-
公开(公告)号：CN105528594A
公开(公告)日：2016-04-27
申请号：CN201610066350.7
申请日：2016-01-31
Applicant: 江南大学
CPC classification number: G06K9/00744 , G06K9/00335 , G06K9/00355 , G06K9/6256 , H04N7/18
Abstract: 本发明属于图像识别技术领域，具体为一种基于视频信号的事件识别方法，其能够对被监控对象的某一动作或此对象的某状态变化过程进行识别，提高监控效率，其包括事件训练和事件识别两个步骤，事件训练步骤只需执行一次，事件训练执行完毕后，事件识别可执行任意次；其中，事件训练步骤包括训练用视频段获取及预处理、训练用组图像构造和对训练用组图像进行特征提取三个步骤；事件识别步骤包括识别用视频段获取及预处理、识别用组图像构造、对识别用组图像进行特征提取和对识别用视频段分类四个步骤。
-
公开(公告)号：CN104821966A
公开(公告)日：2015-08-05
申请号：CN201510234630.X
申请日：2015-05-08
Applicant: 江南大学
IPC: H04L29/12
Abstract: 本发明涉物联网技术领域的计算机网络技术领域，具体为一种外网设备访问家庭网关的方法和系统，其能够实现外网设备主动直接地访问具有非固定公网IP地址的家庭内网网关。这一方法和系统可以扩展为智慧小区所在的外部局域网内家庭与家庭之间的直接网络通信，一种外网设备访问家庭网关的方法，其特征在于，其包括以下四个步骤：1.建立公网网络存储空间；2.内网网关上传其外网IP地址至所述公网网络存储空间；3.外网设备从公网网络存储空间中获取所述外网IP地址；4.外网设备通过所述外网IP地址访问所述内网网关。相对应的系统其包括连接内网和外网的内网网关、公网网络存储空间、外网设备。
-
公开(公告)号：CN105528594B
公开(公告)日：2019-01-22
申请号：CN201610066350.7
申请日：2016-01-31
Applicant: 江南大学
Abstract: 本发明属于图像识别技术领域，具体为一种基于视频信号的事件识别方法，其能够对被监控对象的某一动作或此对象的某状态变化过程进行识别，提高监控效率，其包括事件训练和事件识别两个步骤，事件训练步骤只需执行一次，事件训练执行完毕后，事件识别可执行任意次；其中，事件训练步骤包括训练用视频段获取及预处理、训练用组图像构造和对训练用组图像进行特征提取三个步骤；事件识别步骤包括识别用视频段获取及预处理、识别用组图像构造、对识别用组图像进行特征提取和对识别用视频段分类四个步骤。
-
Patent Agency Ranking
公开(公告)号：CN106778522A
公开(公告)日：2017-05-31
申请号：CN201611059543.6
申请日：2016-11-25
Applicant: 江南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于Gabor特征提取和空间变换的单样本人脸识别方法，主要解决在只有单张训练样本图像的条件下，由于类内散布矩阵是零而导致的传统面部识别方法不能够应用的问题。该方法采用Gabor小波从原始的单样本图像中提取空间特征向量，然后融合所提取的空间特征向量和原始的光谱特征向量，利用特征空间变换方法对融合特征矩阵进行低维特征空间变换，将其变换到一个低维子空间中，最后，利用最近邻分类器完成识别。本发明方法能够准确地完成单样本人脸的识别，提高了识别精度、降低了计算的代价。与现有技术相比，本发明提出的人脸识别方法更具有效性和鲁棒性。
-
公开(公告)号：CN106709508A
公开(公告)日：2017-05-24
申请号：CN201611076793.0
申请日：2016-11-29
Applicant: 江南大学
IPC: G06K9/62
CPC classification number: G06K9/6232
Abstract: 本发明公开了一种利用特征信息的加权典型相关分析方法，主要解决传统典型相关分析丢失特征信息指导，无法凸出重要特征与次要特征的区别的问题。该方法首先对输入的两组特征集中的各个特征进行特征方差的计算，并利用计算出的方差对原始特征进行加权处理，然后利用加权后的特征数据集进行典型相关分析的特征抽取，得出多组特征投影向量，并计算出各个投影向量所对应的典型相关性系数，接着利用该典型相关性系数对每个投影向量进行加权处理，组合成最终的加权典型相关分析的投影集，最后根据得到的加权典型相关分析的投影集进行特征抽取，应用于以后的模式识别任务。本发明方法能有效增强提取出来的特征的表现力和鉴别性，从而有效地提高基于典型相关分析的人脸识别和图像分类等算法的识别精度。
-
公开(公告)号：CN106097250A
公开(公告)日：2016-11-09
申请号：CN201610455106.X
申请日：2016-06-22
Applicant: 江南大学
IPC: G06T3/40
CPC classification number: G06T3/4053
Abstract: 本发明提出一种基于监督典型相关的稀疏人脸超分辨率重建方法，利用监督典型相关分析将提取出的高低分辨率的图像特征投影至相关子空间中，并在相关子空间中采用稀疏选择近邻进行邻域重构。本发明充分考虑样本类内与类间的相关性，加入监督信息，从而使得提取出的特征更具有鉴别性，能够更好地重构出测试样本对应的高分辨率图像。同时，在重构选择近邻时，采用稀疏选择的方法，根据不同的训练样本与测试样本相关性，自适应地选择出适合的近邻进行重构，得到恢复出的全局脸图像。利用上述的方法以及两步法邻域重建的思想补偿细节信息，重建高分辨率残差图像,将全局脸图像与残差图像相加得到最终的高分辨率人脸图像。
-
公开(公告)号：CN105930862A
公开(公告)日：2016-09-07
申请号：CN201610228374.8
申请日：2016-04-13
Applicant: 江南大学
IPC: G06K9/62
CPC classification number: G06K9/6222
Abstract: 本发明公开了一种基于密度自适应距离的密度峰聚类算法，主要解决基于欧氏距离的密度峰聚类算法无法有效处理复杂结构数据集的问题。实现过程为：(1)基于欧氏距离和自适应相似度计算密度自适应距离，以更好地描述数据空间分布结构；(2)基于密度自适应距离，根据数据点的邻居点总数占数据集样本总数的比例值计算算法的输入参数，即截断距离；(3)根据截断距离和密度自适应距离计算每个数据点的局部密度和该点到具有更高局部密度点的最短距离，绘制决策图，选取聚类中心；(4)将剩下的每个点分配到具有更高局部密度的最近邻点所属的簇，得到聚类结果。在人工数据集和UCI真实数据集上的实验表明，与基于欧氏距离的密度峰聚类算法相比，本发明不仅能够有效处理复杂结构数据集，而且具有更高的准确率。
-
公开(公告)号：CN104640073A
公开(公告)日：2015-05-20
申请号：CN201510065667.4
申请日：2015-02-09
Applicant: 江南大学
Abstract: 本发明涉及wifi无线定位技术领域，具体为一种基于逆向同步感知的wifi无线定位方法及系统，实现精确定位，定位方法包括训练和定位两大步骤，所述训练步骤只需执行一次，所述训练步骤完成后，所述的定位步骤可以执行任意次，定位系统包括：一个同步控制器，至少三个wifi信号感知器，以及被定位的移动终端，与传统的通过被定位移动终端对各个位置固定的wifi信号源的感知而达到对移动终端定位的方法不同，本发明让被定位移动终端充当wifi信号源，通过若干个位置固定的wifi信号感知器对被定位移动终端信号源的同步感知来定位移动终端。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.024 seconds)
