一种基于meanshift算法和SVM的婴儿异常行为检测方法

    公开(公告)号:CN110414306B

    公开(公告)日:2022-07-19

    申请号:CN201910342523.7

    申请日:2019-04-26

    Applicant: 吉林大学

    Abstract: 本发明采用一种基于meanshift算法和SVM的婴儿异常行为检测方法,首先对获取到的婴儿视频进行预处理,然后用meanshift算法对视频中的婴儿四肢和全身分别进行目标运动轨迹跟踪,将得到的运动轨迹信息进行保存,之后利用小波变换对运动轨迹信息进行提取,对提取得到的小波近似波形建立样本集,用设置好的SVM支持向量机对其进行训练,利用小波对运动轨迹信息求功率谱,得到的特征建立样本集,同样利用设置好的SVM支持向量机对其进行训练,将两个训练好的模型进行测试,根据两个模型精确度的不同,利用数据加权融合算法设置不同权值参数进行加权判断,从而得到最佳训练结果。

    基于时空自动编码器的异常行为检测方法

    公开(公告)号:CN109615019B

    公开(公告)日:2022-05-31

    申请号:CN201811585933.6

    申请日:2018-12-25

    Applicant: 吉林大学

    Abstract: 基于时空自动编码器的异常行为检测方法属图像处理和模式识别技术领域,本发明首先获取待测区域的视频图像,然后将视频的光流信息和RGB信息分别输入到时空自编码器中,经过自动编码器中的3D卷积层、池化层、LSTM层和反卷积层,得出重构信息,将输入的信息与重构信息进行对比,分别依据异常评分公式得到异常评分,再将两种异常评分融合得到综合异常评分,与阈值进行比较,判别是否存在异常行为以及异常情况出现的时间,异常评分越高,异常情况发生的可能性越大。本发明通过融合多模态输入信息的时空自动编码器,在银行等公共区域检测到人群中的异常行为并给安保人员发出预警,以减少重大异常事件等突发情况的发生。

    一种基于最小模糊散度的图像协同分割方法

    公开(公告)号:CN110853064B

    公开(公告)日:2022-03-25

    申请号:CN201911097587.1

    申请日:2019-11-12

    Applicant: 吉林大学

    Abstract: 一种基于最小模糊散度的图像协同分割方法属图像处理和计算机视觉技术领域,本发明通过交并比(Intersection over Union,IOU)值判断分割效果,1.获取图像分割数据集,进行RGB空间到LAB空间转换;2.利用Gamma型隶属度函数构造模糊散度公式,构造新的能量函数,依据最小模糊散度准则进行曲线演化,达到好的分割效果;本发明利用模糊集理论更好地处理目标边缘;将一幅图像的颜色信息引入到另一幅图像的能量函数中,能增强对初始曲线替换的鲁棒性;利用基于区域的活动轮廓模型,通过求解能量函数局部极小值达到最优分割效果;建立的模型可降低计算时间的复杂性,可应用于集成成像立体显示系统的前期工作。

    基于条件生成对抗网络和SVM的婴儿异常行为检测方法

    公开(公告)号:CN109620244B

    公开(公告)日:2021-07-30

    申请号:CN201811494749.0

    申请日:2018-12-07

    Applicant: 吉林大学

    Abstract: 基于条件生成对抗网络和SVM的婴儿异常行为检测方法属视频图像处理和深度学习技术领域,本发明通过对视频中婴儿运动轨迹进行分析判断婴儿行为是否异常,首先获取婴儿视频,进行合理长度的截取并转化为帧图像,对四肢和全身进行标记建立样本库;然后利用条件生成对抗网络对婴儿的四肢和全身进行目标跟踪;再对得到的目标运动轨迹进行小波近似波形和小波功率谱计算,将得到的特征用支持向量机SVM进行分类,综合判断;本发明对婴儿四肢和全身信息进行运动轨迹检测,比单一肢体检测信息更全面,小波域和功率谱域结合训练,使检测精确度提高,检测婴儿行为是否异常,及早进行干预,对预防婴儿脑瘫等疾病有很重要的意义。

    一种基于相机阵列选择性光场重聚焦的显著性检测方法

    公开(公告)号:CN111881925A

    公开(公告)日:2020-11-03

    申请号:CN202010787230.2

    申请日:2020-08-07

    Applicant: 吉林大学

    Abstract: 一种基于相机阵列选择性光场重聚焦的显著性检测方法属图像处理和计算机视觉技术领域,本发明利用同一场景的多幅视点图像,对中心视点图像进行可选择深度层的重聚焦,使其它深度层受到不同程度的模糊,然后利用重聚焦的结果,实现考虑场景的深度和聚焦信息的显著性检测;对于某些目标区域颜色和背景颜色相近或背景复杂以及场景包含多个显著性目标的情况,检测效果能得到有效改善;另外通过指定聚焦深度层,使场景中某些显著性区域以外值得关注的区域被检测出,包含多个显著性目标的场景中位于指定深度层的目标被更精细地被检测出,能实现可选择的显著性检测。

