-
公开(公告)号：CN108764009A
公开(公告)日：2018-11-06
申请号：CN201810235672.9
申请日：2018-03-21
Applicant: 苏州大学 , 苏州科达科技股份有限公司 , 常熟理工学院
IPC: G06K9/00
CPC classification number: G06K9/00718 , G06K9/00744 , G06K2009/00738 , G06N3/0454 , G06N3/049
Abstract: 本发明公开了一种基于深度残差长短时记忆网络的视频事件识别方法，包括：1）时空特征数据联接层设计，时空特征数据经长短时记忆单元(LSTM)同步解析后形成时空特征数据联接单元DLSTM(double‑LSTM)，突出时空信息的一致性；2）DU‑DLSTM(dual unidirectional DLSTM)双单向结构设计，拓宽了网络的宽度，增加了特征选择范围；3）RDU‑DLSTM(residual dual unidirectional DLSTM)残差模块设计，解决更深层次的网络梯度消失问题；4）2C‑softmax目标函数设计，扩大类间距离的同时兼顾缩小类内距离。本方法优点是通过构建深度残差网络架构，解决梯度消失问题，同时利用时间网络、空间网络特征的一致性融合提高视频事件识别准确率。
-
公开(公告)号：CN106845351A
公开(公告)日：2017-06-13
申请号：CN201611193290.1
申请日：2016-12-21
Applicant: 苏州大学
CPC classification number: G06K9/00335 , G06K9/00744 , G06K9/6277 , G06K9/6288 , G06N3/049
Abstract: 本发明公开了一种用于视频的基于双向长短时记忆单元的行为识别方法，包括：(1)输入视频序列，提取视频序列中的RBG帧序列和光流图像；(2)分别训练RGB图像深度卷积网络和光流图像深度卷积网络；(3)提取网络的多层特征，其中至少提取第三卷积层、第五卷积层、第七全连接层的特征；对卷积层特征进行和池化；(4)对采用双向长短时记忆单元构建的递归神经网络进行训练，得到视频每帧的概率矩阵；(5)对每个概率矩阵取平均，最后融合光流帧和RGB帧的概率矩阵，取概率最大的类作为最后的分类结果，由此实现行为识别。本发明采用多层深度学习的特征代替传统的人工特征，不同层的深度特征表征了不同的信息，多层特征的组合可以提高分类的准确率；通过采用双向长短时记忆捕获时间信息，获得更多的时域结构信息，提高了行为识别的效果。
-
公开(公告)号：CN103345474B
公开(公告)日：2017-02-08
申请号：CN201310223574.0
申请日：2013-07-25
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明公开了一种文档主题的在线追踪方法，包括如下步骤：首先对数据进行预处理，主要是将数据切分成若干独立段，然后逐段训练以解决内存不足的问题；对数据在主题模型上采用在线学习算法进行训练，其中每段的训练均权重依赖已经训练得到的结果；最后，对每段训练得到的结果进行主题演变分析，对相应的主题进行追踪。本发明采用在线学习算法训练模型的精度和速度都很高，有效的解决了主题模型训练中的一些不足，在海量数据和数据流中表现出较好的鲁棒性。
-
公开(公告)号：CN104866829A
公开(公告)日：2015-08-26
申请号：CN201510270145.8
申请日：2015-05-25
Applicant: 苏州大学
IPC: G06K9/00
CPC classification number: G06K9/00221 , G06K9/00268 , G06K9/00288
Abstract: 本发明公开了一种基于特征学习的跨年龄人脸验证方法，包括如下步骤：(1)获取待对比的两幅人脸图像；(2)利用人脸特征点定位的方法对两幅人脸图像进行对齐操作；(3)分别对每幅图像进行特征提取，方法为：①通过深度卷积神经网络自动提取高层语义特征；②计算图像的LBP直方图特征；③将①和②中获得的特征进行融合，表达为特征向量；(4)采用余弦相似度方法计算步骤(3)获得的两幅图像的特征向量之间的距离，据此判断两幅图像是否来自同一人。本发明首次将深度网络应用到跨年龄人脸验证，同时创造性地将手工设计的LBP直方图特征与深度网络自主学习的特征进行融合，实现高层语义特征与低层特征的互补，具有更好的准确率。
-
公开(公告)号：CN103049751A
公开(公告)日：2013-04-17
申请号：CN201310026256.5
申请日：2013-01-24
