-
公开(公告)号:CN106529441B
公开(公告)日:2019-04-05
申请号:CN201610949051.8
申请日:2016-10-26
Applicant: 江南大学
Abstract: 本发明公开了一种基于模糊边界分片的深度动作图人体行为识别方法。模型训练方法包括以下步骤:将视频深度图序列分片并根据模糊参数α确定分片的模糊边界;对于每一个分片后的子序列分别计算它们主视图、左视图和俯视图的深度动作图DMM;利用插值法将这些深度动作图转换为固定的尺寸并归一化;将归一化后的每个视频序列子序列的深度动作图DMM串联,获得该视频序列的特征向量;采用概率协作表示分类器R‑ProCRC对特征进行分类,最终实现人体行为识别。本发明公开的人体行为识别方法,有效捕获了时域特征的变化规律,增强了行为特征对时域差异的抗干扰能力,能够实现对人体行为的鲁棒识别。
-
公开(公告)号:CN105931273B
公开(公告)日:2019-01-25
申请号:CN201610299342.7
申请日:2016-05-04
Applicant: 江南大学
Abstract: 本发明公开了一种基于L0正则化的局部稀疏表示目标跟踪方法,与传统L1目标跟踪方法不同,本发明提出将L0范数与结构化局部稀疏外观模型相结合,充分利用稀疏编码,更好地区别跟踪过程中的目标和背景,并且在对目标进行建模时使用琐碎模板对局部遮挡等干扰进行建模,进一步提高了算法在跟踪过程中对噪声干扰的鲁棒性。为使目标模型在跟踪过程中更好地应对目标外观的不断变化,本发明通过构建目标模板集,在跟踪过程中采用L0范数对目标重构并采用概率性策略将重构结果替换模板集中某一模板,实现模板动态更新,进一步提高了算法稳定性。针对基于L0范数约束的目标函数优化求解的NP问题,本发明采用APG算法实现了有效求解。
-
公开(公告)号:CN105654122B
公开(公告)日:2018-11-16
申请号:CN201511002911.9
申请日:2015-12-28
Applicant: 江南大学
Abstract: 本发明专利公开了一种基于核函数匹配的空间金字塔物体识别方法。包含以下步骤:提取物体图像的ED‑SIFT(Efficient Dense Scale‑invariant Feature Transform)描述子;使用k‑means++聚类算法将训练样本的ED‑SIFT描述子聚类,获得视觉词典;引入空间金字塔,使用核函数匹配获得训练样本和测试样本的视觉单词直方图;使用SVM分类器完成训练样本的训练和测试样本的识别。本专利提出的算法对物体图像的识别具有较高的辨识度,并且在训练样本较少的情况下,采用简单的SVM分类器就可以获得良好的分类效果。
-
公开(公告)号:CN108734723A
公开(公告)日:2018-11-02
申请号:CN201810466423.0
申请日:2018-05-11
Applicant: 江南大学
IPC: G06T7/246
Abstract: 一种基于自适应权重联合学习的相关滤波目标跟踪方法,属于机器视觉领域。该方法将相关滤波模型与基于颜色直方图的颜色模型相结合,充分利用相关滤波模型的判别特性来有效区分目标和背景,同时通过颜色模型获取直方图分数来更好的应对遮挡、闭塞、变形和其他复杂的环境。为了充分利用这两个模型的优势,本发明提出置信度权重来自适应联合这两个模型。同时在训练相关滤波器时,充分利用背景信息构建空间正则化项,有效抑制背景信息的干扰,进一步提高了算法在跟踪过程中的鲁棒性。为使目标模型在跟踪过程中更好地应对目标尺度的不断变化,本发明构建了单独的快速尺度检测模型。
-
公开(公告)号:CN108664968A
公开(公告)日:2018-10-16
申请号:CN201810349292.8
申请日:2018-04-18
Applicant: 江南大学
Abstract: 本发明公开了一种基于文本选取模型的无监督文本定位方法。本发明通过SLIC和DBSCAN图像分割生成若干个超像素,并创新地将超像素区域作为文本候选区域,解决了候选区域在数量和精度上的平衡;其次,本发明利用同一张图中文本对象之间的相似性建立文本选取模型,生成样本参考图,其中,样本参考图包括强文本图和非文本图,并以样本参考图为依据,通过双阈值机制自适应地提取以超像素为单位的文本样本,避免了传统算法对于数据库的依赖性;最后,通过文本样本训练得到文本分类器并对超像素区域进行文本/非文本分类;该方法召回率高,避免了传统算法中依赖数据库、通用性较差、候选区域数量爆炸的问题,实现了无监督的文本定位目标。
-
公开(公告)号:CN108234187A
公开(公告)日:2018-06-29
申请号:CN201611197620.4
申请日:2016-12-22
Applicant: 江南大学
