-
公开(公告)号：CN110222611A
公开(公告)日：2019-09-10
申请号：CN201910446596.0
申请日：2019-05-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉及深度学习领域，具体涉及了一种基于图卷积网络的人体骨架行为识别方法、系统、装置，旨在解决基于图卷积神经网络的人体骨架行为识别结果精度不高的问题。本发明方法包括：获取骨架视频帧并归一化；构建每一帧图对应的人体关节自然连接图；学习非自然连接边，获得人体关节连接图；为人体关节连接图各条边分配权重值；进行图卷积操作，获得骨架序列的空间信息；在时间维度上进行卷积操作，获得骨架序列的行为类别。本发明自然连接边能够学习到基本的人体行为特征，同时非自然连接边可以学习到附加的行为特征，通过自然连接边和非自然连接边共同构成一张图，可以更加充分的表征人体运动信息，提高识别性能。
-
公开(公告)号：CN108764050A
公开(公告)日：2018-11-06
申请号：CN201810398601.0
申请日：2018-04-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及人体行为识别领域，具体涉及一种基于角度无关性的骨架行为识别方法、系统及设备，只在提高角度无关性骨架行为识别的准确率。本发明的基于角度无关性的骨架行为识别方法，包括：基于每个视角的骨架序列设计特定视角子网，通过空域注意力和时域注意力模块分别重点关注关键关节点和关键帧，通过多层长短时记忆网络学习每个视角序列的判别性特征；将各个特定视角子网的输出特征串联起来作为公共子网的输入，通过双向长短时记忆网络进一步学习角度无关性特征，通过视角注意力模块重点关注关键视角；提出正则化交叉熵损失函数推动网络多模块共同学习。本发明有效地提高了识别准确率，能够自动专注学习信息较多的视角特征。
-
公开(公告)号：CN106874838A
公开(公告)日：2017-06-20
申请号：CN201611257407.8
申请日：2016-12-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种融合互补特征的视觉人体行为识别方法。其中，该方法包括：构建视频中人体行为的表观特性的表达和运动特性的表达；确定时空表观特征和运动特征的时空结构信息；将时空表观特征和运动特征映射到低维子空间中；利用随机弱线性分类器对低维特征进行弱分类，完成对节点的分割，产生多棵随机树；计算随机树上叶节点中各类别训练样本的时空结构信息与统计分布的概率值；将测试视频的时空结构信息与叶节点中的训练样本的时空结构信息进行匹配，并以训练样本所属类别的统计分布的概率值作为测试视频属于该类的得分，判定视频中所述人体行为的所属类别。通过该技术方案，解决了如何对视频中人体行为进行高效、鲁棒的识别的技术问题。
-
公开(公告)号：CN104063721B
公开(公告)日：2017-06-16
申请号：CN201410319126.5
申请日：2014-07-04
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种高效的基于语义特征自动学习与筛选的人类行为识别方法，包括从运动视频中检测时空兴趣点，提取时空兴趣点周围的运动和表观信息；在时空兴趣点特征基础上设计包含时空上下文信息的底层特征，描述一个局部区域的所有时空兴趣点特征，并且记录兴趣点之间的相对时空位置关系；在底层特征基础上，利用基于图模型的非负矩阵分解算法来自动生成高层语义特征；建立基于L2，1范数的组稀疏来选择各个行为类别中具有代表性和区分性的高层语义，通过模型的优化，将各个行为类别中具有代表性的语义特征保留下来，同时只采用优化后来自同一个行为类别的语义特征来训练分类器。本发明大幅提升了人类行为识别的智能化水平。
-
公开(公告)号：CN103218608B
公开(公告)日：2017-05-10
申请号：CN201310139552.6
申请日：2013-04-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于多示例多特征的网络暴力视频识别方法，包括：从视频共享网站上抓取暴力视频与非暴力视频及其评论、简介构建一个视频数据训练集；从训练集的文本信息中提取文本特征组成文本特征向量来训练文本预分类器，该预分类器筛选出候选的暴力视频；采用基于自适应双阈值的镜头分割算法对所述候选的暴力视频的视频片段进行分割，对每一个镜头提取相关的视觉特征、音频特征来表示该镜头，每一个镜头是多示例学习的一个示例，视频片段是一个包；使用MILES算法将所述包转化为单示例，采用该特征向量训练分类器模型，采用该分类器模型对候选暴力视频进行分类。利用本发明，大大减轻了网络暴力视频不受限制传播的不良影响。
