公开(公告)号：CN109033941A

公开(公告)日：2018-12-18

申请号：CN201810566979.7

申请日：2018-06-05

Applicant: 江苏大学

Inventor： 汤明皓 ,  戴继生

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

CPC classification number: G06K9/00302 ,  G06K9/4604 ,  G06K9/6256 ,  G06K9/6269 ,  G06K9/629 ,  G06K2009/4666 ,  G06K2009/4695

Abstract: 本发明公开了一种基于稀疏投影学习的微表情识别方法，步骤1：采集微表情样本，提取微表情三个正交平面的LBP特征P、Q、R，定义C、D、E分别为XY、XT、YT三个正交平面的特征优化变量；构造优化模型；步骤2：设置迭代计数变量t和n的初始值和最大值；初始化正则化参数κ，κmax，尺度参数ρ；步骤3：初始化n，κ，计算C，更新T1和κ；若||B1‑CT||∞＜10‑8收敛或n＞nmax，进入步骤4；步骤4：初始化n，κ，计算D，更新T2和κ；若||B2‑DT||∞＜10‑8收敛或n＞nmax，进入步骤5；步骤5：初始化n，κ，计算E，更新T3和κ；若||B3‑ET||∞＜10‑8收敛或n＞nmax，进入步骤6；步骤6：令t＝t+1，若t≤tmax，则返回步骤3，否则，输出C、D、E；步骤7：通过优化变量C、D、E对三个正交平面的LBP特征优化得到新的融合特征Ftest，将融合特征Ftest通过训练好的SVM分类器预测出测试样本的情感类别。

公开(公告)号：CN108537102A

公开(公告)日：2018-09-14

申请号：CN201810072110.7

申请日：2018-01-25

Applicant: 西安电子科技大学

Inventor： 吴艳 ,  梁文楷 ,  曹宜策 ,  李明 ,  张鹏

IPC: G06K9/00 ,  G06K9/62 ,  G06N5/04

CPC classification number: G06K9/0063 ,  G06K9/6256 ,  G06K2009/4695 ,  G06N5/046

Abstract: 本发明公开了一种基于稀疏特征与条件随机场的高分辨SAR图像分类方法，主要解决现有技术对复杂场景下的分类精度低和边界保持不准确的问题。其方案是：1.输入高分辨SAR图像，并从中选取构建训练数据块集合，训练稀疏特征提取算法的系统参数；2.提取SAR图像块稀疏特征，并训练logistics分类器，得到图像的分类后验概率构建一元势能函数；3.利用二值边缘划分图和边缘强度图融合后的边界约束图，构建二元势能函数；4.利用一元势能函数和二元势能函数，形成完整的全连接条件随机场模型，对该模型进行推理得到分类结果。本发明提高了高分辨SAR图像复杂场景及边缘细节的分类精度，可用于SAR图像地物分类。

公开(公告)号：CN107832747A

公开(公告)日：2018-03-23

申请号：CN201711270467.8

申请日：2017-12-05

Applicant: 广东技术师范学院

Inventor： 李争名

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

CPC classification number: G06K9/00288 ,  G06K9/46 ,  G06K9/6235 ,  G06K2009/4695 ,  G06K2009/6236

Abstract: 本发明涉及一种基于低秩字典学习算法的人脸识别方法，其特征在于包括以下步骤：一，输入训练人脸图像并利用K-SVD算法构造profiles的Fisher判别约束项；二，构建对人脸图像测试样本的分类模型，以测试人脸图像的类标；三，采集并把待识别的人脸图像的数据输入到分类模型上；最后分类模型输出测试人脸图像的类标，进而对人脸进行识别。该方法不但提高了人脸识别的判别性能，而且降低了算法的复杂度，从而提高了人脸识别系统的效果。

