-
公开(公告)号：CN114511928A
公开(公告)日：2022-05-17
申请号：CN202210099728.9
申请日：2022-01-27
Applicant: 苏州大学
Abstract: 本发明提供了一种基于持续监控的动作预测方法，包括：将预设的人体动作序列样本划分为历史序列、待预测序列和未来序列，并将历史序列和未来序列输入预设的运动特征提取模块，提取历史运动特征和未来运动特征；将历史运动特征和未来运动特征相加后，输入预设的动作预测模块进行训练，构造双流动作预测网络；将历史序列和未来序列输入双流动作预测网络，训练双流动作预测网络和训练分类模块至收敛；将双流动作预测网络和分类模块加入字典模块，构建双流信息储存网络；将运动特征提取模块、分类模块、动作预测模块和字典模块相结合，构造自更新动作预测模型；将人体动作序列样本划分的历史序列输入自更新动作预测模型，确定动作预测结果。
-
公开(公告)号：CN114495278A
公开(公告)日：2022-05-13
申请号：CN202210099695.8
申请日：2022-01-27
Applicant: 苏州大学
Abstract: 本发明提供了一种面向未知类别的动作预测方法，包括：将人体动作序列样本划分为历史序列、待预测序列和未来序列，将历史序列和未来序列输入运动特征提取模块，提取历史和未来运动特征；将历史运动特征和未来运动特征输入动作预测模块进行训练，构造双流动作预测网络；将历史和未来序列输入双流动作预测网络；通过运动特征提取模块，提取历史运动特征输入分类模块进行动作分类；将双流动作预测网络和分类模块结合并加入预设的字典模块，构建双流信息储存网络；将运动特征提取模块、分类模块、动作预测模块和储存完信息的字典模块结合，构造融合特征的动作预测模型；将人体动作序列样本划分历史序列输入至融合特征的动作预测模型，实现动作预测。
-
公开(公告)号：CN114495277A
公开(公告)日：2022-05-13
申请号：CN202210099358.9
申请日：2022-01-27
Applicant: 苏州大学
IPC: G06V40/20 , G06V10/772 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种人体动作预测方法，包括将人体动作序列样本划分为历史序列、待预测序列和未来序列，将历史序列和未来序列输入运动特征提取模块，提取并输入历史运动特征和未来运动特征预设的动作预测模块进行训练，构造双流动作预测网络；将双流动作预测网络和分类模块加入预设的字典模块，构建双流信息储存网络；通过运动特征提取模块、分类模块、动作预测模块和储存后的字典模块，构建动作预测测试网络；将历史运动特征输入动作预测测试网络的分类模块，得到动作类别，在动作类别对应的存储字典中，查找未来运动特征；将历史运动特征和未来运动特征相加，输入动作预测测试网络的动作预测模块，实现动作预测。
-
公开(公告)号：CN108830313B
公开(公告)日：2021-11-09
申请号：CN201810556701.1
申请日：2018-05-31
Applicant: 苏州大学
Abstract: 本发明公开了一种共生模式图像挖掘方法，包括如下步骤：（1）利用SIFT算法提取图像中的视觉基元；（2）利用语境感知聚类将视觉基元聚类成语境相似组；（3）利用空间聚类将语境相似组分成对象组；（4）合并匹配模式，圈定对象组；（5）对每个对象组进行共生频率检测,在共生频率检测规则下筛出有意义的共生模式。本发明能快速，准确的发现图片中的共生视觉模式，以便于后续的视觉任务。
-
公开(公告)号：CN113591797A
公开(公告)日：2021-11-02
申请号：CN202110967362.8
申请日：2021-08-23
Applicant: 苏州大学
Abstract: 本发明涉及一种深度视频行为识别方法，包括以下步骤：将每个行为样本的深度视频进行正面、右侧面、左侧面和顶面投影，获得相应的投影序列；通过计算每个投影序列的动态图像，获得每个行为样本的动态图像；将每个行为样本的动态图像输入特征提取模块并提取特征；将每个行为样本的动态图像所提取到的特征进行连接，并将连接后的特征输入全连接层；构造四流人体行为识别网络；计算每个训练行为样本的深度视频的正面、右侧面、左侧面、顶面投影序列的动态图像，并输入四流人体行为识别网络，训练四流人体行为识别网络至收敛；计算待测试行为样本的每个动态图像，并将计算后的每个动态图像输入训练好的四流人体行为识别网络，实现行为识别。
-
Patent Agency Ranking
公开(公告)号：CN107203742B
公开(公告)日：2020-05-08
