-
公开(公告)号：CN109344692B
公开(公告)日：2020-10-30
申请号：CN201810909854.X
申请日：2018-08-10
Applicant: 华侨大学
Abstract: 本发明公开了一种运动质量评价方法及系统。其中，所述方法包括：从人体关节点运动轨迹中提取出身体各个部位的局部运动模式，并建立对该运动模式进行判别的行为分类，进而根据该建立的对该运动模式进行判别的行为分类，建立基于人体关节点位移关联的姿态特征表示和质量评价模型，进而根据该建立的基于人体关节点位移关联的姿态特征表示和质量评价模型，对摄像头采集到的视频中的人体运动进行质量评分。通过上述方式，能够实现不需要人工对人体运动数据进行标注，能够准确反馈人体运动质量的评价信息。
-
公开(公告)号：CN107066583B
公开(公告)日：2018-05-25
申请号：CN201710243764.7
申请日：2017-04-14
Applicant: 华侨大学
Abstract: 本发明提供一种基于紧凑双线性融合的图文跨模态情感分类方法，包括如下6个步骤：(1)图像特征表示的提取；(2)文本特征表示的提取；(3)软注意力图的生成；(4)图像注意力特征表示的生成；(5)多模态紧凑双线性融合算法融合图像注意力特征表示和文本特征表示；(6)图文情感分类。本发明方法中软注意力图和多模态紧凑双线性融合算法的使用，能够有效提高情感分类的准确率。
-
公开(公告)号：CN117557972A
公开(公告)日：2024-02-13
申请号：CN202311393449.4
申请日：2023-10-25
Applicant: 华侨大学
IPC: G06V20/54 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种车辆重识别的方法、装置、设备及可读存储介质,先通过获取车辆图像,调用车辆重识别模型对所述车辆图像分割并采用滑动窗口进行处理,以生成为多个相同尺寸且包含重叠像素的图块,接着,将多个相同尺寸且包含重叠像素的所述图块处理成序列,并在所述序列之前添加可学习的分类标记后将位置信息和非视觉信息一起编码生成图像编码特征；再接着,将所述图像编码特征分别输入进全局特征分支和局部特征分支进行编码以生成全局特征和局部特征；最后,根据所述全局特征生成一组特征权重,所述局部特征基于所述特征权重生成聚合特征,融合所述全局特征和所述聚合特征生成融合特征,其中,车辆重识别模型能够基于所述融合特征与所述车辆图像关联的检索序列。解决了不同场景的同一车辆难以区分的问题。
-
公开(公告)号：CN112733796B
公开(公告)日：2023-12-05
申请号：CN202110089858.X
申请日：2021-01-22
Applicant: 华侨大学
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明实施例提供一种体育运动质量的评估方法、装置、设备，存储介质，涉及行为识别技术领域。其中，这种评估方法包括如下步骤：S101、获取包含特定体育运动的运动过程的视频，并根据体育运动的类型将视频分割成多个视频阶段。S102、将多个视频阶段输入至骨干网络模型，获得与多个视频阶段对应的多个特征表示。S103、构建回归网络模型。其中，回归网络模型采用基于难度系数的总得分为训练标签的方法训练。S104、将多个特征表示输入至回归网络模型，获得视频中的运动过程的评分。骨干网络模型保证评分过程中的动作特征能够完整，且语义信息足够丰富。回归网络模型大大提高了动作质量评估方法的性能。
-
公开(公告)号：CN115497022A
公开(公告)日：2022-12-20
申请号：CN202211152789.3
申请日：2022-09-21
Applicant: 华侨大学
Abstract: 本发明实施例提供基于全局感知与提名关系挖掘的时序动作定位方法，涉及视频识别技术领域。其中，这种时序动作定位方法，其包含步骤S1至步骤S4。S1、获取待识别视频。S2、根据待识别视频，提取视觉特征。S3、将视觉特征输入预先训练好的时序提名生成网络模型，获取时序提名。S4、将时序提名输入预先训练好的时序提名分类网络模型，获取定位结果。定位结果包括动作类别和动作起止时间。时序提名生成网络模型通过图建模的方式动态捕获特征之间的关联性，实现动作边界与动作特征之间的信息交互，达到全局感知动作、背景、边界之间关系的目的。时序提名分类网络模型挖掘提名之间的潜在关系，实现更精准地定位与动作分类。