公开(公告)号：CN107729844A

公开(公告)日：2018-02-23

申请号：CN201710979851.9

申请日：2017-10-19

Applicant: 贵阳宏益房地产开发有限公司

Inventor： 廖海斌 ,  张海鹏 ,  刘飞 ,  彭荣林

IPC: G06K9/00

CPC classification number: G06K9/00268 ,  G06K9/00288 ,  G06K2009/4695

Abstract: 本发明实施例提供一种人脸属性识别方法及装置。所述方法包括：将采集得到的人脸图像训练集通过字典训练算法训练得到人脸属性识别字典，所述人脸属性识别字典中包括多个人脸的属性；根据待识别人脸图像与所述人脸属性识别字典建立基于稀疏表示的属性分类模型，并根据所述属性分类模型求解得出稀疏表示系数；根据所述稀疏表示系数对待识别人脸图像进行重构计算每类属性的重构误差；获取前N个最小重构误差，将所述前N个最小重构误差对应的属性采用民主投票确定待识别人脸图像的属性结果，其中N为不小于二的自然数。

公开(公告)号：CN107667381A

公开(公告)日：2018-02-06

申请号：CN201580080661.2

申请日：2015-06-04

Applicant: 西门子保健有限责任公司

Inventor： H.阮 ,  S.K.周

IPC: G06K9/62

CPC classification number: G06K9/6268 ,  G06K9/2081 ,  G06K9/6249 ,  G06K9/6255 ,  G06K9/6259 ,  G06K2009/4695 ,  G06K2209/05 ,  G06T7/0014 ,  G06T2207/10088 ,  G06T2207/20081 ,  G06K9/6267

Abstract: 一种使用非线性稀疏表示来对信号进行分类的方法包括基于多个训练信号来学习多个非线性字典，每个相应的非线性字典对应于多个类别标签中的一个。针对多个非线性字典中的每一个在测试信号上执行非线性稀疏编码过程，由此将多个非线性字典中的每一个与测试信号的不同稀疏编码相关联。针对包括在多个非线性字典中的每个相应的非线性字典，使用测试信号和与相应的非线性字典相对应的不同稀疏编码来测量重建错误。识别与多个非线性字典中的针对重建错误的最小值相对应的特定非线性字典，并且将与特定非线性字典相对应的类别标签分配给测试信号。

公开(公告)号：CN107368846A

公开(公告)日：2017-11-21

申请号：CN201710479358.0

申请日：2017-06-22

Applicant: 华南理工大学

Inventor： 贺霖 ,  罗浩坤 ,  饶熠舟 ,  关倩仪

IPC: G06K9/62 ,  G06K9/52

CPC classification number: G06K9/6267 ,  G06K9/527 ,  G06K9/6255 ,  G06K2009/4695

Abstract: 本发明公开了基于小波变换和稀疏表示的高光谱图像分类方法，步骤如下：获取高光谱图像数据，在空间维和光谱维三维空间内进行空间移不变小波分解，得到高光谱图像在各个尺度上的空间平移不变小波变换特征；确定一个最优尺度J，得到高光谱图像在最优尺度J上的空间平移不变小波变换特征；高光谱图像中获取到Ntr个训练像素，以对Nte个测试像素类别的判定，具体为：首先通过Ntr个训练像素在尺度J上的空间平移不变小波变换特征构建用于稀疏表示的训练字典，然后对测试像素进行基于稀疏表示方法的分解和重构，最后比较测试像素在每一个类别上对应的类别局部重构残差，将最小残差值对应的类别判定为测试像素的类别。本发明方法提高了高光谱图像分类的鲁棒性和准确性。

公开(公告)号：CN107301394A

公开(公告)日：2017-10-27

申请号：CN201710476038.X

申请日：2017-06-21

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 叶允明 ,  李旭涛 ,  李彦良 ,  夏武

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  H04N5/262

CPC classification number: G06K9/00711 ,  G06K9/00362 ,  G06K9/46 ,  G06K9/4642 ,  G06K9/6269 ,  G06K2009/4695 ,  H04N5/262

