-
公开(公告)号：CN105205145A
公开(公告)日：2015-12-30
申请号：CN201510599878.6
申请日：2015-09-18
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
CPC classification number: G06F16/284 , G06F16/285
Abstract: 本发明公开了一种基于粘性多模态对偶分层狄利克雷过程隐马尔可夫模型(SMD-HDP-HMM)的轨迹建模方法，该方法包括：将每条轨迹表示成视觉文档，形成包括多个视觉文档的训练集；以及用训练集中的视觉文档学习SMD-HDP-HMM模型。本发明还公开了一种轨迹检索方法，该轨迹检索方法使用以上轨迹建模方法生成的SMD-HDP-HMM模型，该轨迹检索方法包括：将新输入的轨迹表示成视觉文档；以及将新输入的轨迹的视觉文档与SMD-HDP-HMM模型进行匹配，判断其是否异常并且/或者检索出SMD-HDP-HMM模型中与之最相似的轨迹。
-
公开(公告)号：CN104462199A
公开(公告)日：2015-03-25
申请号：CN201410602359.6
申请日：2014-10-31
Applicant: 中国科学院自动化研究所
CPC classification number: G06F17/30864 , G06F17/30256
Abstract: 本发明公开了一种网络环境下的近似重复图像搜索的方法，该方法包括：设计了网络图像的有效局部特征的提取和表示；利用视觉词包模型建立词典，并通过局部约束线性编码的方法对局部特征进行量化；为了将特征的空间信息嵌入图像表示，利用图像金字塔对图像进行空间弱分割，并对图像进行分块量化；将局部的量化的结果最后聚合成图像的全局描述，并计算图像之间的相似度或距离度量对待匹配图像进行相关排序，将图像序列中排在前面的图像返回。
-
公开(公告)号：CN104361059A
公开(公告)日：2015-02-18
申请号：CN201410609728.4
申请日：2014-11-03
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开了一种基于多示例学习的网页分类方法，该方法包括：设计了相对大小排序前向比较法来提取网页内有效图像，并根据网页树状结构提取有效图像的相关文本；将一幅有效图像及其相关文本作为网页包中的一个示例，分别采用图像词包模型和文本词包模型生成有效图像及其相关文本的描述，并将二者合并起来作为示例的描述；采用多示例核对毒品网页进行分类。本发明的方法，通过将网页中内含的图像及其相关文本作为网页包中的示例，使算法更符合网页内容的实际分布，并能够充分利用网页的有效信息，深入挖掘图像信息与文本信息的互补性，最终取得比只利用单模态信息进行分类更好的效果。
-
公开(公告)号：CN104063721A
公开(公告)日：2014-09-24
申请号：CN201410319126.5
申请日：2014-07-04
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种高效的基于语义特征自动学习与筛选的人类行为识别方法，包括从运动视频中检测时空兴趣点，提取时空兴趣点周围的运动和表观信息；在时空兴趣点特征基础上设计包含时空上下文信息的底层特征，描述一个局部区域的所有时空兴趣点特征，并且记录兴趣点之间的相对时空位置关系；在底层特征基础上，利用基于图模型的非负矩阵分解算法来自动生成高层语义特征；建立基于L2，1范数的组稀疏来选择各个行为类别中具有代表性和区分性的高层语义，通过模型的优化，将各个行为类别中具有代表性的语义特征保留下来，同时只采用优化后来自同一个行为类别的语义特征来训练分类器。本发明大幅提升了人类行为识别的智能化水平。
-
公开(公告)号：CN103839076A
公开(公告)日：2014-06-04
申请号：CN201410064935.6
申请日：2014-02-25
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于光照特征的网络敏感图像识别方法，该方法包括以下步骤：收集网络图像样本集；提取每个网络图像样本的光照特征和敏感特征，得到网络图像光照特征集和网络图像敏感特征集；对每个网络图像样本进行人工标注标签；对网络图像光照特征集进行聚类，并根据网络图像光照特征集与网络图像敏感特征集的一一对应关系，将网络图像敏感特征集分成多个网络图像敏感特征子集；针对每个网络图像敏感特征子集，基于属于该网络图像敏感特征子集的敏感特征和相应网络图像样本的标签，得到对应于该网络图像敏感特征子集的图像分类器；使用图像分类器对待分类网络图像进行分类。本发明可以应用在互联网敏感图像过滤，以维护互联网的内容安全。
-
Patent Agency Ranking
公开(公告)号：CN103838835A
公开(公告)日：2014-06-04
申请号：CN201410064902.1
申请日：2014-02-25
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
CPC classification number: G06F17/30787 , G06F17/30796
Abstract: 本发明公开了一种新的网络敏感视频检测方法，该方法包括：收集网络视频并提取其周边的文本，然后提取出网络视频中的视频特征和文本特征，视频特征包含音频特征和视觉特征，视频特征以及文本特征构成网络视频的特征集合；依次人工标定视频是敏感的还是不敏感的；通过考虑视音频特征的质量因子并利用提取的特征集计算出词汇之间的内容丰富相似度，加上之前提取的文本特征一起构建分类器核，利用上面得到的分类器核，通过改进的支持向量机算法来训练网络敏感视频分类器，最后分类的时候仅提取测试样本的文本特征作为预测输入数据。本发明可以应用在互联网中的有害视频过滤中，可以有效的维护计算机网络的内容健康和安全。
-
公开(公告)号：CN103593677A
公开(公告)日：2014-02-19
申请号：CN201310636936.9
申请日：2013-12-02
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种近似重复图像检测方法，该方法包括以下步骤：获取训练图像集，并根据所述训练图像集中的图像学习得到多视觉词汇库；基于学习得到的多视觉词汇库，使用非负稀疏编码方法将待检测图像和图像数据库中图像的局部特征编码成非负的稀疏向量；通过所述非负稀疏向量的区域融合和空间结合而获取待检测图像和图像数据库中图像的直方图向量；根据所述待检测图像和图像数据库中图像的直方图向量度量图像之间的相似性，并输出图像数据库中与待检测图像近似重复的图像。
-
公开(公告)号：CN102043967B
公开(公告)日：2013-09-25
申请号：CN201010592894.X
申请日：2010-12-08
Applicant: 中国科学院自动化研究所
Abstract: 本发明是一种有效的运动目标行为建模与识别方法，包括步骤1：用特征提取模块提取运动目标行为的局部特征，再提取运动目标行为的运动特征；步骤2：采用子空间学习的方法，用特征融合模块对提取的局部特征和运动特征进行融合，并对特征空间进行降维；步骤3：采用原型学习算法和测度学习算法相结合，用行为识别模块对运动目标行为进行识别，对识别的运动目标行为做出评判。本发明对局部特征和运动特征进行特征融合处理，降低了特征空间的维度，提高了特征表达的鲁棒性，具有低存储和低计算复杂度的特点，同时具有较好的分类识别性能。本发明可以用来对公共安全领域的异常行为进行智能监控，一旦发现异常行为发生，立刻报警。
-
公开(公告)号：CN103294811A
公开(公告)日：2013-09-11
申请号：CN201310220554.8
申请日：2013-06-05
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明提供了一种考虑视频特征可靠性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可靠性评估，以得到视频样本的可靠因子；以及基于视频特征集、每个视频样本的标签以及每个视频样本的可靠因子，利用加权的支持向量机算法得到视频分类器。本发明可以应用在互联网有害视频过滤与视频监管等业务中，以维护互联网的内容安全。
-
公开(公告)号：CN102141998B
公开(公告)日：2013-02-27
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 0.084 seconds)
