-
公开(公告)号：CN107491749A
公开(公告)日：2017-12-19
申请号：CN201710684991.3
申请日：2017-08-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种人群场景中全局和局部异常行为检测方法。首先，本发明提出一种新的名为混合光流直方图的特征，然后，对于全局异常行为本发明提出一种双稀疏表示的方法解决这个问题，最后对于局部异常行为，通过先检测当前帧感兴趣区域的前景，接着采用在线加权聚类的方法来进行局部异常行为的检测。在UMN数据集和UCSD数据集中的实验验证了本发明方法的优点。实验结果表明我们的方法较于之前的方法在分析视频中人群的运动行为具有更高的精度。
-
公开(公告)号：CN107169989A
公开(公告)日：2017-09-15
申请号：CN201710249226.9
申请日：2017-04-17
Applicant: 南京邮电大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于数据关联与轨迹评估的多目标跟踪方法，首先，利用随机采样一致性算法对每一个d∈D的观测进行直线拟合，得到目标的初始轨迹集T，同时利用时空关系对每一个d∈D的观测建立条件随机场模型，并给出标号方式；其次，建立拟合模型、先验模型、互斥模型，在CRF模型的基础上，利用拟合模型、先验模型、互斥模型构建目标函数，并利用梯度下降法与α‑expansion算法求解目标函数的近似最小能量；最后，基于最小能量对初始轨迹集T进行分割与合并、添加与删除、增长与收缩，得到目标的最佳跟踪轨迹。本发明基于数据关联与轨迹评估的多目标跟踪算法能够在场景拥挤、目标身份切换频繁、目标长时间遮挡的情况下得到稳定、连续的跟踪轨迹。
-
公开(公告)号：CN106971158A
公开(公告)日：2017-07-21
申请号：CN201710176356.4
申请日：2017-03-23
Applicant: 南京邮电大学
CPC classification number: G06K9/00778 , G06K9/46 , G06K9/6269
Abstract: 本发明公开了一种基于CoLBP共生特征与GSS特征的行人检测方法，包括步骤：提取视频序列中每一帧图像的HOG特征及LBP特征，根据HOG特征计算出图像局部梯度块之间的成对梯度自相似性的GSS特征，同时根据LBP特征得到CoLBP共生特征；采用特征生成器FGM移除不对称的GSS特征，得到判别梯度自相似性DGSS特征；基于HOG特征与CoLBP共生特征训练的线性SVM分类器移除图像中的负样本；对于剩余负样本与正样本，利用基于HOG特征与DGSS特征训练的Real‑AdaBoost分类器再次检测每一帧图像中的行人，获得检测结果。本发明在LBP与HOG特征的基础上进一步得到更高层次的CoLBP共生特征与GSS特征，增加了行人特征提取的可靠性，最后的检测结果也表明，本发明具有较好的检测效果。
-
公开(公告)号：CN103955462B
公开(公告)日：2017-03-15
申请号：CN201410108060.5
申请日：2014-03-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多视图和半监督学习机制的图像标注方法，该方法包括以下步骤：基于不相关视觉特征的多视图分类器学习过程；基于标记样本和具有较高可信度伪标记样本的多视图分类器优化过程；基于最大熵投票原则和标注间相关性的多视图标注过程。本发明提出多视图半监督图像标注方法的性能明显优于之前提出的其它方案的性能，该方法的主要思想是：首先利用互不相关的视图来训练多个独立的分类器，然后利用初始标记样本和伪标记样本对视图分类器进行优化，最后基于最大熵投票原则以及各个标注间的相关性，为每幅未标记图像分配合适的语义标注。
-
公开(公告)号：CN105184303A
公开(公告)日：2015-12-23
申请号：CN201510198325.X
申请日：2015-04-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多模态深度学习的图像标注方法，该方法包括以下步骤：首先，利用无标签图像训练深度神经网络；其次，采用反向传播优化各个单模态；最后，采用在线学习的幂梯度算法优化不同模态间的权重。本发明在应用卷积神经网络技术优化深层神经网络的参数，提高标注精度。公共数据集的实验表明，本发明可以有效地提高图像标注的性能。
-
Patent Agency Ranking
-
公开(公告)号：CN103149933A
公开(公告)日：2013-06-12
申请号：CN201310060399.8
申请日：2013-02-27
Applicant: 南京邮电大学
IPC: G05D1/02
Abstract: 本发明提供一种基于闭环控制的仿人机器人全向行走方法，包括足部落脚点规划、机器人躯干运动轨迹、足部空间轨迹规划、关节角度计算和反馈控制策略，首先规划出机器人足部在二维空间下的落脚点并计算出机器人的零力矩点ZMP值；由ZMP值建立带预测控制的双线性倒立摆模型并得到机器人躯干的参考位姿；由规划得出的落脚点使用三次样条插值法，得出每两个落脚点在三维空间中的最佳运行轨迹，即可获得足部参考位姿；由上述得出躯干和足部的参考位姿利用逆运动学知识计算出机器人各个关节的角度。本发明在仿人机器人行走过程中，利用闭环控制实现机器人的全向行走。相比现有技术，本发明的机器人行走方法具有鲁棒性强、稳定性好的优点。
-
公开(公告)号：CN102902756A
公开(公告)日：2013-01-30
申请号：CN201210358183.5
申请日：2012-09-24
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于故事情节的视频摘要提取方法。本发明方法包括以下步骤：对原始视频进行关键帧、镜头以及场景检测；根据视频故事情节从场景中检测出精彩场景；根据实际情况从精彩场景中选择摘要片段，并按照时序进行拼接，生成原始视频的摘要。本发明还进一步根据场景间的演变强度对精彩场景进行筛选，并将持续时间过短而无法表达有用信息的备选摘要片段剔除，并根据语句的完整性对备选摘要片段进行调整。本发明依据故事情节发展关系选择合适的摘要片段生成视频摘要，这既符合人们的逻辑思维，也有利于保证影片内容的完整性。
-
公开(公告)号：CN114882529B
公开(公告)日：2025-02-14
申请号：CN202210477742.8
申请日：2022-04-29
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/094
Abstract: 本发明公开了一种基于注意力校准的双分支跨域行人重识别方法，使用注意力校准模块改进ResNet‑50的基准网络，并引入域不变特征补充分支和域特定特征全局分支，对域不变特征信息和域特定特征信息进行线性加权得到融合特征，并对融合特征进行归一化得到模型的最终特征。本发明的基准网络能充分提取特征的通道信息和空间信息，解决特征不对齐问题。通过引入域特定特征全局分支能减少模型参数量，结合基准网络纠正了训练偏差，同时降低模型复杂度，使得模型能充分提取域特定特征。通过引入域不变特征补充分支，丰富从特定领域的校准特征中获取源域互补的信息，结合域特定特征全局分支提取的域特定特征，使得模型具有较强的泛化能力。
-
公开(公告)号：CN119274153A
公开(公告)日：2025-01-07
申请号：CN202410813239.4
申请日：2024-06-21
Applicant: 南京邮电大学
IPC: G06V20/56 , G06V10/22 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于多目标检测获取车速并判断急加速急减速的方法，本发明方法包括以下步骤：首先，本发明设计了一个基于YOLOv8模型的车辆检测和距离/速度估算的模型用以获得车辆的车速信息；然后，本发明设计了一个全新的基于速度差值的加速度/减速度实时检测的算法。大量实验表明，本发明所提方法相比传感器接受速度的方法更具有拓展性、创新性，同时计算成本和网络规模远小于同类型方法。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.026 seconds)
