-
公开(公告)号:CN106339667B
公开(公告)日:2019-05-28
申请号:CN201610669836.X
申请日:2016-08-15
Applicant: 北京大学
Abstract: 本发明提供了一种视频异常事件在线检测方法及装置,所述方法包括:对连续输入的待预测视频流,每隔预设时间长度进行一次检查,并将每次检查的时间点作为更新节点;在每两个连续的更新节点之间,采用预设长度的滑窗对输入的待预测视频流进行连续采样,并采用预置的过滤模型对采样得到的样本进行过滤操作,以将过滤后的剩余样本加入缓冲区;对所述缓冲区中的样本进行分拣操作,以将所述样本中的正常样本和异常样本分别加入正常样本池和异常样本池中;在每个更新节点,根据所述正常样本池和所述异常样本池中的样本对所述过滤模型进行更新操作。本发明能够提高视频异常事件监测效率和准确性。
-
公开(公告)号:CN108805257A
公开(公告)日:2018-11-13
申请号:CN201810387893.8
申请日:2018-04-26
Applicant: 北京大学
IPC: G06N3/02
CPC classification number: G06N3/02
Abstract: 本发明提供一种基于参数范数的神经网络量化方法,该方法包括:对于给定的预训练神经网络参数模型,通过对所需量化层的参数的取值进行统计,划分量化中心;根据所选择的量化中心,计算每个相应量化层的参数的量化损失;将量化损失与神经网络训练参数模型的分类误差损失相加,作为总损失,并进行反向传播优化,同时量化中心也在优化时进行更新;待训练结束,根据量化中心对相应层进行量化操作,得到量化后的压缩模型。本发明提供的方法能够划分权重中心,并通过施加简单的量化损失,使用与传统方法相同的优化器,对神经网络模型进行量化,从而得到原始模型的压缩模型,减小网络存储体积与运算复杂性。
-
公开(公告)号:CN104268594B
公开(公告)日:2017-12-19
申请号:CN201410493959.3
申请日:2014-09-24
IPC: G06K9/66
CPC classification number: G06K9/00771 , G06K9/6244 , G06K9/6255 , G06K9/6296
Abstract: 本发明提供一种视频异常事件检测方法和装置,所述方法包括:提取包含多帧图像的待检测视频流的高层次表示信息,该高层次表示信息中包含所述待检测视频流的时空信息;通过预置的字典,计算用所述字典中的最少数目的基表征所述待检测视频流的高层次表示信息时的重构系数;根据所述重构系数计算重构代价值;当所述重构代价值大于预设阈值时,确定所述待检测视频流中存在异常事件;当所述重构代价值小于或等于预设阈值时,确定所述待检测视频流中不存在异常事件。本发明提供的方法特征表达能力强,能够很好的描述异常事件,提高视频异常事件检测的效率和准确性。
-
公开(公告)号:CN103810505B
公开(公告)日:2017-11-24
申请号:CN201410055852.0
申请日:2014-02-19
Applicant: 北京大学
Abstract: 本发明公开了一种基于多层描述子的车辆标识方法与系统。其方法包括以下步骤:(1)车辆全局特征提取;(2)车辆奇异区域提取特征提取;(3)多层描述子构造;(4)基于多层描述子的车辆标识,在综合考虑匹配精度与匹配速度的情况下,利用多种匹配策略获得最终车辆标识的结果。本发明并在所述方法的基础上,开发了基于多层特征的车辆标识系统;并且在该系统的基础架构上,还发明了一些具体的车辆标识的系统。本发明的车辆标识方法运用多层描述子对车辆进行描述,并且利用多种匹配策略来保证多层描述子之间的匹配精度与匹配速度,使得该方法能在不同领域的车辆标识运用中取得较好的效果。
-
公开(公告)号:CN106658027A
公开(公告)日:2017-05-10
申请号:CN201611066195.5
申请日:2016-11-28
IPC: H04N19/61 , H04N19/96 , H04N19/19 , H04N19/172
CPC classification number: H04N19/61 , H04N19/172 , H04N19/19 , H04N19/96
Abstract: 本发明实施例提供了一种背景帧的码率控制方法和装置。所述方法包括:判定待编码背景帧的不同区域的预测参考价值,所述预测参考价值为预测的在进行帧间预测时待编码背景帧的不同区域对待编码普通帧的参考价值;根据所述预测参考价值,设定所述待编码背景帧的不同区域的重要性级别;根据所述不同区域的重要性级别,调整所述待编码背景帧的不同区域的编码质量。根据所述预测参考价值,设定所述待编码背景帧的不同区域的重要性级别;根据所述不同区域的重要性级别,调整所述待编码背景帧的不同区域的编码质量。本发明通过改变背景帧不同参考价值区域的编码质量,有效解决了视频传输过程中瞬时码率突增问题,并且尽可能保证了背景帧的参考价值。