    基于分块特征矩阵算法和SVM的疲劳状态检测方法

    公开(公告)号:CN107578008B

    公开(公告)日:2020-07-17

    申请号:CN201710782008.1

    申请日:2017-09-02

    Applicant: 吉林大学

    Abstract: 基于分块特征矩阵算法和SVM的疲劳状态检测方法属图像处理和模式识别技术领域,本发明通过面部特征分析判断驾驶员是否处于疲劳状态,首先获取驾驶员视频图像,进行光照补偿和人脸区域检测;然后在人脸区域进行眼部和嘴部区域检测;本发明利用眼部分块特征矩阵算法对眼部图像进行特征提取,可降低光照条件、戴眼镜对检测的影响;利用嘴部分块特征矩阵算法对嘴部图像进行特征提取,可减少牙齿外露、嘴部留有胡须对检测的干扰;利用SVM算法对提取特征后的图像进行分类,在小样本训练集情况下提高可靠性;本发明结合眼部和嘴部疲劳特征分析,在检测到驾驶员处于疲劳状态时发出警告信息,可减少交通事故的发生。

    基于WGAN-GP和U-NET的素描—照片转化方法

    公开(公告)号:CN110175567A

    公开(公告)日:2019-08-27

    申请号:CN201910448411.X

    申请日:2019-05-28

    Applicant: 吉林大学

    Abstract: 基于WGAN-GP和U-NET的素描-照片转化方法属图像处理和异质图像转化领域,本发明首先获取人脸素描-照片数据库FERET、CUHK、IIIT-D,进行图片裁剪和调整图片大小,然后对数据进行数据增强,最后用WGAN-GP和U-NET生成测试集里素描对应的照片;本发明利用WGAN-GP解决了梯度爆炸和梯度消失的问题,可较好地生成人脸照片;利用U-NET作为生成器结构,利用U型结构较好地还原图片的细节;利用patch判别器,减少参数数量,有助于生成高质量图片;本发明可生成较真实的照片,细节完整,可很好地还原素描的真实样貌。

    一种基于一维集成成像系统的阵列图生成及填补方法

    公开(公告)号:CN110149508A

    公开(公告)日:2019-08-20

    申请号:CN201910448420.9

    申请日:2019-05-28

    Applicant: 吉林大学

    Abstract: 一种基于一维集成成像系统的阵列图生成及填补方法属裸眼3D显示技术领域,本发明根据几何光学及DIBR的思想,利用深度图模拟了任意位置的视点图像,先利用光流法对图像内部大块空洞进行填充,再用Criminisi图像修复算法对其他空洞进行填补;本发明结合光流法与Criminisi图像修复算法这两种算法的优势对图像进行填补,既参考了视频中不同帧的图像信息,又提高了Criminisi图像修复算法的运算速度,比起只用Criminisi图像修复算法进行空洞填补,在相同参数的设置下,本发明平均节省45.448%的时间,且填补效果更佳。

    基于条件生成对抗网络和SVM的婴儿异常行为检测方法

    公开(公告)号:CN109620244A

    公开(公告)日:2019-04-16

    申请号:CN201811494749.0

    申请日:2018-12-07

    Applicant: 吉林大学

    CPC classification number: A61B5/11 A61B5/1114 A61B5/1127 A61B5/7264

    Abstract: 基于条件生成对抗网络和SVM的婴儿异常行为检测方法属视频图像处理和深度学习技术领域,本发明通过对视频中婴儿运动轨迹进行分析判断婴儿行为是否异常,首先获取婴儿视频,进行合理长度的截取并转化为帧图像,对四肢和全身进行标记建立样本库;然后利用条件生成对抗网络对婴儿的四肢和全身进行目标跟踪;再对得到的目标运动轨迹进行小波近似波形和小波功率谱计算,将得到的特征用支持向量机SVM进行分类,综合判断;本发明对婴儿四肢和全身信息进行运动轨迹检测,比单一肢体检测信息更全面,小波域和功率谱域结合训练,使检测精确度提高,检测婴儿行为是否异常,及早进行干预,对预防婴儿脑瘫等疾病有很重要的意义。

    一种基于图像处理技术的污损硬币识别方法

    公开(公告)号:CN108921831A

    公开(公告)日:2018-11-30

    申请号:CN201810648843.0

    申请日:2018-06-22

    Applicant: 吉林大学

    Abstract: 本发明公开了一种基于图像处理技术的污损硬币识别方法,首先进行图像分割,提取出包含待识别硬币的圆形图像区域;对于该区域,计算其圆心和半径;确定好圆心和半径后,对其进行极坐标变换,将圆形区域变换为矩形区域;对矩形区域进行标准化处理,使其变为标准大小,对标准化后的图像进行二维傅里叶变换,并取绝对值,以此作为描述硬币图像的特征,本发明基于图像处理技术的污损硬币识别方法,通过极坐标变换技术,将硬币的旋转变化转换成平移变化,通过傅里叶变换技术,提取图像的不随平移变化的特征,综合上面技术提取出图像的不随旋转变化的特征,从而克服待识别硬币和标准硬币需要准确对齐的问题。

Patent Agency Ranking