-
公开(公告)号：CN110188692B
公开(公告)日：2023-06-06
申请号：CN201910464159.1
申请日：2019-05-30
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
Abstract: 一种有效目标快速识别的强化循环级联方法。本发明提出了一种强化循环级联方法用于快速有效的目标识别任务，该方法包含循环级联模型，非线性映射操作以及分类识别模块。级联模型能够提取样本的多样化特征，其中低层特征能够逐层转换为高层特征，循环机制在强化样本特征的同时，还能轻量化网络模型；非线性映射操作增强了样本特征的非线性关系；建立损失函数，采用导数求逆矩阵的方式，直接计算网络权重，避免迭代优化算法的耗时问题，同时完成快速有效的目标识别任务。本发明通过利用目标区域定位和深度特征学习相结合的方法，解决了传统目标识别方法训练耗时，识别精度低的问题；避免了传统算法中复杂的模型建立，减小计算成本；具有训练时间短，识别精度高特点。
-
公开(公告)号：CN110619372A
公开(公告)日：2019-12-27
申请号：CN201910926742.X
申请日：2019-09-27
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: G06K9/62
Abstract: 本发明提出了一种循环强化模糊分层方法用于高效精准的目标识别任务，该方法主要包含模糊分层结构，模糊子系统簇，闭路循环机制等。模糊分层结构主要用于提取样本特征，采用带有少量模糊规则的模糊子系统簇既保证了特征的多样性，也节省了特征提取时间；连接输入层与输出层，提出闭路循环机制，将输出层优化的模糊参数传送到输入层，用于再次特征提取，实现强化特征的作用，同时还能轻量化网络模型。本发明解决了传统目标识别方法训练耗时，识别精度低的问题；避免了传统算法中复杂的网络建立，减小计算成本；具有训练时间短，识别精度高特点。
-
公开(公告)号：CN110188692A
公开(公告)日：2019-08-30
申请号：CN201910464159.1
申请日：2019-05-30
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
Abstract: 一种有效目标快速识别的强化循环级联方法。本发明提出了一种强化循环级联方法用于快速有效的目标识别任务，该方法包含循环级联模型，非线性映射操作以及分类识别模块。级联模型能够提取样本的多样化特征，其中低层特征能够逐层转换为高层特征，循环机制在强化样本特征的同时，还能轻量化网络模型；非线性映射操作增强了样本特征的非线性关系；建立损失函数，采用导数求逆矩阵的方式，直接计算网络权重，避免迭代优化算法的耗时问题，同时完成快速有效的目标识别任务。本发明通过利用目标区域定位和深度特征学习相结合的方法，解决了传统目标识别方法训练耗时，识别精度低的问题；避免了传统算法中复杂的模型建立，减小计算成本；具有训练时间短，识别精度高特点。
-
公开(公告)号：CN106372650B
公开(公告)日：2019-03-19
申请号：CN201610701199.X
申请日：2016-08-19
Applicant: 南通大学
IPC: G06K9/62
Abstract: 本发明的基于运动预测的压缩跟踪方法，根据当前帧对视频目标进行运动预测，得到目标的运动方向；依据运动矢量，计算前两帧目标运动的距离，根据这个距离自动调整搜索范围，减少候选样本的采集；使用自适应跟踪窗口优化，再次采集正负样本集合，提取两个样本集合的特征，进行朴素贝叶斯分类器的更新，并记录当前帧目标位置，跟踪到的目标位置，更新参数。有益效果为：大大减少了搜索时间，减少候选样本的采集，从而提高了压缩跟踪方法在一些复杂场景下的实时性和鲁棒性。
-
公开(公告)号：CN109190524A
公开(公告)日：2019-01-11
申请号：CN201810941368.6
申请日：2018-08-17
Applicant: 南通大学
