-
公开(公告)号：CN104967855A
公开(公告)日：2015-10-07
申请号：CN201510356968.2
申请日：2015-06-25
Applicant: 华侨大学
IPC: H04N19/503
Abstract: 本发明一种适用于监控视频的编码方法，首先，利用背景建模技术建立背景帧；其次，把视频帧分割为前景区域和背景区域，并进行背景替换，把视频帧的背景区域替换成背景帧的对应区域，即空间位置相同的区域；最后把背景替换后的监控视频帧送入编码器进行编码。由于相邻两帧之间背景区域的各像素值相同，在帧间编码时，编码器无需对背景区域进行编码。因此，本发明可在保证前景目标客观质量的前提下，大大提高监控视频编码的压缩效率，降低编码的计算复杂度，可广泛地应用于视频监控系统。
-
公开(公告)号：CN119991973A
公开(公告)日：2025-05-13
申请号：CN202510480150.5
申请日：2025-04-17
Applicant: 华侨大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于多尺度高斯球的动态场景重建方法及装置，涉及计算机视觉领域，包括：采用运动恢复结构算法对待重建的视频帧序列进行处理，生成稀疏点云，对稀疏点云进行初始化，生成3D高斯球集合；采用双域变形模型和自适应时间戳对3D高斯球集合进行处理，得到变形的3D高斯球集合；对变形的3D高斯球集合进行多尺度高斯处理，生成多尺度高斯球集合；对多尺度高斯球集合进行基于像素覆盖率的高斯筛选，得到优化后的多尺度高斯球集合；基于优化后的多尺度高斯球集合进行Alpha混合处理，重建得到抗锯齿动态渲染场景图像。本发明解决了目前动态场景重建的计算开销大且存在混叠效应等问题。
-
公开(公告)号：CN119991401A
公开(公告)日：2025-05-13
申请号：CN202510056412.5
申请日：2025-01-14
Applicant: 华侨大学
IPC: G06T1/00
Abstract: 本发明涉及基于双重高位有效位预测的加密3D模型可逆数据隐藏方法，包括：将3D模型的浮点顶点坐标数据通过整数映射和进制转换为二进制坐标数据；基于高位有效位自预测生成冗余数据，创建数据嵌入空间，并利用另一组顶点对目标顶点进行二次预测进一步生成更多的数据嵌入空间；使用随机二值序列与顶点数据进行异或运算实现加密，重组顶点数据并嵌入辅助数据以生成含嵌入空间的加密模型；将附加数据分别经过加密后置入预留空间；通过解密辅助数据定位附加数据的位置并正确提取，解密和恢复原始3D模型及其顶点坐标。本发明通过整数映射和集成一种增强的双重多位高位有效位预测策略，在保障3D模型数据安全同时实现了3D模型密文域大容量数据嵌入。
-
公开(公告)号：CN119561791B
公开(公告)日：2025-04-22
申请号：CN202510114211.6
申请日：2025-01-24
Applicant: 华侨大学
IPC: H04L9/40 , G06N3/0455 , G06F18/2433
Abstract: 本发明涉及入侵流量检测领域，公开了一种基于宽度网络的集成单分类异常流量检测方法及系统，方法包括如下步骤：采样步骤，根据采样概率抽取一定比例的正常数据；训练步骤，利用所述正常数据训练宽度自编码网络，作为弱分类器；更新步骤，根据样本重构误差计算当前弱分类器的置信度，并更新样本的采样概率；集成步骤，重复采样步骤至更新步骤，直到获得若干个弱分类器，集成获得异常流量检测模型；检测步骤，利用异常流量检测模型对未知样本进行异常检测，得到多个弱分类器的异常检测结果，根据弱分类的置信度对异常检测结果加权得到最终的检测结果。本发明将宽度学习自编码网络应用在单分类问题，解决了深度网络训练慢、消耗内存大等问题。
-
公开(公告)号：CN119741304A
公开(公告)日：2025-04-01
申请号：CN202510262624.9
申请日：2025-03-06
Applicant: 华侨大学 , 厦门松霖科技股份有限公司
Abstract: 本发明公开了一种基于三维人脸几何结构的无参考质量评估方法及装置，涉及计算机视觉领域，方法包括：三维人脸网格模型重建；计算映射关键点和提取关键点之间的欧几里得距离，获得几何一致性分数；用三维人脸分割算法划分人脸区域，计算高斯曲率得到区域曲率分数；计算模型表面的平滑度，检测模型表面是否存在不自然的突起或瑕疵，获得平滑度分数；将几何一致性分数、区域曲率分数和平滑度分数按照加权比例进行融合，输出三维人脸网格模型的综合质量分数。本发明无需依赖数据库中的标准人脸模型，能够基于人脸几何特征和区域性分析对单个重建的三维人脸网格模型质量进行全面评估，适用于智能美容、精准医疗等个性化重建场景。
-
Patent Agency Ranking
公开(公告)号：CN119561791A
公开(公告)日：2025-03-04
申请号：CN202510114211.6
申请日：2025-01-24
Applicant: 华侨大学
IPC: H04L9/40 , G06N3/0455 , G06F18/2433
