和训练人脸画像\照片块集之间生成支撑向量回归模型；(6)生成任取照片\画像对应伪画像\伪照片高频；(7)生成最终的伪画像\伪照片。本发明将初始估计和高频细节结合生成伪画像\伪照片，使生成的伪画像\伪照片更加清晰，提高了用伪画像\伪照片检索时的识别率。本发明采用基于支撑向量回归的方法，在小样本问题上也可使用。
-
公开(公告)号：CN101958000B
公开(公告)日：2012-08-15
申请号：CN201010289330.9
申请日：2010-09-24
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于稀疏表示的人脸画像-照片生成方法，主要解决现有方法生成的伪画像和伪照片清晰度低细节模糊的问题。其实现过程是：用现有的伪画像和伪照片生成方法生成初始伪画像和伪照片；对所有的图像分块后，利用训练样本集训练出画像块字典和照片块字典；利用这两个字典根据输入的测试照片块或测试画像块，合成高清晰度特征信息；将得到的高清晰度特征信息和对应的初始伪画像块或伪照片块相加得到最终的高清晰度的伪画像块或伪照片块；对所有的高清晰度的伪画像块或伪照片块进行融合即可得到一幅完整的伪画像或伪照片。本发明方法与现有方法相比，生成的伪画像和伪照片具有清晰度高细节明显的优点，可用于人脸识别和人脸检索。
-
公开(公告)号：CN101996327A
公开(公告)日：2011-03-30
申请号：CN201010271523.1
申请日：2010-09-02
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于加权张量子空间背景建模的视频异常检测方法，主要解决现有方法中由于忽略图像空间结构信息，不能滤除图像中野值点的问题。其实现过程是：首先将训练数据及观测数据都看作二阶张量，采用张量分析的方法，计算每个模式上的投影矩阵，构造张量子空间；然后对观测数据进行鲁棒分析，对观测数据的每个元素进行加权，并更新张量子空间，再将加权的观测数据投影到子空间上，重构出背景图像；最后对参考背景和重构背景进行相似性度量，检测视频场景中是否发生异常事件。与现有方法相比，本方法能保持图像的空间结构信息，滤除图像中的野值点，具有鲁棒性。可用于安防、监控领域中固定场景、光照缓变条件下的异常事件检测。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.024 秒)
