-
公开(公告)号：CN112200111A
公开(公告)日：2021-01-08
申请号：CN202011116582.1
申请日：2020-10-19
Applicant: 厦门大学
Abstract: 一种全局与局部特征融合的遮挡鲁棒行人重识别方法,涉及计算机视觉技术。包括以下步骤：1)训练数据的准备；2)模型设计与训练；模型包括ResNet‑50骨架网络、全局分支、局部分支以及语义分支、全局分支利用SPC损失提取全局特征，局部分支提取局部特征，语义分支预测人体语义标签，三个分支可以联合在一起进行端到端的训练。3)利用训练好的模型来提取行人重识别数据训练集和测试集中所有行人图像的全局特征、局部特征以及预测行人图像的语义标签，并进行非遮挡区域指示符的计算。4)对查询集中的每幅行人图像分别与数据库中的所有行人图像计算相似度，按相似度从大到小排序，从而完成行人重识别。显著提高了识别的性能。
-
公开(公告)号：CN108734151B
公开(公告)日：2020-04-14
申请号：CN201810613931.7
申请日：2018-06-14
Applicant: 厦门大学
Abstract: 基于相关滤波以及深度孪生网络的鲁棒长程目标跟踪方法，涉及计算机视觉技术。通过将相关滤波以及深度孪生网络结合在一个统一的跟踪框架下，能够有效处理长视频中目标遮挡、消失视野等挑战。在该跟踪方法中，所提出的基于D‑expert以及C‑expert的专家评估机制能有效地对相关滤波以及深度孪生网络共同产生的目标候选位置进行评估筛选，得到最佳的目标跟踪结果，使用该结果来更新相关滤波跟踪器，从而有效避免了相关滤波跟踪器被错误样本更新。提出的目标跟踪方法对长视频中的各类挑战较为鲁棒，能够长时间稳定跟踪目标。
-
公开(公告)号：CN110263881A
公开(公告)日：2019-09-20
申请号：CN201910418340.9
申请日：2019-05-20
Applicant: 厦门大学
Abstract: 一种结合局部不对称几何的多模型拟合方法，涉及计算机视觉技术。能够利用数据点之间更多的信息，即每个数据点的局部邻居不对称性适合于建模数据点之间的关系。首先，考虑几何空间的关系，搜索每个数据点的空间邻域，以及在空间邻域中计算数据点之间的相似性，从而生成一个有向图。接着，基于该有向图，计算数据点之间的路径相似性。特别是，所构造的有向图对噪点更加的鲁棒。最后，提出自适应二分有向图，从而生成一个二值图，该有向图有效地提升了，所提出的方法在估计模型实例时的计算效率。
-
公开(公告)号：CN109859241A
公开(公告)日：2019-06-07
申请号：CN201910019982.1
申请日：2019-01-09
Applicant: 厦门大学
IPC: G06T7/246
Abstract: 自适应特征选择和时间一致性鲁棒相关滤波视觉跟踪方法，涉及计算机视觉技术。将弹性网络和时间一致性约束同时引入到相关滤波学习中，能够自适应地选择判别性特征抑制干扰特征，同时，能够将模型的学习与更新结合在一起，能够有效地缓解传统相关滤波器判别性不强以及随时间退化的问题，提高算法对遮挡、形变、旋转以及背景干扰的鲁棒性。通过弹性网络和时间一致性约束，相关滤波器自适应地选择时间上连续的、具有区域特性的判别性特征。推导出的相关滤波学习问题能够通过ADMM求解，仅仅用少数几次迭代就能高效地求解该问题。能够取得较好的性能，精度高，速度快。
-
公开(公告)号：CN105975918B
公开(公告)日：2019-04-02
申请号：CN201610278401.2
申请日：2016-04-29
Applicant: 厦门大学
IPC: G06K9/00
Abstract: 基于多模型估计的面向移动摄像机的运动目标检测方法，涉及计算机视觉技术。对输入视频图像序列预处理，并进行特征提取；从匹配对F中估计出第一个投影变换模型S1；从匹配对F中提取第二个投影变换模型S2；分别使用两个变换模型将S1,S2把前一帧Ik‑1投影到当前帧Ik并进行帧差，得到两个差分图d1和d2；将前一帧的检测结果Mk‑1作为置信区域，对d1和d2进行二值化得到两个二值化差分图mask1和mask2；将mask1和mask2进行逻辑与操作得到二值化图maskAndk，再进行形态学处理得到最终的检测结果Mk。
-
Patent Agency Ranking
公开(公告)号：CN108564029A
公开(公告)日：2018-09-21
申请号：CN201810323645.7
申请日：2018-04-12
Applicant: 厦门大学