Abstract: 本发明涉及入侵流量检测领域，公开了一种基于宽度网络的集成单分类异常流量检测方法及系统，方法包括如下步骤：采样步骤，根据采样概率抽取一定比例的正常数据；训练步骤，利用所述正常数据训练宽度自编码网络，作为弱分类器；更新步骤，根据样本重构误差计算当前弱分类器的置信度，并更新样本的采样概率；集成步骤，重复采样步骤至更新步骤，直到获得若干个弱分类器，集成获得异常流量检测模型；检测步骤，利用异常流量检测模型对未知样本进行异常检测，得到多个弱分类器的异常检测结果，根据弱分类的置信度对异常检测结果加权得到最终的检测结果。本发明将宽度学习自编码网络应用在单分类问题，解决了深度网络训练慢、消耗内存大等问题。
-
公开(公告)号：CN119544430A
公开(公告)日：2025-02-28
申请号：CN202510080480.5
申请日：2025-01-20
Applicant: 华侨大学
IPC: H04L27/00 , G06N3/0442
Abstract: 本发明公开了一种基于深度学习的非相干混沌通信方法及装置，涉及数据处理领域，包括：获取待解调的混沌接收信号并进行功率谱密度估计，得到PSD序列并输入到经训练的混沌接收信号解调模型，通过输入层接收PSD序列，PSD序列经过第一BiLSTM层，提取到PSD序列的第一时域特征，再经过自注意力层，得到第一中间特征，第一中间特征经过第一Dropout层，得到第二中间特征，第二中间特征经过第二BiLSTM层，提取得到PSD序列的第二时域特征，再经过第二Dropout层，得到第三中间特征；将第三中间特征输入到全连接层和Softmax层进行特征整合，得到概率分布向量，概率分布向量通过分类层进行最大似然判决，得到估计的二进制信息比特。本发明解决现有的混沌通信系统频谱效率低的问题。
-
公开(公告)号：CN119232941B
公开(公告)日：2025-02-25
申请号：CN202411716269.X
申请日：2024-11-27
Applicant: 华侨大学
IPC: H04N19/172 , H04N19/70 , H04N19/85 , H04N19/134 , H04N19/42 , G06V20/40 , G06N3/0464 , G06N3/08 , G06T7/254 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的双目视频压缩方法、装置及可读介质，涉及视频处理领域，包括：构建双目视频压缩模型并训练，得到经训练的双目视频压缩模型，分别获取待压缩的双目视频中的左视点的当前时刻的原始帧和前一时刻的原始帧以及右视点的当前时刻的原始帧和前一时刻的原始帧并输入到经训练的双目视频压缩模型，通过迭代的方式重构得到左视点的重建帧序列和右视点的重建帧序列，并得到压缩后的双目视频。本发明解决了现有的双目视频的视点间的冗余利用率低、压缩性能低的问题。
-
公开(公告)号：CN119479047A
公开(公告)日：2025-02-18
申请号：CN202510066012.2
申请日：2025-01-16
Applicant: 华侨大学 , 厦门盈趣科技股份有限公司
IPC: G06V40/16 , G06N3/09 , G06V10/44 , G06V10/762 , G06V10/82
Abstract: 本发明涉及机器学习领域，公开了一种基于宽度学习的半监督多视图聚类集成方法及系统，方法包括以下步骤：构建一种可以依据多视图人脸图像数据进行特征处理的基于宽度学习的自编码器，用于对输入的人脸图像进行特征提取，并基于宽度学习计算不同节点特征的权重；结合基于宽度学习的自编码器和双向约束传播构建聚类集成模型；利用聚类集成模型实现多视图人脸图像的聚类集成。本发明利用宽度学习系统的性能优势进行多视图数据的聚类处理，得到兼具效率与性能的模型网络，引入了流型结构和成对约束，并且在共识过程中采用了约束传播，丰富样本信息，有效提升基于宽度学习的聚类集成网络模型的鲁棒性和准确性，因而在实际场景中更具适用性。
-
公开(公告)号：CN119232941A
公开(公告)日：2024-12-31
申请号：CN202411716269.X
申请日：2024-11-27
Applicant: 华侨大学
IPC: H04N19/172 , H04N19/70 , H04N19/85 , H04N19/134 , H04N19/42 , G06V20/40 , G06N3/0464 , G06N3/08 , G06T7/254 , G06V10/80
Abstract: 本发明公开了一种基于深度学习的双目视频压缩方法、装置及可读介质，涉及视频处理领域，包括：构建双目视频压缩模型并训练，得到经训练的双目视频压缩模型，分别获取待压缩的双目视频中的左视点的当前时刻的原始帧和前一时刻的原始帧以及右视点的当前时刻的原始帧和前一时刻的原始帧并输入到经训练的双目视频压缩模型，通过迭代的方式重构得到左视点的重建帧序列和右视点的重建帧序列，并得到压缩后的双目视频。本发明解决了现有的双目视频的视点间的冗余利用率低、压缩性能低的问题。
-
-
-
-
-
-
-
-
-
Search Results
324
records
(took 0.074 seconds)
