-
公开(公告)号：CN109829427A
公开(公告)日：2019-05-31
申请号：CN201910097235.X
申请日：2019-01-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于纯度检测和空间注意力网络的人脸聚类方法。首先获取人脸识别数据集，训练空间注意力网络，对待聚类的所有人脸图像提取深度特征；接着构造距离矩阵，计算初始聚类结果；然后对每个聚类簇进行纯度检测，过滤掉不属于该类别的人脸图像，并删除不符合条件的聚类簇；最后对过滤后的聚类簇通过空间注意力网络提取集合特征，计算聚类簇之间的距离并不断融合得到最终结果。本发明能够改善人脸聚类的效果。
-
公开(公告)号：CN111339988B
公开(公告)日：2023-04-07
申请号：CN202010166807.8
申请日：2020-03-11
Applicant: 福州大学
IPC: G06V40/16 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于动态间隔损失函数和概率特征的视频人脸识别方法，包括以下步骤：步骤S1：通过人脸识别训练集训练识别网络；步骤S2：采用已训练的识别网络作为特征提取模块，并通过同一个训练集训练不确定性模块；步骤S3：利用学习到的不确定性作为特征的重要程度，对输入的视频特征集合进行聚合，得到聚合后的特征；步骤S4：采用互似然分数对聚合后的特征进行比对，完成最终的识别。该方法能够有效地对视频中的人脸进行识别。
-
公开(公告)号：CN111339988A
公开(公告)日：2020-06-26
申请号：CN202010166807.8
申请日：2020-03-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于动态间隔损失函数和概率特征的视频人脸识别方法，包括以下步骤：步骤S1：通过人脸识别训练集训练识别网络；步骤S2：采用已训练的识别网络作为特征提取模块，并通过同一个训练集训练不确定性模块；步骤S3：利用学习到的不确定性作为特征的重要程度，对输入的视频特征集合进行聚合，得到聚合后的特征；步骤S4：采用互似然分数对聚合后的特征进行比对，完成最终的识别。该方法能够有效地对视频中的人脸进行识别。
-
Patent Agency Ranking
公开(公告)号：CN109829436A
公开(公告)日：2019-05-31
申请号：CN201910106309.1
申请日：2019-02-02
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度表观特征和自适应聚合网络的多人脸跟踪方法，首先采用人脸识别数据集训练自适应聚合网络；接着使用基于卷积神经网络的人脸检测方法获取人脸的位置，初始化待跟踪的人脸目标，提取人脸特征；然后采用卡尔曼滤波器预测每个人脸跟踪目标在下一帧的位置，并在下一帧中再次定位人脸所在位置，对检测出的人脸提取特征；最后使用自适应聚合网络，对每个跟踪的人脸目标跟踪轨迹中的人脸特征集合进行聚合，动态地生成一个融合多帧信息的人脸深度表观特征,结合预测的位置及融合后的特征,与当前帧中通过检测得到的人脸位置及其特征,进行相似度计算与匹配，更新跟踪状态。本发明能够提升人脸跟踪的性能。
-
公开(公告)号：CN109829427B
公开(公告)日：2022-05-17
申请号：CN201910097235.X
申请日：2019-01-31
Applicant: 福州大学
IPC: G06V10/774 , G06V10/762 , G06V40/16 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于纯度检测和空间注意力网络的人脸聚类方法。首先获取人脸识别数据集，训练空间注意力网络，对待聚类的所有人脸图像提取深度特征；接着构造距离矩阵，计算初始聚类结果；然后对每个聚类簇进行纯度检测，过滤掉不属于该类别的人脸图像，并删除不符合条件的聚类簇；最后对过滤后的聚类簇通过空间注意力网络提取集合特征，计算聚类簇之间的距离并不断融合得到最终结果。本发明能够改善人脸聚类的效果。
-
公开(公告)号：CN102903085B
公开(公告)日：2015-09-09
申请号：CN201210364888.8
申请日：2012-09-25
Applicant: 福州大学
IPC: G06T5/00
Abstract: 本发明涉及图像拼接技术领域，其是依据相邻图像角点位置及角点响应函数值的偏差条件过滤大量不相关角点，再根据灰度相关性生成初始角点匹配点对集，减少计算相关度的时间；通过对初始匹配点对集进行多条件约束的筛选,去除伪角点对，减少RANSAC 算法迭代次数，提高匹配速度；在初始多帧序列匹配图像中选择融合重叠区相似度最大的变换参数作为拼接的最优变换参数，同时依据重叠区相似度自动启动优选匹配，有效解决摄像机抖动带来的匹配误差。
-
公开(公告)号：CN109829436B
公开(公告)日：2022-05-13
申请号：CN201910106309.1
申请日：2019-02-02
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度表观特征和自适应聚合网络的多人脸跟踪方法，首先采用人脸识别数据集训练自适应聚合网络；接着使用基于卷积神经网络的人脸检测方法获取人脸的位置，初始化待跟踪的人脸目标，提取人脸特征；然后采用卡尔曼滤波器预测每个人脸跟踪目标在下一帧的位置，并在下一帧中再次定位人脸所在位置，对检测出的人脸提取特征；最后使用自适应聚合网络，对每个跟踪的人脸目标跟踪轨迹中的人脸特征集合进行聚合，动态地生成一个融合多帧信息的人脸深度表观特征,结合预测的位置及融合后的特征,与当前帧中通过检测得到的人脸位置及其特征,进行相似度计算与匹配，更新跟踪状态。本发明能够提升人脸跟踪的性能。
-
公开(公告)号：CN102903085A
公开(公告)日：2013-01-30
申请号：CN201210364888.8
申请日：2012-09-25
Applicant: 福州大学
IPC: G06T5/00
Abstract: 本发明涉及图像拼接技术领域，其是依据相邻图像角点位置及角点响应函数值的偏差条件过滤大量不相关角点，再根据灰度相关性生成初始角点匹配点对集，减少计算相关度的时间；通过对初始匹配点对集进行多条件约束的筛选,去除伪角点对，减少RANSAC算法迭代次数，提高匹配速度；在初始多帧序列匹配图像中选择融合重叠区相似度最大的变换参数作为拼接的最优变换参数，同时依据重叠区相似度自动启动优选匹配，有效解决摄像机抖动带来的匹配误差。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
