-
公开(公告)号：CN102511049B
公开(公告)日：2013-07-17
申请号：CN201080003725.6
申请日：2010-05-13
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
CPC classification number: G06K9/629 , G06K9/00818 , G06K9/4671 , G06K9/482 , G06K9/6251
Abstract: 一种基于拓扑直觉组织理论的形状图像分类方法，包括步骤：提取形状图像的边缘点S1；构建拓扑空间，计算提取的边缘点在拓扑空间中的表达S2；根据边缘点在拓扑空间中的表达来提取全局特征S3；根据边缘点在欧氏空间中的表达来提取局部特征S4；融合全局特征和局部特征，根据全局特征的匹配程度来调节局部特征在融合过程中的权重S5；根据融合后的特征分类形状图像S6。本发明适用于智能视觉监控系统，帮助监控系统分类场景中的目标，使得监控系统能真正理解场景中正在发生什么，而且可以根据不同的目标类别采取不同的安全级别。适用于自动驾驶系统，判断交通标志的类别，从而让自动驾驶系统更佳智能化。
-
公开(公告)号：CN102930295A
公开(公告)日：2013-02-13
申请号：CN201210409976.5
申请日：2012-10-24
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 一种基于自适应空间信息有向图的图像分类方法，包括步骤：从所有图像中提取局部特征；根据每个局部特征对应的视觉单词，从测试图像中随机抽取局部特征分组；利用聚类算法对各组局部特征的空间坐标聚类，以聚类中心为定点并连接各相邻顶点得到空间信息的有向图；根据局部特征的空间位置，对所有图像进行类聚操作，将聚集结果串联得到图像的最终表达。本发明能够自适应地考虑不同视觉单词在空间分布上的差异性，从而能够更好地对全局空间信息进行建模，因而，能够有效地提升图像分类精度。
-
公开(公告)号：CN102511049A
公开(公告)日：2012-06-20
申请号：CN201080003725.6
申请日：2010-05-13
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
CPC classification number: G06K9/629 , G06K9/00818 , G06K9/4671 , G06K9/482 , G06K9/6251
Abstract: 一种基于拓扑直觉组织理论的形状图像分类方法，包括步骤：提取形状图像的边缘点S1；构建拓扑空间，计算提取的边缘点在拓扑空间中的表达S2；根据边缘点在拓扑空间中的表达来提取全局特征S3；根据边缘点在欧氏空间中的表达来提取局部特征S4；融合全局特征和局部特征，根据全局特征的匹配程度来调节局部特征在融合过程中的权重S5；根据融合后的特征分类形状图像S6。本发明适用于智能视觉监控系统，帮助监控系统分类场景中的目标，使得监控系统能真正理解场景中正在发生什么，而且可以根据不同的目标类别采取不同的安全级别。适用于自动驾驶系统，判断交通标志的类别，从而让自动驾驶系统更佳智能化。
-
公开(公告)号：CN116704611B
公开(公告)日：2024-12-10
申请号：CN202310711767.4
申请日：2023-06-15
Applicant: 山东大学深圳研究院 , 山东大学 , 中国科学院自动化研究所 , 山东建筑大学 , 山东科技大学 , 银河水滴科技(北京)有限公司 , 泰华智慧产业集团股份有限公司
Abstract: 本发明涉及一种基于运动特征混合和细粒度多阶段特征提取的跨视角步态识别方法，包括：骨干网络构建：提取基础步态的浅层、中层、深层特征；运动特征混合模块构建：融合相邻帧之间的步态信息，提取时序信息；细粒度多阶段特征提取模块构建：对特征进行水平划分提取初步的空间特征。并引入一个分支进行进一步水平划分，加入空间注意力机制，提取更加细粒度的特征；整体框架训练；跨视角步态识别。本发明能够有效利用步态轮廓序列中的帧级时间信息，以及细粒度的空间信息，在特征提取方面更加有效。
-
公开(公告)号：CN118135659A
公开(公告)日：2024-06-04
申请号：CN202410326441.4
申请日：2024-03-21
Applicant: 山东大学 , 中国科学院自动化研究所 , 山东科技大学 , 银河水滴科技(江苏)有限公司 , 泰华智慧产业集团股份有限公司
