-
公开(公告)号：CN112926453A
公开(公告)日：2021-06-08
申请号：CN202110213933.9
申请日：2021-02-26
Applicant: 电子科技大学
Abstract: 本发明公开了基于运动特征增强和长时时序建模的考场作弊行为分析方法，属于视频行为识别领域和深度学习领域，首先收集数据集，再对数据进行行为类别的标注并将视频流提取为图像帧，基于运动特征增强的方法提升模型对运动目标的捕获能力，通过特征谱移位方式进行帧之间的信息融合，基于时序金字塔的方法对长时的时序关系进行建模，完成识别模型的搭建；然后根据数据集获得的图像采用Xavier方法对行为识别分类模型进行初始化，采用分段抽取的方式获得视频帧的采样序列，基于分类模型的损失函数进行迭代到预设迭代次数，完成模型的训练，最后使用通过抽样获得的视频帧序列进行推理测试，得到具体的行为类别结果。
-
公开(公告)号：CN112446348A
公开(公告)日：2021-03-05
申请号：CN202011443338.6
申请日：2020-12-08
Applicant: 电子科技大学
Abstract: 本发明针对目前双流网络由于时序分支中光流计算开销的限制，训练时间过长的问题，以及，由于多光源、阴影、遮挡等原因，计算出来的光流场并不一定是可靠；时空域特征建模完全分离，在网络最后的融合可能不充分的问题，提供一种基于特征谱流的行为识别方法，使用特征谱流替代光流作为时间3D卷积网络的输入。对行为视频流进行1x1卷积生成每帧的特征谱，再依次对各帧的特征谱进行3x3卷积，依次将相邻两帧中前一帧特征谱3x3卷积结果与后一帧特征谱在像素维度上相减，根据相减结果生成特征谱流中的一个谱。特征谱流具有更强的鲁棒性，使得本发明在显著减小存储和计算开销的情况下取得更佳的识别效果。
-
公开(公告)号：CN107578091B
公开(公告)日：2021-02-05
申请号：CN201710765209.0
申请日：2017-08-30
Applicant: 电子科技大学
Abstract: 本发明提供一种基于轻量级深度网络的行人车辆实时检测方法，轻量级深度网络通过5个模块+3种卷积操作，其中元模块只包含2种卷积操作，来实现特征提取功能。本发明在不同模块之间的跳跃连接方式和更鲁棒的特征谱融合技术使得该网络在模型参量较小的情况下实现了对行人车辆较好的检测效果，能够实时有效地检测出图像或视频中的行人车辆。本发明提出的新的深度网络具有模型参数量小、计算复杂度小并且检测精确度高的优势，可以实现在嵌入式平台上对行人车辆进行实时的检测，具有很好的实用性和实时性。
-
公开(公告)号：CN110956671A
公开(公告)日：2020-04-03
申请号：CN201911290877.8
申请日：2019-12-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多尺度特征编码的图像压缩方法，通过训练集图像特征的梯度谱绝对值取平均得到选择向量，并利用选择向量来指导不同通道特征选择编码分辨率；同时将低分辨率编码的特征在解码端经过超分辨网络进行恢复，最终与高分辨率编码的特征重新组合成完整特征谱，映射回原始图像。本发明针对图像特征的特点进行差异性处理，对于容易从上下文信息恢复的特征用低分辨率传输，从而节省了码率；对于复杂的精细特征用高分辨率传输，减小了损失程度。
-
公开(公告)号：CN110738623A
公开(公告)日：2020-01-31
申请号：CN201910994632.7
申请日：2019-10-18
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于透射谱指导的多级对比度拉伸去雾方法，利用第一编解码网络生成有雾图片的透射谱，并利用透射谱与雾浓度的关系将所述有雾图片分成浓雾区域和薄雾区域；分别对所述浓雾区域和薄雾区域进行多级对比度拉伸预处理，结合所述浓雾区域的预处理结果利用第二编解码网络对所述浓雾区域进行修复，以及结合所述薄雾区域的预处理结果利用第三编解码网络对所述薄雾区域进行修复；利用密集卷积块对增强后的浓雾区域和薄雾区域的特征进行融合处理，得到去雾后的图像。本发明通过上述设计解决了去雾中不均匀的大气和细节信息缺失的问题。
-
Patent Agency Ranking
