-
公开(公告)号:CN108664902B
公开(公告)日:2020-08-25
申请号:CN201810367098.2
申请日:2018-04-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及视频分类领域,提出了一种基于深度学习的端到端的视频拷贝检测方法,旨在解决在视频拷贝检测中,两段视频中存在多处拷贝片段的检测困难,及无法准确定位拷贝视频片段的位置等问题。该方法的具体实施方式包括:对用于进行视频拷贝检测的两段待检测视频进行镜头分割以选取关键帧;利用预先构建的拷贝关系识别模型对所选取出的多个关键帧进行识别,确定各关键帧之间的拷贝关系;根据所得到的各关键帧之间的拷贝关系,构建两段上述待检测视频全部关键帧的贝关系矩阵;将该拷贝关系矩阵作为预先构建的定位识别模型的输入,定位两段所述待检测视中含有拷贝关系的片段。本发明能够快捷、高效地检测出两段视频中存在的多处拷贝关系的视频片段。
-
公开(公告)号:CN111507905A
公开(公告)日:2020-08-07
申请号:CN201910100742.4
申请日:2019-01-31
Applicant: 华为技术有限公司 , 中国科学院自动化研究所
Abstract: 本申请实施例公开了一种白平衡处理方法、白平衡处理装置以及存储介质,该白平衡处理方法包括:获取至少一个目标特征向量,所述至少一个目标特征向量包括原始图像的特征向量和/或所述原始图像转换后的图像的特征向量;根据训练图像样本集获取所述至少一个目标特征向量对应的至少一个目标光照色度值,所述训练图像样本集包括图像的特征向量和光照色度值的对应关系;根据所述至少一个目标光照色度值对所述原始图像进行白平衡处理。通过已训练的训练图像样本集来获取原始图像对应的目标光照色度值,提升了计算原始图像的光照色度值的效率,而且通过目标特征向量对原始图像的光照进行计算,提升了计算原始图像的光照色度值的准确性。
-
公开(公告)号:CN106204613A
公开(公告)日:2016-12-07
申请号:CN201610575854.1
申请日:2016-07-20
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明公开了一种基于低秩矩阵表示的图像前景物体检测方法及检测系统。其中,该方法包括提取待处理图像的特征,并利用特征聚类的方式对待处理图像进行子区域划分;接着计算每一子区域的特征均值,以获得子区域的特征表示,并将全部子区域的特征表示排列成矩阵,以获得待处理图像的特征矩阵;然后,利用低秩矩阵表示方法,将特征矩阵分解成低秩矩阵与稀疏矩阵;再针对稀疏矩阵的每一列计算l∞范数,以获得对应子区域的显著性值,并基于子区域的显著值来构成待处理图像的显著图;最后,对显著图进行自适应阈值划分,从而获得待处理图像的前景物体区域。通过本发明实施例解决了如何从前景和背景表观相似的图像中完整地检测前景物体的技术问题。
-
公开(公告)号:CN103473555B
公开(公告)日:2016-09-21
申请号:CN201310376618.3
申请日:2013-08-26
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于多视角多示例学习的恐怖视频识别方法,其包括:对训练视频集合中的视频提取视频镜头,并针对每个视频镜头选取情感代表帧和情感突变帧;对训练视频集合中每个视频镜头提取音频和视觉特征,其中视觉特征基于所提取的情感代表帧和情感突变帧提取;对于每一个视频提取其四个视角特征向量,构成训练视频集合的多视角特征集合;对所得到的训练视频集合对应的多视角特征集合和待识别视频的多视角特征向量进行稀疏重构,得到稀疏重构系数;根据所述稀疏重构系数计算待识别视频的多视角特征向量与训练视频集合中恐怖视频集合与非恐怖视频集合分别对应的多视频特征集合的重构误差,进而确定待识别视频是否为恐怖视频。
-
-
-