CPC classification number: H04L41/145 , H04L12/4633 , H04L12/4641
Abstract: 本发明提供一种面向数据报文转发的高逼真链路仿真方法,基于开放云平台实现,应用于网络仿真平台。上述方法包含以下步骤:搭建OpenStack云平台;构建链路仿真接口程序;根据虚拟网络节点是否在同一计算节点上,分别构建宿主机内和跨宿主机间的链路仿真;针对宿主机内的链路延时仿真,调用系统内核模块仿真链路延时;针对跨宿主机间的链路延时仿真,差分补偿数据报文在物理链路中的传播延时;根据虚拟化技术是否有带宽限制策略,调用带宽限制接口或添加虚拟网卡队列来配置链路带宽;调用系统内核模块仿真链路丢包率。本发明能够在虚拟网络中构建灵活、透明、逼真的虚拟链路,支持链路性能参数的快速配置与自动化部署。
-
公开(公告)号:CN108123819A
公开(公告)日:2018-06-05
申请号:CN201611077852.6
申请日:2016-11-30
Applicant: 江南大学
IPC: H04L12/24
CPC classification number: H04L41/145
Abstract: 本发明公开了一种虚实网络无缝融合的仿真方法,涉及网络模拟仿真技术领域,解决基于OpenStack平台的虚实融合的网络数据包传输不透明的问题,所述方法包括步骤:搭建OpenStack云计算平台基本环境;构建目标虚拟网络,虚拟网络中使用自主研发的路由器;运行流表配置脚本,使虚实网络之间的数据包可以透明传输;连接实物设备与虚拟网络构成虚实融合的网络。本发明通过提供一种虚实网络无缝融合的仿真方法,实现搭建一个透明的虚实融合的网络环境,可用于网络安全评估和计算机系统安全评估。
-
公开(公告)号:CN107254429A
公开(公告)日:2017-10-17
申请号:CN201710593822.9
申请日:2017-07-20
Applicant: 江南大学
Abstract: 本发明公开了一种高产腈水解酶的重组枯草芽孢杆菌及其在烟酸合成中的应用,属于生物工程技术领域。该方法通过PCR扩增恶臭假单胞菌Pseudomonas putida CGMCC 3830腈水解酶基因编码序列并与pMA5质粒相连,构建得到重组质粒pMA5‑NIT,转化至Bacillus subtilis WB600中得到可高效表达腈水解酶的重组菌B.subtilis WB600(pMA5‑NIT),命名为枯草芽孢杆菌Bacillus subtilis NIT‑2,现保藏于中国微生物菌种保藏管理委员会普通微生物中心,保藏编号为CGMCC No.14255。以重组枯草芽孢杆菌游离细胞为催化剂,可将3‑氰基吡啶完全转化生成烟酸。本发明提供了一种高产重组腈水解酶的枯草芽孢杆菌菌株,具有突出的腈水解酶活性,重组菌发酵周期短,催化效率高,具有良好的应用前景。
-
公开(公告)号:CN105117720A
公开(公告)日:2015-12-02
申请号:CN201510632255.4
申请日:2015-09-29
Applicant: 江南大学
CPC classification number: G06K9/00771 , G06K9/00724 , G06K9/00744 , G06K9/6218 , G06K2209/21
Abstract: 本发明公开了一种基于时空模型的目标尺度自适应跟踪方法,包括以下步骤:视频开始,读入第一帧图像,手动指定跟踪目标矩形位置;然后基于上下文空域,初始化时空模型及多尺度历史目标模板库;接着读入下一帧图像,迭代构建时空模型,计算置信图,估计目标中心位置;然后根据历史目标模板库,判断模板最优尺度,确定目标矩形位置,完成当前帧目标跟踪,并更新时空模型尺度参数及多尺度历史目标模板库;最后检测视频是否结束,未结束继续读入下一帧,否则结束跟踪。本发明在目标遭受光照变化、局部遮挡以及快速移动等干扰的情况下,有效应对了目标外观尺度的变化,实现了鲁棒跟踪。
-
公开(公告)号:CN105063128A
公开(公告)日:2015-11-18
申请号:CN201510417997.5
申请日:2015-07-16
Applicant: 江南大学
Abstract: 本发明涉及具有调节肠道菌群的魔芋低聚糖。更具体的说,本发明涉及了一种新的方法,即通过酶解后一级醇沉加二级丙酮处理的方法,获得了一种分子量较低、分布较窄、单糖含量低、纯度更高的魔芋低聚甘露糖混合物,其步骤为:β甘露聚糖酶水解魔芋甘露聚糖,得到的魔芋低聚甘露糖水解液浓缩后加入一定体积乙醇沉淀,取上清浓缩后加入一定体积丙酮,沉淀后,离心,弃去上清,取沉淀物。得到主要含魔芋甘露二糖、三糖、四糖、五糖、六糖、七糖的低聚糖混合物。本发明所制备的魔芋低聚糖在调节肠道菌群具有一定效果。
-
-
-
-
-
-
-
-
-