Abstract: 本发明涉及一种基于多尺度骨架时空特征提取的跨视角步态识别方法，属于深度学习和模式识别技术领域，包括骨架数据预处理、全局空间特征提取网络构建、局部空间特征提取网络构建、多尺度时间特征提取网络构建、整体框架训练及跨视角步态识别。构建全局空间特征提取网络提取全局空间特征，构建基于超图表示的局部空间特征提取网络，充分建模关节‑部位、部位‑部位级局部空间关系。为了高效地提取多尺度时间特征，构建了多尺度时间特征提取网络。为了提高整个框架结构的判别能力，联合三元组损失和交叉熵损失对整个模型进行训练。最终利用训练好的模型进行跨视角步态识别。
-
Patent Agency Ranking
公开(公告)号：CN109002789B
公开(公告)日：2021-06-18
申请号：CN201810751107.8
申请日：2018-07-10
Applicant: 银河水滴科技(北京)有限公司 , 中国科学院自动化研究所
Abstract: 本发明提出的一种应用于摄像头的人脸识别方法，通过智能终端直接向摄像头发送待识别人脸图像，由摄像头自主完成人脸识别，无需将摄像头采集的视频/图片信息传回服务器，提高了人脸识别的实时性；且可以通过移动终端同时控制多台摄像头进行人脸识别，灵活性好，且无需人主动配合，实现远距离、低配合度的识别。
-
公开(公告)号：CN108304797B
公开(公告)日：2020-07-28
申请号：CN201810085316.3
申请日：2018-01-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉技术领域，具体提供了一种基于侧向抑制的视觉注意检测方法及装置，旨在解决如何提高计算机视觉注意机制的有效性和实用性。为此目的，本发明中的视觉注意检测方法包括下述步骤：获取目标图像的图像类别；获取每个激活函数神经元接收到的反馈信息；根据反馈信息判断是否关闭对应的激活函神经元；根据判断结果关闭相应的激活函数神经元后，对激活函数神经元的响应值进行归一化处理，得到选择性注意结果图；对选择性注意结果图进行归一化处理，得到显著性目标检测结果图。本发明的技术方案基于卷积神经网络，并能够利用卷积神经网络的前馈与反馈信息实现对目标物体的信息检测。同时，本发明中的装置能够执行并实现上述步骤。
-
公开(公告)号：CN105005774B
公开(公告)日：2019-02-19
申请号：CN201510451033.2
申请日：2015-07-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种基于卷积神经网络的人脸亲属关系识别方法及装置，主要用于根据人脸图像进行亲属关系识别等领域。所述方法包括人脸识别、人脸关键点位置切分、人脸区域位置切分、卷积神经网络建立及训练、亲属关系识等。所述方法提出的卷积神经网络具有强大的提取亲属关系特征的功能，对于输入图片具有较强的鲁棒能力。该方法提出的基于人脸关键点以及人脸不同区域特征的卷积神经网络方法，实现了更好的亲属识别功能。该方法可以获得优于传统基于人脸的亲属关系识别效果。
-
公开(公告)号：CN104156952B
公开(公告)日：2017-11-14
申请号：CN201410373199.2
申请日：2014-07-31
Applicant: 中国科学院自动化研究所
IPC: G06T7/33
Abstract: 本发明公开了一种抵抗形变的图像匹配方法，该方法包括以下步骤：步骤1：对两幅输入图像分别进行二值化处理，从中确定参考图像与待匹配图像，对于参考图像与待匹配图像，利用不同的采样间距进行采样，得到相应的多个采样点；步骤2：从待匹配图像的采样点中依次确定每个参考图像采样点的K1个候选对应点；步骤3：从参考图像中每个采样点的K1个候选对应点中确定K2个更为精细的候选对应点，其中，K2
-
公开(公告)号：CN103246895B
公开(公告)日：2016-03-09
申请号：CN201310178645.X
申请日：2013-05-15
Applicant: 中国科学院自动化研究所
IPC: G06K9/66
Abstract: 本公开提供了一种基于深度信息的图像分类方法，包括：使用已知深度信息的第一训练图像集训练马尔可夫随机场MRF；使用所述MRF从未知深度信息的第二训练图像集提取深度信息；从所述第二训练图像集提取局部特征；基于所提取的深度信息和所提取的局部特征来训练支持向量机分类器；以及使用经训练的支持向量机分类器来对待分类图像集中的图像进行分类，其中所述第二训练图像集和所述待分类图像集属于同一场景集。现有的图像分类方法只考虑图像空间，也即二维空间的信息，本公开考虑了深度信息，将原来在二维空间中难以区分的特征在深度维度上予以分开，从而提高了图像分类的准确性。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.032 seconds)