-
Patent Agency Ranking
公开(公告)号：CN113609948A
公开(公告)日：2021-11-05
申请号：CN202110861491.9
申请日：2021-07-29
Applicant: 华侨大学
Abstract: 本发明提供了一种视频时序动作的检测方法、装置及设备,方法包括:获取视频数据,并提取所述视频数据的视频特征；将所述视频特征输入至锚分支网络以及无锚分支网络，以获取所述锚分支网络输出的第一输出结果，及所述无锚分支网络输出的第二输出结果，其中，所述锚分支网络以及所述无锚分支网络并行处理所述视频特征；调用对齐损失函数对所述第一输出结果及所述第二输出结果进行融合处理，生成时序动作定位结果集。解决了现有技术中对数据集的动作标注往往很模糊的问题。
-
公开(公告)号：CN110633683A
公开(公告)日：2019-12-31
申请号：CN201910888992.9
申请日：2019-09-19
Applicant: 华侨大学
Abstract: 本发明公开了一种结合DenseNet和resBi-LSTM的中文句子级唇语识别方法，本发明将唇语识别拆分为拼音预测与语言翻译两个部分，降低了唇语识别的难度。使用DenseNet提取视觉特征，充分利用浅层特征，有效缓解了梯度消失的问题，并且减少了网络的参数。使用1×1卷积代替全连接实现特征降维的功能，保留了特征中的空间信息，在唇语识别技术研究中，空间信息起着重要作用。使用resBi-LSTM进行视觉特征的处理，最后得到结合了视觉特征和语义特征的复杂特征，减少了有效信息的损失，提高了唇语识别的准确率。
-
公开(公告)号：CN109344692A
公开(公告)日：2019-02-15
申请号：CN201810909854.X
申请日：2018-08-10
Applicant: 华侨大学
Abstract: 本发明公开了一种运动质量评价方法及系统。其中，所述方法包括：从人体关节点运动轨迹中提取出身体各个部位的局部运动模式，并建立对该运动模式进行判别的行为分类，进而根据该建立的对该运动模式进行判别的行为分类，建立基于人体关节点位移关联的姿态特征表示和质量评价模型，进而根据该建立的基于人体关节点位移关联的姿态特征表示和质量评价模型，对摄像头采集到的视频中的人体运动进行质量评分。通过上述方式，能够实现不需要人工对人体运动数据进行标注，能够准确反馈人体运动质量的评价信息。
-
公开(公告)号：CN108416258A
公开(公告)日：2018-08-17
申请号：CN201810064176.1
申请日：2018-01-23
Applicant: 华侨大学
Abstract: 本发明提供一种基于人体部位模型的多人体跟踪方法，涉及视频监控技术领域。其包括：获取图像数据，提取其中每个人的人体部位模型并计算颜色特征，得到每个人的部位特征集，集合得到多人体部位特征集列表。然后计算当前帧获得的每个人的部位特征集与上一帧获得的多人体部位特征集列表中每个人的相似度，得到匹配矩阵。再根据匹配矩阵，计算当前帧获得的每个人对上一帧获得的每个人的相似置信度，根据相似度和相似置信度对当前帧获得的目标与上一帧的目标进行匹配，得到跟踪结果。通过该方法能够准确将当前帧的检测目标匹配到上一帧的位置并发现新目标，有效解决多人体跟踪过程中由于人体形变引起的特征差异，导致跟踪失败的问题。
-
公开(公告)号：CN119495125B
公开(公告)日：2025-03-28
申请号：CN202510072603.0
申请日：2025-01-17
Applicant: 华侨大学
IPC: G06V40/20 , G06N3/0464 , G06N3/0495 , G06V10/44 , G06V10/774 , G06V10/82 , G06V20/40 , G06V40/10
Abstract: 本发明提供了一种联合式体育动作检测方法，涉及视频分析技术领域，本方法将动作分类和边界定位目标结合起来，通过学习统一的动作表示和边界判定特征，直接将特征映射为检测结果；不仅提高了细粒度体育动作检测的性能，还提升了模型的表示能力和灵活性。同时，还通过建立分组式特征提取主干网络和多尺度时序特征提取颈部网络模块，能够有效地处理细粒度体育动作检测任务，解决了传统体育动作检测方法在细粒度检测任务中的局限性。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.019 seconds)