Abstract: 基于级联多任务学习深度神经网络的人脸属性识别方法，涉及计算机视觉技术。首先设计级联的深度卷积神经网络，然后在级联的深度卷积神经网络里，对于每一个级联的子网络，采用多任务学习，同时学习人脸分类、边框回归、人脸关键点检测、人脸属性分析四个任务，接着在基于级联多任务学习的深度卷积神经网络里，采用一种动态损失权重机制，来计算人脸属性的损失权重，最终根据训练好的网络模型，将级联的最后一个子网络的人脸属性识别结果作为最终的人脸属性识别结果。使用级联的方法联合训练了三个不同的子网络，达到了端到端的训练，优化了人脸属性识别的结果，不同于在损失函数里使用固定的损失权重，本发明考虑到不同人脸属性间的差异性。
-
公开(公告)号：CN104835174B
公开(公告)日：2017-12-15
申请号：CN201510269932.0
申请日：2015-05-25
Applicant: 厦门大学
IPC: G06T7/00
Abstract: 基于超图模式搜索的鲁棒模型拟合方法，涉及计算机视觉技术。准备数据集；建立超图模型G＝(V,E)，一个模型假设对应于超图中的一个顶点v，数据点则对应一条超边e：让每个顶点连接相应模型假设的内点，即超边；采用无参核密度估计方法评估每个顶点v的权重分数w(v)，自此，模型拟合问题便转化为在超图中模式搜索问题；提出通过在超图中搜索权重波峰进行模式搜索；通过搜索到的模式和超图模型，确定每个结构的内点和参数；根据每个结构的参数和内点，对图像进行分割，完成模型拟合。能够缓解对数据分布的敏感性，建立的超图不需要任何的转化，可以直接被应用于模式搜索。
-
公开(公告)号：CN103455805B
公开(公告)日：2017-11-17
申请号：CN201310450629.1
申请日：2013-09-27
Applicant: 厦门大学
IPC: G06K9/00
Abstract: 一种新的人脸特征描述方法，涉及人脸识别。首先利用训练集对每幅图像建立差分图像集，其次将差分图像集中的每幅图像按照事先的规定提取LTPBP特征描述向量，然后按照约定的规则把LTPBP特征描述向量组合成10个不同的特征矩阵、利用LDA方法对生成的特征向量矩阵分别进行一次学习从而得到10个投影矩阵，再分别利用投影矩阵对原LTPBP特征描述向量进行投影学习得到降维后的LTPBP特征描述向量，最后把属于同一幅图像中得到的低维LTPBP特征描述向量串连起来生成PPC特征描述向量。提出与漂移差分方法相结合的LTPBP纹理特征描述向量，加速了特征提取的运算效率。
-
公开(公告)号：CN105975921A
公开(公告)日：2016-09-28
申请号：CN201610279313.4
申请日：2016-04-29
Applicant: 厦门大学
CPC classification number: G06K9/00771 , G06K9/6256
Abstract: 基于局部特征共生性和偏最小二乘法的行人检测方法，涉及计算机视觉技术。包括以下步骤：准备训练样本集，将训练样本的特征向量组合作为预测矩阵X，将训练样本的类别组合作为响应矩阵y；利用偏最小二乘法对预测和响应矩阵建立模型，求得权重矩阵W；根据权重矩阵W计算分数较高的特征作为候选特征，用于生成局部特征共生性；对局部图像块中的候选特征进行二值化并组合成局部特征共生性的二值化模式；计算二值化模式的概率分布，将其用于训练基于Boosted决策树的行人检测分类器；输入待检测图像，通过得到的分类器在待检测图像中找出分数较高的目标窗口作为可能的行人物体，完成检测。
-
公开(公告)号：CN105913423A
公开(公告)日：2016-08-31
申请号：CN201610214978.7
申请日：2016-04-08
Applicant: 厦门大学
IPC: G06T7/00
Abstract: 一种基于超像素的确定性模型拟合方法，涉及计算机视觉技术。包括以下步骤：A.准备数据集；B.对图片进行超像素分割；C.通过分析超像素信息，对输入的数据进行预分组，以降低算法搜索时间复杂度；D.在数据集的分组信息基础上，提出一种确定性生成假设方法；E.提出一种模型选择方法，每次选取最佳模型假设，同时去除多余模型假设；F.根据选取的每个模型实例，区分内点与野点，完成模型拟合。能提取超像素分割的有效信息，以确定性地生成高质量的模型假设。有效避免当前模型选择方法对内点尺度的敏感性。能确定地处理多结构模型数据，而且不需大量的迭代优化，从而保证方法高效性。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.025 seconds)