公开(公告)号：CN106407899B
公开(公告)日：2019-07-19
申请号：CN201610768488.1
申请日：2016-08-30
Applicant: 电子科技大学
Abstract: 本发明提供一种基于局部纹理特征的人群密度谱估计方法，采用SIFT关键点检测器可以有效检测出图像中行人所在的区域，使用SVM分类器对每个关键点区域进行分类，有效得到各个关键点区域的人群密度。另外，本发明还提供一种纹理特征的提取方式，通过提取局部纹理模式的灰度共生矩阵特征来表达图像块的行人密度，简单有效。
-
公开(公告)号：CN102842133B
公开(公告)日：2019-05-14
申请号：CN201210243989.X
申请日：2012-07-13
Applicant: 电子科技大学
IPC: G06K9/46
Abstract: 本发明提供一种局部特征描述方法，首先对获得的局部兴趣区域归一化，然后利用极坐标采样网格划分局部块，对局部块进行量化采样，将其映射为2维矩阵并提取2维DCT频域特征，再按zigzag顺序扫描DCT系数矩阵，重排和筛选DCT特征，形成最终的局部描述符。本发明使用极坐标采样结构，不仅保留了局部块的原始空域信息，而且能够容忍一定的形变，增强描述符的鲁棒性。2维DCT特征计算简单，高效，且具紧致性，筛选后的DCT特征进一步去除了光照影响。
-
公开(公告)号：CN109344713A
公开(公告)日：2019-02-15
申请号：CN201811010502.7
申请日：2018-08-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种姿态鲁棒的人脸识别方法，涉及计算机视觉领域。本发明针对现有的人脸识别方法在遇到人脸姿态变化时，识别精度有很大程度的下降，而相应的解决方案操作步骤复杂且实际部署困难的技术问题，提出了一种姿态鲁棒的人脸识别方法，本发明根据面部属性不随姿态变化的特性，在侧脸时加入人脸属性损失，并对原始的分类损失函数进行一定改进，提升了网络在侧脸时提取特征的有效性，提高了姿态变化时的鲁棒性。
-
公开(公告)号：CN107689157A
公开(公告)日：2018-02-13
申请号：CN201710763154.X
申请日：2017-08-30
Applicant: 电子科技大学
CPC classification number: G08G1/04 , G06K9/4652 , G06K9/6215 , G08G1/005
Abstract: 本发明提供一种基于深度学习的交通路口可通行道路规划方法，包括：特征提取步骤；目标检测步骤；信号灯颜色优化检测步骤：将置信度小于门限值的信号灯检测结果所在的预选框内的图像进行颜色采样，分别计算预选框图像中特征点颜色与红色、绿色的相似度，再计算预选框图像中红色特征点数量、绿色特征点数量占图像中所有特定点数量的比例，对比例大于预设比例值则判断该预选框图像中的信号灯为对应颜色；斑马线走向检测步骤：选择斑马线检测结果所在的预选框中长宽比例的大于3:1以及长度大于检测图片1/3长度的预选框进行中心点连线，中心线的斜率为斑马线的走向。本发明能实时有效地检测出当前拍摄的视频中包含的交通信号灯信息和斑马线位置信息。
-
公开(公告)号：CN107688808A
公开(公告)日：2018-02-13
申请号：CN201710665997.6
申请日：2017-08-07
Applicant: 电子科技大学
CPC classification number: G06K9/325 , G06K9/2072 , G06K9/3258 , G06N3/0454
Abstract: 该发明公开了一种快速的自然场景文本检测方法，涉及图像处理领域，特别是用于文本检测的卷积神经网络的新型应用技术。提出一个快速的特征提取小网络，使用inception模块，采用小卷积核，减少参数，缩小网络，加快运行速度。添加一个反卷积层用于融合多尺度信息，提高检测精度。检测阶段采用基于SSD的检测框架，对预置框的宽高比例进行改进，采用了适应文本特征的比例。本发明提出的方法在公开数据集上进行测试，验证了方法的有效性和实时性。
-
-
-
-
-
-
-
-
-
Search Results
268
records
(took 0.033 seconds)
