-
公开(公告)号：CN103336957B
公开(公告)日：2016-12-28
申请号：CN201310303194.8
申请日：2013-07-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于时空特征的网络同源视频检测方法，该方法包括以下步骤：步骤1：对输入的待检测视频进行预处理，从而去除低信息帧或异常帧，并进行图中图检测；步骤2：将至少一个参考视频与预处理后的待检测视频进行视频片段分割，得到一系列的视频片段，每个视频片段由相等数目的连续帧组成；步骤3：分别对上述所有的视频片段提取时空特征数据；步骤4：采用局部敏感哈希方法对上述得到的时空特征数据进行有效索引以及搜索，从而匹配得到相似视频片段，并输出最终同源视频的信息。
-
公开(公告)号：CN103077535B
公开(公告)日：2015-09-30
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。
-
公开(公告)号：CN102521382B
公开(公告)日：2015-04-22
申请号：CN201110433394.6
申请日：2011-12-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明是一种对视频词典进行压缩的方法，包括步骤：S1：基于已经得到的视觉词典或称旧词典，计算训练集中每个特征的稀疏表示。S2：根据稀疏表示计算旧词典中每个单词的权重。S3：根据词典中单词的权重，产生新的视觉词典或称新词典。本发明使用稀疏表示学习单词权重的方法压缩视频词典，压缩了词典的规模，提高了后续识别工作的速度，同时增强了特征描述的鲁棒性，保证了后续识别工作的效果。本发明可以用来压缩计算机视频领域中常见的视频词典，可以在缩减词典规模的同时，保证后续工作的效果。
-
公开(公告)号：CN104200235A
公开(公告)日：2014-12-10
申请号：CN201410363723.8
申请日：2014-07-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于线性动态系统的时空局部特征提取方法，该方法包括以下步骤：步骤1：收集待处理的视频数据文件；步骤2：对于待处理的视频数据文件，提取三维时空局部特征；步骤3：对于每一个三维时空局部特征，沿空间维度展开得到二维时空局部特征；步骤4：将二维时空局部特征Y作为线性动态系统的输出，学习得到线性动态系统的模型参数，作为所述二维时空局部特征Y的描述子。本发明提取的描述子能够同时表达时空局部特征的静态表观信息和运动信息，可以广泛应用在视频内容检索，敏感视频检测与过滤以及智能视频监控等业务中。
-
公开(公告)号：CN103839236A
公开(公告)日：2014-06-04
申请号：CN201410065411.9
申请日：2014-02-25
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于稀疏表示的图像白平衡方法，该方法包含以下步骤：获取大量各种场景和环境下的训练图像，并利用标准色板测量得到每幅训练图像拍摄时的光照色度值；对每一幅训练图像统计其对应的颜色特征；给定一测试图像，利用所述训练图像的光照色度值和颜色特征，估算所述测试图像的光照色度值；利用得到的测试图像的光照色度值，通过对角模型对所述测试图像中每个像素的颜色进行校正，得到经过白平衡的图像。本发明可应用到相机的白平衡处理，图像的光照变换以及颜色恒常性计算等领域，具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN103413125A
公开(公告)日：2013-11-27
申请号：CN201310376064.7
申请日：2013-08-26
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种基于判别性示例选择多示例学习的恐怖视频识别方法。该方法包括：提取训练视频集中每个视频的视频镜头，针对每个视频镜头选取情感代表帧和情感突变帧表示该镜头；提取对每个镜头的音频和视频特征作为视频示例，组成视频示例集合；从所述视频示例集合中选择出判别性视频示例；计算训练视频集合中每个视频示例与所述判别性视频示例之间的相似性距离，得到特征向量集合；将待识别视频的特征向量与训练视频集合对应的特征向量集合进行稀疏重构，根据重构误差识别视频的类别。本发明提出了一种新的基于判别性示例选择的多示例学习模型应用到恐怖电影场景识别中，该技术具有重要的学术意义和社会意义，并具有广阔的应用前景。
-
公开(公告)号：CN103336832A
公开(公告)日：2013-10-02
申请号：CN201310287917.X
申请日：2013-07-10
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 一种基于质量元数据的视频分类器构造方法，包括：提取视频样本集中每个视频样本的视频特征，以得到视频特征集；对每个视频样本赋予标签，以表示该视频样本属于第一类别或第二类别；针对每个视频样本进行质量评估以得到该视频样本的质量元数据，所有视频样本的质量元数据组成质量元数据集；通过对质量元数据集进行聚类，将视频特征集分成多个视频特征子集；以及针对每个视频特征子集，基于属于该视频特征子集的视频特征和相应视频样本的标签，利用基于聚类的多任务学习算法得到对应于该视频特征子集的视频分类器。
-
公开(公告)号：CN102034096B
公开(公告)日：2013-03-06
申请号：CN201010591513.6
申请日：2010-12-08
Applicant: 中国科学院自动化研究所
Abstract: 本发明是一种基于自顶向下运动注意机制的视频事件识别方法，包括步骤S1：利用高斯差分检测子，在计算机上检测视频集中每一个视频每一帧的兴趣点，所述视频集包括：训练视频集和测试视频集；步骤S2：对检测得到每一帧的兴趣点提取尺度不变特征描述子特征和光流特征；步骤S3：建立表观词汇表和运动词汇表；步骤S4：在训练视频集上学习每一个运动单词关于每一类事件的概率并由此建立基于运动信息的注意直方图；步骤S5：采用推土机距离计算视频集中的视频之间的相似度，并生成核函数矩阵；步骤S6：利用得到的核函数矩阵对支持向量机分类器进行训练，得到分类器参数并对测试视频集分类，输出分类结果。
-
公开(公告)号：CN101872346B
公开(公告)日：2012-07-04
申请号：CN200910082086.6
申请日：2009-04-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种自动生成视频导航系统的方法，包括：使用双阈值的镜头切割算法将视频切割成多个镜头；使用主导集聚类算法提取镜头的关键帧；使用主导集聚类算法将镜头聚类成镜头组；然后将镜头组构造成场景。本发明大大提高了视频的结构化程度，制作了视频的层次目录，极大方便了用户对视频内容的获取和浏览。本发明可以方便的制作DVD的目录，为视频检索技术提供支持。在视频已经融入人们生活的今天，具有极大的实用价值和应用前景。
-
公开(公告)号：CN102141998A
公开(公告)日：2011-08-03
申请号：CN201010106759.X
申请日：2010-02-03
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开一种网页视觉复杂度的自动评价方法，包括：收集网页样本，每个样本通过人工来进行标记其为视觉复杂的网页样本还是视觉简单的网页样本，以此建立训练集，利用网页分割算法来对每幅网页进行分割并提取网页布局块与文本块，把每一幅网页转换成一副图像，结合网页的源码，以及提取的网页布局块和文本块来提取每一幅网页三方面的特征：源码特征、结构特征、视觉特征；利用得到的网页特征对随机森林分类器进行训练，得到分类器参数，并对新网页进行评价，判定其在视觉上是否复杂。本发明可以应用在Web搜索与网页设计等诸多方面，提高基于Web的应用程序的性能。
-
-
-
-
-
-
-
-
-
Search Results
293
records
(took 0.087 seconds)