Applicant: 苏州大学
Abstract: 本发明公开了一种改进的加权区域匹配高空视频行人识别方法（KS-WRM），其改进体现在1）利用卡尔曼滤波进行候选区域的确定；2）对摄像头固定与否，采用不同的行人检测策略；3）提出多特征融合的HLS模型的行人检测方法；以及4）基于上下文感知的CA显著区域检测的行人分割。本发明在细节模糊、背景杂乱以及噪声影响等复杂场景下能够精确的识别出行人。本发明可以用在如遥感卫星图像、商场、地铁站、火车站、机场等人流量较大的场所的行人检测和识别，以及智能交通控制、智能车辆辅助驾驶、行人流量统计与分析场合中。
-
Patent Agency Ranking
公开(公告)号：CN102903124A
公开(公告)日：2013-01-30
申请号：CN201210338285.0
申请日：2012-09-13
Applicant: 苏州大学
IPC: G06T7/20
Abstract: 本发明公开了一种运动目标检测方法，包括背景建模和前景检测，采用混合高斯模型进行背景建模并进行模型更新，获得B个高斯分布，对于待检测的帧图像中的一个像素点，如果在上述排序后的B个高斯分布中，至少有一个高斯分布与当前像素值匹配，则该像素点为一个背景像素，否则判定其为前景像素。本发明能有效地过滤前景噪声，得到十分干净的背景，既保留高效的去噪效果又增强了前景目标检测的准确性和完整性。
-
公开(公告)号：CN101446937B
公开(公告)日：2010-09-01
申请号：CN200810243785.X
申请日：2008-12-15
Applicant: 苏州大学
IPC: G06F13/42
Abstract: 本发明公开了一种MON08接口批量数据传输方法，其特征在于，包括下列步骤：(1)编写串行通信程序，编译成目标代码，所述串行通信程序中，在数据传输时，对每64～512字节数据进行一次校验；(2)采用基本的MON08接口通信方法将步骤(1)的目标代码发送至目标MCU的内存中并执行；(3)由编写的串行通信程序将所需传输的数据传输至目标MCU，实现MON08接口的批量数据传输。本发明通过改进MON08接口的通信流程及通信方式，大大加快了大批量数据传输的通信速度，同时保证了数据传输的可靠性。
-
公开(公告)号：CN104933417A
公开(公告)日：2015-09-23
申请号：CN201510362048.1
申请日：2015-06-26
Applicant: 苏州大学
CPC classification number: G06K9/00342 , G06K9/00369 , G06K9/6269
Abstract: 本发明公开了一种基于稀疏时空特征的行为识别方法，包括如下步骤：步骤一、对于输入视频采用时空Gabor与原输入视频进行卷积构造尺度空间；步骤二、将不同尺度的表达作为时空深度置信网络不同通道的值，联合学习多尺度的特征；步骤三、对行为特征进行识别分类。本发明通过尺度空间的构建输入深度网络联合学习多尺度的特征，提高行为识别的性能，针对池化操作的信息损失问题，引入空间金字塔的思想，对池化输出进行多级扩充，并结合稀疏编码进行金字塔多级特征的融合，降低了池化层输出的特征维度，进一步改进了原有网络的性能，提高了行为识别率。
-
公开(公告)号：CN104616323A
公开(公告)日：2015-05-13
申请号：CN201510090872.6
申请日：2015-02-28
Applicant: 苏州大学
IPC: G06T7/20
CPC classification number: G06K9/00724 , G06K2209/21
Abstract: 本发明公开了一种基于慢特征分析的时空显著性检测方法，具体步骤包括：训练立方体的收集、非监督的慢特征学习、显著性计算和目标检测，本发明通过慢特征分析能够直接以非监督的方式从输入数据中学习出周围环境变化的高层运动表示。
-
公开(公告)号：CN101959218B
公开(公告)日：2013-04-17
申请号：CN201010529473.2
申请日：2010-10-22
Applicant: 苏州大学
Abstract: 本发明公开了一种基于伸展树的事件区域检测方法，首先对传感器节点进行随机部署；采用基于Voronoi图以及Delaunay三角网络来描述感知网络拓扑，通过三种消息Beacon，Probe和Join实现伸展树的构建；在已构建伸展树的基础上，基于多项式回归进行数据融合，同时完成事件区域的可靠检测。实验证明，本发明的基于伸展树的事件区域检测方法是可行的，将本发明应用于事件区域的检测，可以提高检测的准确度。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.018 seconds)