Abstract: 本发明提供了一种基于视频数据的人流检测方法，包括以下步骤：S1、对视频进行低秩稀疏矩阵分解；S2、获取稀疏部分；S3、对稀疏部分进行阈值处理；S4、训练SVM；S5、对图像进行HOG+SVM检测；S6、判断是否有剩余检测框，如果没有，则结束，如果有，则进入下一步骤；S7、判断对应辅助图像相同位置是否有足够像素，如果没有，则删除检测框并返回步骤S6，如果有，则保留检测框并返回步骤S6。本发明的有益效果是：结合低秩稀疏矩阵分解的方法，将一段视频中的稀疏部分提取出来，并进行处理，低空监测影像的检测效果较好。

公开(公告)号：CN107273840A

公开(公告)日：2017-10-20

申请号：CN201710431215.2

申请日：2017-06-08

Applicant: 天津大学

Inventor： 聂为之 ,  邓宗慧

IPC: G06K9/00 ,  G06K9/46

CPC classification number: G06K9/00248 ,  G06K9/00281 ,  G06K9/46 ,  G06K2009/4695

Abstract: 本发明公开了一种基于现实世界图像的面部识别方法，所述面部识别方法包括以下步骤：对输入的面部图像进行网格化，使得面部图像特征与基于三角网格的参考面部的对应特征匹配；采用回归树对面部进行若干个面部关键特征点检测，获取位于眼睛、鼻子和嘴的关键特征点；根据关键特征点、结合面部德洛内三角网格、以及面部三角剖分网格对面部图像进行变形处理；对变形后的面部图像进行对齐处理；通过改进后的稀疏表达的分类方法实现对对齐处理后的面部识别。本发明实现了在任意的环境中捕获面部，自动执行面部对齐，实现了高精度、快速地对待检测面部进行识别。

公开(公告)号：CN106971176A

公开(公告)日：2017-07-21

申请号：CN201710323547.9

申请日：2017-05-10

Applicant: 河海大学

Inventor： 王鑫 ,  徐玲玲 ,  张鑫 ,  邓梁 ,  熊星南

IPC: G06K9/00 ,  G06K9/38 ,  G06K9/46 ,  G06K9/62 ,  G06T7/41

CPC classification number: G06K9/46 ,  G06K9/00335 ,  G06K9/38 ,  G06K9/4638 ,  G06K9/6202 ,  G06K9/6226 ,  G06K9/6256 ,  G06K2009/4695 ,  G06K2209/21 ,  G06T2207/10048

Abstract: 本发明公开了一种改进的基于稀疏表示的红外人体目标跟踪方法，首先，从红外目标模板中提取含有空间位置信息的灰度特征和边缘特征，并组成总特征集；然后，通过K‑SVD算法对其进行过完备字典的学习，实现目标外观的建模；最后，通过求取残差来实现人体目标的跟踪。本发明一方面提取了红外人体目标含有空间位置信息的灰度特征和边缘特征，有效的克服了人体姿势变化、光照变化以及目标被遮挡等因素的干扰；另一方面，通过自适应字典更新算法，可以使过完备字典保持对目标的良好建模；两方面结合，提高了人体目标跟踪的鲁棒性和精确性。

公开(公告)号：CN106650747A

公开(公告)日：2017-05-10

申请号：CN201611008274.0

申请日：2016-11-16

Applicant: 佛山科学技术学院

Inventor： 周燕 ,  曾凡智 ,  杨跃武

IPC: G06K9/46 ,  G06F17/30

CPC classification number: G06K9/46 ,  G06F16/5838 ,  G06K2009/4695

Abstract: 本发明提供一种基于压缩感知的三维模型特征提取方法，首先，选取三维模型为离散体素化格式的三维模型，再选取各个视角的方位作为参考平面，并设计等高变换函数，将三维模型按照等高变换函数实现空间分层；其次，将每个空间分层模型投影到参考平面，构造投影矩阵，并提取投影矩阵的信息熵；最后，对各个投影矩阵进行稀疏处理，并进行二维压缩感知处理，得到空间分层特征。本发明可多角度反映三维模型的特征，实现对体素化格式的三维模型进行空间分层处理，对复杂结构的三维模型进行空间分解，不仅提高三维模型特征提取的准确性和高效性，而且提取低维高效的空间几何特征，避免特征冗余，从而保证三维模型检索的速度和质量。