-
公开(公告)号:CN106485320A
公开(公告)日:2017-03-08
申请号:CN201610905367.7
申请日:2016-10-17
Applicant: 北京大学
IPC: G06N3/06
CPC classification number: G06N3/0635
Abstract: 本发明提供了一种视网膜神经网络的搭建方法及装置,该方法包括:确定神经节细胞、双极细胞及视感受器细胞中已知绝对分布的细胞亚型、层次分布及水平分布,以及仅知相对分布的细胞的分布;确定神经节细胞、双极细胞及视感受器细胞之间的连接关系;确定水平细胞的分布及连接关系、无长轴突细胞的分布及连接关系以及同类细胞之间的gap连接;将视网膜神经网络划分为多个子网;按照一定的密度分布对每个子网中的细胞进行重新排布。本发明能够根据有限的实际生理数据和连接搭建出符合实际生理特性视网膜神经网络模型,并划分为子网,可用于分布式仿真或视网膜功能分析。
-
公开(公告)号:CN106295598A
公开(公告)日:2017-01-04
申请号:CN201610683471.6
申请日:2016-08-17
Applicant: 北京大学
CPC classification number: G06K9/00711 , H04N5/23203 , H04N7/18
Abstract: 本发明提供了一种跨摄像头目标跟踪方法及装置,所述方法包括:对任一摄像头的视角范围内的指定目标执行单摄像头目标跟踪;当所述指定目标离开当前摄像头的视角范围后,采用搜索区域切换算法确定当前需要搜索的监控区域;对所述监控区域内的所有摄像头进行视觉搜索,确定与所述指定目标的相似度大于预设阈值的可疑目标;根据所述可疑目标对所述指定目标的运动轨迹进行估计。本发明提高了目标跟踪准确性并降低了所需的计算资源开销。
-
公开(公告)号:CN105740903A
公开(公告)日:2016-07-06
申请号:CN201610066517.X
申请日:2016-01-29
Applicant: 北京大学
IPC: G06K9/62
CPC classification number: G06K9/6256
Abstract: 本发明公开了一种多属性识别方法及装置,所述方法包括:对预设训练数据进行字典学习,得到包括字典矩阵和系数转化矩阵的属性识别模型;其中,预先训练数据为包含预设种类属性且标注好属性信息的训练数据;获取待识别样本的特征数据;利用所述字典矩阵对所述特征数据进行编码,得到编码系数;利用所述系数转化矩阵将所述编码系数转化为属性向量;利用所述属性向量对所述待识别样本进行多属性识别。本发明所述的多属性识别方法在训练过程中不需要对每个属性进行单独分类训练,且在识别过程中不需要对每个属性进行单独分类识别,而是通过一次识别得到所有的属性识别结果,因而本发明所述的方法在实际应用中会方便很多。
-
公开(公告)号:CN105740422A
公开(公告)日:2016-07-06
申请号:CN201610066163.9
申请日:2016-01-29
Applicant: 北京大学
IPC: G06F17/30
Abstract: 本发明公开了一种行人检索方法及装置,所述方法包括:对预设训练数据进行多任务字典学习,得到目标字典;所述预设训练数据包括当前场景下的行人图片数据和非当前场景下的行人图片数据;所述非当前场景下的行人图片数据为已标注好行人身份信息的数据;所述当前场景为待检索的行人图片所属的场景;对所述待检索的行人图片进行处理,获取所述待检索的行人图片的特征数据;利用所述目标字典对所述特征数据进行编码,得到目标编码系数;利用所述目标编码系数进行检索匹配,获取与所述待检索的行人图片匹配的图片。本发明在训练过程中不需要当前场景数据集的训练数据必须具有标注信息,因此使得发明在实际应用中更为方便。
-
公开(公告)号:CN103577829B
公开(公告)日:2016-04-20
申请号:CN201310552751.X
申请日:2013-11-08
Abstract: 本发明公开了一种车标定位方法和装置,属于计算机图像处理领域,该方法包括:根据先验知识确定车标所在的大致区域,并提取轮廓图;对轮廓图进行自适应分割,得到最优连通区分割;筛选出分割所得区域中为车标的区域,提取出车标图像。本发明实施例的方法和装置,采用自适应的连通区分割来定位车标,能提高车标定位的准确率。此外,通过定义车标似然度来进一步精定位车标,能更有效提高车标的定位准确率。
-
-
-
-
-
-
-
-
-