-
公开(公告)号：CN106056628B
公开(公告)日：2019-06-18
申请号：CN201610371378.1
申请日：2016-05-30
Applicant: 中国科学院计算技术研究所
IPC: G06T7/246
Abstract: 本发明提出基于深度卷积神经网络特征融合的目标跟踪方法及系统，涉及模式识别技术领域，该方法包括步骤1，通过深度卷积神经网络，获取视频图像中目标的多种特征，通过滤波器方法计算每种特征的特征置信权重，根据特征置信权重，获取目标当前的跟踪目标位置；步骤2，计算每种特征当前帧的预测精度损失，并根据预测精度损失，对每种特征，建立在△t时间内的稳定性模型，通过稳定性模型计算每个特征在当前帧的稳定性，根据每种特征的稳定性及累积的预测精度损失，更新每种特征的置信权重；步骤3，重复步骤1至步骤2完成所有帧的目标跟踪。本发明合理地融合多种特征的跟踪结果，实现鲁棒的目标跟踪。
-
公开(公告)号：CN1246793C
公开(公告)日：2006-03-22
申请号：CN02121369.0
申请日：2002-06-17
Applicant: 中国科学院计算技术研究所
IPC: G06F17/28
Abstract: 一种通过中间模式语言进行手语翻译的方法，包括：采集手语词语数据，提取该手语词语数据中的特征信息，根据该特征信息进行手语连续语句识别，然后记录中间模式语言数据的识别结果将中间模式语言数据转换为该非手语语言词语并输出；以及，采集非手语语言词语数据，根据中间模式语言数据与该非手语语言的对应关系，将该非手语语言词语转换为中间模式语言数据并记录，根据该中间模式语言数据，在手语词语库中找到相应的手语词语数据，再将该手语词语数据合成为手语图像信息输出；本发明将手语以及非手语模式的语言均与中间模式语言相对应，有利于手语翻译系统的扩展，方便了非手语语言与手语之间的相互转换。
-
公开(公告)号：CN106056628A
公开(公告)日：2016-10-26
申请号：CN201610371378.1
申请日：2016-05-30
Applicant: 中国科学院计算技术研究所
IPC: G06T7/20
CPC classification number: G06T7/20 , G06T2207/10016 , G06T2207/20081
Abstract: 本发明提出基于深度卷积神经网络特征融合的目标跟踪方法及系统，涉及模式识别技术领域，该方法包括步骤1，通过深度卷积神经网络，获取视频图像中目标的多种特征，通过滤波器方法计算每种特征的特征置信权重，根据特征置信权重，获取目标当前的跟踪目标位置；步骤2，计算每种特征当前帧的预测精度损失，并根据预测精度损失，对每种特征，建立在△t时间内的稳定性模型，通过稳定性模型计算每个特征在当前帧的稳定性，根据每种特征的稳定性及累积的预测精度损失，更新每种特征的置信权重；步骤3，重复步骤1至步骤2完成所有帧的目标跟踪。本发明合理地融合多种特征的跟踪结果，实现鲁棒的目标跟踪。
-
公开(公告)号：CN1464433A
公开(公告)日：2003-12-31
申请号：CN02121369.0
申请日：2002-06-17
Applicant: 中国科学院计算技术研究所
IPC: G06F17/28
Abstract: 一种通过中间模式语言进行手语翻译的方法，包括：采集手语词语数据，提取该手语词语数据中的特征信息，根据该特征信息进行手语连续语句识别，然后记录中间模式语言数据的识别结果将中间模式语言数据转换为该非手语语言词语并输出；以及，采集非手语语言词语数据，根据中间模式语言数据与该非手语语言的对应关系，将该非手语语言词语转换为中间模式语言数据并记录，根据该中间模式语言数据，在手语词语库中找到相应的手语词语数据，再将该手语词语数据合成为手语图像信息输出；本发明将手语以及非手语模式的语言均与中间模式语言相对应，有利于手语翻译系统的扩展，方便了非手语语言与手语之间的相互转换。
-
-
-
Search Results
4
records
(took 0.043 seconds)
