-
公开(公告)号：CN111898621A
公开(公告)日：2020-11-06
申请号：CN202010777341.5
申请日：2020-08-05
Applicant: 苏州大学
Abstract: 本发明提出一种轮廓形状识别方法，抽样提取形状样本的轮廓显著特征点；使用三种形状描述子，计算形状样本在半全局尺度中的特征函数；以单像素为间距划分尺度，得到全尺度空间下的形状特征函数；将各个尺度下的特征函数值存入矩阵，得到全尺度空间下形状样本三种特征的灰度图表达；将该形状样本的三种灰度图表达作为RGB三个通道合成一张彩色特征表达图像；将该形状样本与特征表达图像同时作为输入，构成双流卷积神经网络；训练双流卷积神经网络，将测试样本输入至训练好的网络模型中，实现形状分类。
-
公开(公告)号：CN111274908A
公开(公告)日：2020-06-12
申请号：CN202010046088.6
申请日：2020-01-16
Applicant: 苏州大学
Abstract: 本发明提出一种人体动作识别方法，获取动作样本的动态特征；获取每个骨骼关节点的运动特征并进行聚类；将每个动作样本分成N1个片段；得到每个片段的直方图表达；关节点按身体部位分为五组，获取每个部位在同一时间片段的运动特征；提取所有动作样本每个部位的初始运动特征序列，并对运动特征进行聚类；将每个动作样本的每个部位的运动特征序列分成N2个片段；得到每个部位每个片段的直方图表达；将五个身体部位同一时间片段的直方图连接，作为该时间片段的身体特征；提取所有动作样本的初始身体特征序列，对身体特征进行聚类；得到身体特征的直方图表达；构成并训练时空层级软量化网络，将测试样本输入至网络模型，实现动作识别。
-
Patent Agency Ranking
公开(公告)号：CN110097008A
公开(公告)日：2019-08-06
申请号：CN201910363482.X
申请日：2019-04-30
Applicant: 苏州大学
Abstract: 本发明提出一种动作识别方法，包括正则化坐标系，对动作样本每一帧骨骼关节点的三维坐标进行标准化处理；设计二阶自循环神经网络，提取每一帧骨骼关节点坐标特征，得到每一帧的特征向量；从每种动作类型的训练样本中选择一个作为该动作类型的参考动作样本，将测试动作样本内的各帧与每个参考动作样本各帧进行匹配，建立时序对应关系；计算测试动作样本与每个参考动作样本的匹配代价，找出与测试动作样本有最小匹配代价的参考动作样本，该参考动作样本的动作类型即为测试动作样本的动作类型。本发明提取的特征维度较小，算法效率高，通过时间序列匹配，该方法对同类型动作在时间长度和时间形态上的差异有良好的适应性，提高了动作识别的准确率。
-
公开(公告)号：CN110070070A
公开(公告)日：2019-07-30
申请号：CN201910363855.3
申请日：2019-04-30
Applicant: 苏州大学
Abstract: 本发明提出一种动作识别方法，包括获取目标的三维骨骼关节点信息；设计跨层连接神经网络对训练集中动作序列的每帧骨骼关节点的三维坐标提取特征，得到该帧的特征向量；将训练集中所有特征向量聚类成K个簇；计算每个簇的权重和每个簇对各个动作类别的支持度；定义姿态子组及姿态子组对应第c类动作的分类器；挖掘每类动作的姿态子组集合；对于每类动作，先学习出多个初级分类器，再将该类动作学得的所有初级分类器加权组合成高级分类器；用跨层连接神经网络获取测试动作序列每一帧的特征向量并划分给与其距离最近的簇；分别计算每类动作的高级分类器对测试动作序列的响应值，响应值最大的高级分类器对应的动作类别即为该测试样本的动作类别。
-
公开(公告)号：CN108830313A
公开(公告)日：2018-11-16
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：CN107273831A
公开(公告)日：2017-10-20
申请号：CN201710415042.5
申请日：2017-06-05
Applicant: 苏州大学
IPC: G06K9/00
CPC classification number: G06K9/00214
Abstract: 本发明公开了一种基于球空间的三维目标识别方法，包括：利用深度传感器获取深度图像，得到目标三维信息；对深度图像进行预处理，滤除深度图像中的部分噪声；求出目标图像各点的三维坐标参数；构建球空间，根据目标点云坐标构建对数极坐标直方图，形成三维特征描述符；计算匹配度，获得不同图像之间的匹配度值。本发明可以对图像形状及深度信息进行特征的提取和有效表示，具有尺度不变性、旋转不变性和平移不变性，提高了识别的准确率。
-
公开(公告)号：CN103136520B
公开(公告)日：2016-01-20
申请号：CN201310096658.2
申请日：2013-03-25
Applicant: 苏州大学
Abstract: 本发明公开了一种基于PCA-SC算法的形状匹配和目标识别方法，包括：对目标图像进行预处理，滤除目标图像中的部分噪声；提取目标图像的边缘；提取边界轮廓点信息，并求出轮廓点的直角坐标参数；将轮廓点由直角坐标转化为极坐标，得到每个点对应的对数极坐标直方图，形成局部特征描述符；形成协方差矩阵，提取出该矩阵较大特征值对应的特征向量，采用线性变换方法将矩阵由高维降至低维，形成新的特征矩阵用于形状匹配和目标识别；计算匹配度，获得目标图像与每个模板图像之间的匹配度值。本发明可以对图像形状进行特征的提取和有效表示，具有尺度不变性、旋转不变性和平移不变性，提高了识别的准确率和效率，有效抑制噪声的干扰。
-
-
-
-
-
-
Search Results
57
records
(took 0.019 seconds)
