-
公开(公告)号：CN109934042A
公开(公告)日：2019-06-25
申请号：CN201711345054.1
申请日：2017-12-15
Applicant: 吉林大学
IPC: G06K9/00
Abstract: 基于卷积神经网络的自适应视频对象行为轨迹分析方法属图像工程和机器视觉技术领域，本发明针对现实场景中的监控视频，采用核相关滤波算法对视频对象进行有效地检测跟踪，从而生成有向曲线的轨迹图，再基于深度学习利用卷积神经网络，自适应地训练学习当前场景下的正常行为轨迹，最终对可疑行为进行判别；本发明将深度学习用于视频对象的行为分析中，能自适应地学习场景中的正常行为轨迹，无需人为定义，从而保障了可疑行为判定的可靠性，在现实场景中可不断扩展使用背景，检测跟踪部分利用循环矩阵特性，且深度学习的输入为二维轨迹图，既保留了视频的时空特征，又最大限度确保了实时性。
-
公开(公告)号：CN109063594A
公开(公告)日：2018-12-21
申请号：CN201810767515.2
申请日：2018-07-13
Applicant: 吉林大学
CPC classification number: G06K9/0063 , G06K9/4642 , G06K9/6256 , G06K9/6269 , G06K2209/21 , G06N3/0454 , G06N3/08
Abstract: 基于YOLOv2的遥感图像快速目标检测方法属图像处理和模式识别技术领域，本发明实现了对遥感图像中的重要目标的快速检测；首先构建了遥感图像数据集用于模型的训练及性能检测；然后提出了一种适用于遥感图像分类的卷积神经网络结构用于特征提取，进而构建目标检测网络。针对卷积神经网络对小目标检测能力差这一问题，本发明采用增加训练尺度、批量正则化等方法提升了网络的性能。本发明定义了偏移因子校正目标位置，利用SVM分类器对检测结果进行目标背景二次分类，在保证检测精度的同时保障了检测速度，实现了端到端检测。最重要的是，模型允许将新数据的检测结果扩充到训练数据集中，从而更新训练目标检测网络，不断提升模型的泛化能力。
-
公开(公告)号：CN107507122A
公开(公告)日：2017-12-22
申请号：CN201710722220.9
申请日：2017-08-22
Applicant: 吉林大学
IPC: G06T1/00
Abstract: 基于NSCT和SIFT的立体图像零水印方法属图像加密和图像处理技术领域，本发明提取立体图像的左右视点图像NSCT变换域的低频子带图像，将它们之间的视差图像作为提取水印的载体，对载体图像进行奇异值分解，制定提取零水印的规则，将提取出的二值零水印图像与版权标志水印图像进行异或后得到认证零水印图像，在注册中心保存认证零水印图像后，立体图像就处在了水印技术的保护中。本发明能很好地抵抗各种噪声、滤波、压缩等常规攻击，尤其提高了抵抗几何攻击的能力，零水印嵌入不改变原始图像，能保证图像的质量，并且水印提取时不需要原始图像，为实际应用提供了便利，能够有效地保护立体图像的版权。
-
公开(公告)号：CN104809455B
公开(公告)日：2017-12-19
申请号：CN201510256419.8
申请日：2015-05-19
Applicant: 吉林大学
IPC: G06K9/00
Abstract: 基于可判别性二叉树投票的动作识别方法属计算机视觉技术领域，本发明提出一种人动作行为分析和准确定位的方法，主要分为训练部分和检测部分，训练部分将连续动作分解成时空立方块，提取立方块低维特征，在二叉树构建过程中，通过最小化目标类别不确定性和立体块中心偏移不确定性分裂左右结点，使得叶结点中立体块集合纯度最高，当二叉树达到最大深度或者叶结点立体块数低于阈值时，二叉树构建完成；检测部分将检测立体块遍历二叉树集，叶结点为到达的立体块进行投票，在动作空间寻求最大值，确定动作类别和目标中心位置，实验结果证明，在低分辨率、图像特征明显的视频序列中，本发明能准确判断人物的动作类别和人物位置。
-
公开(公告)号：CN106028025B
公开(公告)日：2017-11-21
申请号：CN201610308446.X
申请日：2016-05-11
Applicant: 吉林大学
Abstract: 一种针对辐辏与调节一致性的3D视频舒适度评价方法属立体图像舒适度评价和3D图像处理技术领域，本发明包括下列步骤：1.结合人眼视觉特性和深度感知理论，确定人的双眼舒适视差范围；2.根据3D视频每一帧左右视图视差值和由观看距离确定的双眼舒适视差范围，建立基于像素点的舒适度评价因子,舒适度评价因子分为正视差和负视差两部分；3.根据步骤2所述得到的基于像素点的舒适度评价因子，建立3D视频每一帧的舒适度客观评价模型；本发明能很好地反映水平视差范围和观看距离对3D视频舒适度的影响，为3D视频舒适度的评价提供依据。
-
Patent Agency Ranking