-
Patent Agency Ranking
公开(公告)号：CN104992168A
公开(公告)日：2015-10-21
申请号：CN201510451096.8
申请日：2015-07-28
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
CPC classification number: G06K9/00214
Abstract: 本发明公开了一种基于图核的人体行为识别方法，根据视频序列中局部特征之间的时空关系，构建视频共生图和视频因果图，度量多个视频序列中所频共生图之间的相似性以及视频因果图之间的相似性，将视频共生图之间的相似性以及视频因果图之间的相似度累加，得到视频序列相似度，根据视频序列相似度训练支持向量机，根据支持向量机识别待测视频序列中的人体行为。本发明能够有效地利用局部特征之间的时空分布关系，进行人体行为识别。
-
公开(公告)号：CN104143197A
公开(公告)日：2014-11-12
申请号：CN201410373197.3
申请日：2014-07-31
Applicant: 中国科学院自动化研究所
IPC: G06T7/20
Abstract: 本发明公开一种航拍场景下运动车辆的检测方法，该方法包括以下步骤：步骤S1：对运动图像序列进行图像配准；步骤S2：对配准后的图像进行背景建模；步骤S3：对背景建模后图像进行背景减除，获取减除背景后的图像；步骤S4：对背景减除后的图像提取前景域，利用训练的支持向量机分类器对前景目标分类，获得分类的车辆目标和非车辆目标；步骤S5：对车辆目标进行跟踪关联，产生车辆目标的时序轨迹；步骤S6：对多个车辆目标时序轨迹拟合，得到道路区域估计；步骤S7：对道路估计和前景目标分类融合，获得车辆检测结果。
-
公开(公告)号：CN103714556A
公开(公告)日：2014-04-09
申请号：CN201410005499.5
申请日：2014-01-06
Applicant: 中国科学院自动化研究所
IPC: G06T7/20
Abstract: 本发明公开了一种基于金字塔表观模型的运动目标跟踪方法，包括：给出待跟踪目标物体在初始帧里面的状态和观测；采用金字塔分割和增量主成分分析的方法对跟踪目标进行金字塔表观建模；在金字塔表观模型中融入跟踪目标的纹理信息；在金字塔表观模型中融入跟踪目标的形状信息；将跟踪目标在当前帧的状态加上随机扰动作为下一帧的粒子，将所得粒子的观测与目标在当前帧的观测分别进行金字塔表观建模并进行比较，选定最为相似的粒子对应的观测作为被跟踪的目标在下一帧的状态；对选定观测的金字塔表观模型从低层至高层逐层计算所有分块的重构误差，并与设定的阈值进行比较，对重构误差小于阈值的分块进行表观更新。
-
公开(公告)号：CN103440494A
公开(公告)日：2013-12-11
申请号：CN201310279120.5
申请日：2013-07-04
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视觉显著性分析的恐怖图像识别方法及系统。该方法包括：建立包括恐怖图像样本和非恐怖图像样本的训练集；利用图像视觉显著性分析算法对每一幅训练样本图像进行视觉显著性分析，以得到每幅训练样本图像的视觉显著图；将每幅训练样本图像划分成W×W小图像块，并对每个图像块提取视觉和情感特征，并利用基于视觉显著性的词包表示模型得到每幅训练样本图像的视觉单词直方图表示；利用得到的每幅训练样本图像的视觉单词直方图及其对应的标签训练支持向量机以得到恐怖图像的分类模型，并利用该分量模型对新的测试图像进行识别，判断其是否为恐怖图像。本发明可应用到Web恐怖图像过滤以及图像情感语义识别等领域，具有广阔的应用前景。
-
公开(公告)号：CN103077535A
公开(公告)日：2013-05-01
申请号：CN201210592986.7
申请日：2012-12-31
Applicant: 中国科学院自动化研究所
IPC: G06T7/20
Abstract: 本发明公开了一种基于多任务联合稀疏表示的跟踪方法，包括以下步骤：在跟踪开始时，分别对需要跟踪的目标的不同特征，构建不同的模板集合；每个特征的模板集合用一个稀疏表示的任务来建模，构建基于局部稀疏图的多任务联合稀疏表示模型；采用近似的加速近邻梯度算法迭代求解多任务模型；使用方差比来选择不同任务的权重；构建基于多任务联合稀疏表示的表观模型，采用粒子滤波算法估计目标最优状态作为跟踪结果。
-
-
-
-
-
-
-
-
-
Search Results
293
records
(took 0.137 seconds)