Abstract: 本发明提出了一种基于生成对抗网络的人体动作识别方法，该方法首先设计分步式生成识别网络模型，在对抗网络的基础上构建分类器，实现图像的生成与分类功能；其次在判别器中引入结构相似度，通过增加约束条件来提高生成图像的质量；最后在符合日常生活的人体动作图像库中完成图像的生成与识别。本发明通过将图像的自然生成和识别联合，解决了样本不足情况下识别率低的问题；在图像的扩充和识别方面，具有扩充样本自然、识别率高、鲁棒性强的特点。
-
Patent Agency Ranking
-
公开(公告)号：CN107578036A
公开(公告)日：2018-01-12
申请号：CN201710913400.5
申请日：2017-09-28
Applicant: 南通大学
Abstract: 本发明提出了一种基于小波矩的深度图像跌倒识别算法。该算法首先根据图像中各像素点相对于质心的距离做归一化，然后对归一化的图像极坐标化、FFT变换，最后对图像进行小波变换获取特征向量，并结合最小距离分类法识别人体行为。通过对大量的人体行为样本进行测试，本发明算法的识别率达到了90%。本发明通过利用深度图像和小波矩特征的平移、缩放和旋转不变性，解决了传统视频图像处理存在的隐私问题，提高识别性能。本发明不仅提高了对人体跌倒行为的识别能力，而且具有更好的鲁棒性，有很好的应用前景。
-
公开(公告)号：CN109190524B
公开(公告)日：2021-08-13
申请号：CN201810941368.6
申请日：2018-08-17
Applicant: 南通大学
Abstract: 本发明提出了一种基于生成对抗网络的人体动作识别方法，该方法首先设计分步式生成识别网络模型，在对抗网络的基础上构建分类器，实现图像的生成与分类功能；其次在判别器中引入结构相似度，通过增加约束条件来提高生成图像的质量；最后在符合日常生活的人体动作图像库中完成图像的生成与识别。本发明通过将图像的自然生成和识别联合，解决了样本不足情况下识别率低的问题；在图像的扩充和识别方面，具有扩充样本自然、识别率高、鲁棒性强的特点。
-
公开(公告)号：CN108182410A
公开(公告)日：2018-06-19
申请号：CN201711470592.3
申请日：2017-12-28
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
Abstract: 本发明提出了一种联合目标区域定位和深度特征学习的跌倒识别算法，该算法首先利用Kinect采集和分析彩色图像和深度图像；然后根据图象中目标区域所处的位置，实现目标区域的自适应定位，优化图像；最后对优化后的图像进行深度特征学习，获取分类特征，判断是否跌倒。通过对大量的人体行为样本进行测试，本发明算法的识别率达到了100%。本发明通过利用目标区域定位和深度特征学习相结合的方法，解决了传统视频图像处理存在的实时性问题和隐私问题，进一步提高识别率；避免了传统算法中复杂的模型建立，减小计算成本；不仅具有好的鲁棒性，而且提高了识别效率。
-
公开(公告)号：CN109598218B
公开(公告)日：2023-04-18
申请号：CN201811410036.1
申请日：2018-11-23
Applicant: 南通大学 , 南通先进通信技术研究院有限公司
IPC: G06V20/54 , G06V10/56 , G06V10/50 , G06V10/77 , G06V10/772
Abstract: 本发明提出了一种车型的快速识别方法，主要解决车型识别中的精确度和实时性问题，该方法首先采用颜色空间转换和多通道HOG特征提取算法相结合，减少光照环境影响的同时提取车辆前脸特征；使用PCA降维操作，降低样本特征维度，减少计算复杂度；然后对样本特征进行稀疏表示和非线性映射，减少特征之间的相关性；最后建立样本特征与样本标签之间的关系并求出二者之间权重系数，实现快速车型识别效果。在BIT‑Vehicle数据库上的实验结果表明，本发明方法的识别精度为96.69%，识别速度为70.3fps，不仅提高了车型识别精度同时也保证了实时性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.032 seconds)