公开(公告)号：CN106028025A
公开(公告)日：2016-10-12
申请号：CN201610308446.X
申请日：2016-05-11
Applicant: 吉林大学
CPC classification number: H04N17/00 , H04N13/106 , H04N2013/0074
Abstract: 一种针对辐辏与调节一致性的3D视频舒适度评价方法属立体图像舒适度评价和3D图像处理技术领域，本发明包括下列步骤：1.结合人眼视觉特性和深度感知理论，确定人的双眼舒适视差范围；2.根据3D视频每一帧左右视图视差值和由观看距离确定的双眼舒适视差范围，建立基于像素点的舒适度评价因子,舒适度评价因子分为正视差和负视差两部分；3.根据步骤2所述得到的基于像素点的舒适度评价因子，建立3D视频每一帧的舒适度客观评价模型；本发明能很好地反映水平视差范围和观看距离对3D视频舒适度的影响，为3D视频舒适度的评价提供依据。
-
公开(公告)号：CN105335980A
公开(公告)日：2016-02-17
申请号：CN201510726194.8
申请日：2015-11-02
Applicant: 吉林大学
IPC: G06T7/00
Abstract: 一种适合图像SIFT特征匹配的彩色图像转亮度图像方法属计算机图像处理技术领域，本发明包括下列步骤：计算待匹配彩色图像中每个像素点的颜色偏移量YC；计算待匹配彩色图像中每个像素点的曝光度偏移量YE；计算待匹配彩色图像中每个像素点的最终亮度值W；按原彩色图像像素点位置排列每个像素点的最终亮度值W，形成最终亮度图像；本发明通过在亮度图像中融合彩色图像的颜色和曝光度信息，可提高亮度图像中区域间的对比度，形成更适合SIFT特征提取的亮度图像，能提高匹配算法的鲁棒性和稳定性，解决了在部分区域间无法提取出特征点、正确匹配率低等问题，本发明没有引入额外的时间复杂度，这是相对于其他加入颜色信息方法的优越之处。
-
公开(公告)号：CN104883577A
公开(公告)日：2015-09-02
申请号：CN201510275341.4
申请日：2015-05-26
Applicant: 吉林大学
IPC: H04N19/597 , H04N13/00 , H04N19/176
CPC classification number: H04N13/161
Abstract: 本发明公开了一种基于视差变化连续性调节的立体视频舒适度增强方法，考虑到人眼能分辨事物变化的最短时间为0.2秒，将0.2秒作为一个考察时段，在立体视频解码过程中提取每个考察时段帧的视差和运动矢量信息；根据舒适度评价模型，计算每个考察时段的立体视频舒适度平均值并判断该考察时段的帧是否为非舒适帧；对非舒适帧进行视差调节，增强立体视频的观视舒适度。
-
公开(公告)号：CN104853185A
公开(公告)日：2015-08-19
申请号：CN201510308249.3
申请日：2015-06-06
Applicant: 吉林大学
Abstract: 结合多视差和运动的立体视频舒适度评价方法属立体视频视觉舒适度评价技术领域，本发明提出了将物体的三种视差与物体的运动特性作为影响立体视频舒适度重要因素；提取帧内显著物体视差、帧内相关背景视差、帧间视差和运动变量这四个对立体视频舒适度有影响的因素，合成视差图并提取水平视差，计算深度视差；结合深度感知理论和最小二乘拟和方法建立主观评价与四大因素的函数关系，得到立体视频舒适度评价模型，再利用主观评价的方法对模型进行评定；本发明提出了一种新的对立体视频舒适度评价的方法，所建立的模型可以很好地模拟人眼的主观感受，对于研究人眼观看立体视频的舒适度有重要意义。
-
公开(公告)号：CN104809455A
公开(公告)日：2015-07-29
申请号：CN201510256419.8
申请日：2015-05-19
Applicant: 吉林大学
IPC: G06K9/00
CPC classification number: G06K9/00342 , G06K9/00348 , G06K9/00369
Abstract: 基于可判别性二叉树投票的动作识别方法属计算机视觉技术领域，本发明提出一种人动作行为分析和准确定位的方法，主要分为训练部分和检测部分，训练部分将连续动作分解成时空立方块，提取立方块低维特征，在二叉树构建过程中，通过最小化目标类别不确定性和立体块中心偏移不确定性分裂左右结点，使得叶结点中立体块集合纯度最高，当二叉树达到最大深度或者叶结点立体块数低于阈值时，二叉树构建完成；检测部分将检测立体块遍历二叉树集，叶结点为到达的立体块进行投票，在动作空间寻求最大值，确定动作类别和目标中心位置，实验结果证明，在低分辨率、图像特征明显的视频序列中，本发明能准确判断人物的动作类别和人物位置。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.042 seconds)