申请号：CN201710305721.7
申请日：2017-05-03
Applicant: 苏州大学
Abstract: 本发明公开了一种基于显著特征点提取的手势识别方法及装置，包括：提取模块，用于获取待识别手势的形状，由所述待识别手势形状边缘提取出一个不闭合的轮廓，获取该轮廓上所有轮廓点的坐标；计算模块，用于计算每个轮廓点的面积参数，并根据面积参数对轮廓点进行筛选，提取出显著特征点，以显著特征点序列的面积参数以及归一化后的点序参数作为该轮廓的特征参数；匹配模块，用于利用显著特征点的特征参数，将所述待识别手势与预设模板库中的模板进行匹配，得到所述待识别手势的最佳匹配模板，并确定所述最佳匹配模板的类别为所述待识别手势的类别。本发明在对手势形状特征的有效提取和表示的同时，还具有平移不变性、旋转不变性、尺度不变性和铰接不变性等优良性能，能有效抑制噪声干扰。
-
公开(公告)号：CN106910170B
公开(公告)日：2019-10-29
申请号：CN201710057468.8
申请日：2017-01-26
Applicant: 苏州大学
IPC: G06T5/00
Abstract: 本发明公开了一种图像椒盐噪声的去除方法，包括下列步骤：输入含椒盐噪声的数字图像，如果像素点的灰度值为0或255，则进行去噪处理，否则不处理；去噪处理为，在四连通区域中，剪切灰度值为0或255的像素点，若剩余像素点个数≥2，进行均值滤波；否则，在八连通区域中，剪切掉灰度值为0或255的像素点，对剩余像素点进行均值滤波；如果剩余像素点为空集，在5×5区域中，剪切掉灰度值为0或255的像素点，进行均值滤波；如果剩余像素点为空集，采用递归形式的滤波窗口，输出左方、左上、上方、右上四个像素点灰度的平均值；重复直至完成所有像素点的处理。本发明无需设计模糊规则；不需要进行阈值的选取，提高了计算效率，能适应不同污染程度的图像的噪声去除。
-
公开(公告)号：CN110119707A
公开(公告)日：2019-08-13
申请号：CN201910387635.4
申请日：2019-05-10
Applicant: 苏州大学
Abstract: 本发明提出一种人体动作识别方法，提取动作样本每个骨骼关节点在相邻帧之间的运动作为该动作样本的动态特征；对动态特征进行空间多尺度划分，得到各个子特征集；对于每个子特征集，将同一帧所有骨骼关节点的运动特征组成向量；提取所有训练样本的该子特征集的帧特征向量，进行聚类，得到聚类中心；将动作样本所有帧的特征向量输入至各个子特征集构建的概率分布神经元，累加每个概率分布神经元上的所有输出，得到直方图表达；对该子特征集进行时间多尺度划分，得到时间多尺度直方图；组成时空多尺度软量化直方图；构成时空多尺度软量化网络；训练时空多尺度软量化网络，将测试样本输入至训练好的网络模型中，实现动作识别。
-
公开(公告)号：CN106910170A
公开(公告)日：2017-06-30
申请号：CN201710057468.8
申请日：2017-01-26
Applicant: 苏州大学
IPC: G06T5/00
Abstract: 本发明公开了一种图像椒盐噪声的去除方法，包括下列步骤：输入含椒盐噪声的数字图像，如果像素点的灰度值为0或255，则进行去噪处理，否则不处理；去噪处理为，在四连通区域中，剪切灰度值为0或255的像素点，若剩余像素点个数≥2，进行均值滤波；否则，在八连通区域中，剪切掉灰度值为0或255的像素点，对剩余像素点进行均值滤波；如果剩余像素点为空集，在5×5区域中，剪切掉灰度值为0或255的像素点，进行均值滤波；如果剩余像素点为空集，采用递归形式的滤波窗口，输出左方、左上、上方、右上四个像素点灰度的平均值；重复直至完成所有像素点的处理。本发明无需设计模糊规则；不需要进行阈值的选取，提高了计算效率，能适应不同污染程度的图像的噪声去除。
-
公开(公告)号：CN104050461B
公开(公告)日：2017-05-03
申请号：CN201410307841.7
申请日：2014-06-30
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本发明提供了一种复杂3D运动识别方法及装置，本发明首先采样运动轨迹获得多个轨迹点，然后在分别获得每个轨迹点的类别和尺度信息，将每个轨迹点类别和尺度信息依次排列作为整个运动轨迹的描述子，从而获得运动轨迹的特征信息，依据特征信息与数据库进行匹配，从而获得匹配后的运动类型，完成运动识别。本发明能够有效的利用运动轨迹的显著特征来进行运动识别，从而提高了3D复杂运动识别精度和准确率。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.033 seconds)
