-
公开(公告)号：CN111339837B
公开(公告)日：2022-05-03
申请号：CN202010083258.8
申请日：2020-02-08
Abstract: 本发明一种连续手语识别方法，涉及用于识别图形的记录载体的处理，是基于对多模态图像序列特征融合和自注意力机制的编码解码网络的连续手语识别的方法，首先获得光流图像序列，通过原始手语图像序列和光流图像序列时空特征的提取和多模态图像序列时空特征融合，和手语句子标签的文本特征序列的提取，将融合后的多模态图像序列时空特征和提取的手语句子标签的文本特征序列输入到基于自注意力机制的编码解码网络中进行手语标签预测输出，克服了现有技术存在的特征单一、视频需要分割的缺陷。
-
公开(公告)号：CN111339903B
公开(公告)日：2022-02-08
申请号：CN202010108983.6
申请日：2020-02-21
Applicant: 河北工业大学
IPC: G06V40/10 , G06V10/774 , G06V10/762 , G06V10/766 , G06V10/82 , G06K9/62 , G06T7/73
Abstract: 本发明一种多人人体姿态估计方法，涉及用于识别图形的记录载体的处理，是一种基于深度特征的多人人体姿态估计方法，该方法构建了由主体网络与微调网络两部分组成的深度特征人体关键点检测模型，采用自底向上与自顶向下两种方法结合的两阶段训练方法训练深度特征人体关键点检测模型，最终利用两阶段训练好深度特征人体关键点检测模型检测人体关键点，并通过人体关键点聚类处理去除不属于目标人的冗余关键点，进而输出多人人体姿态估计结果，克服了现有多人人体姿态估计方法技术所存在的在人群稠密情况下，对目标人体遮挡干扰鲁棒性差，人体关键点检测正确率较低的缺陷。
-
公开(公告)号：CN113487481A
公开(公告)日：2021-10-08
申请号：CN202110746815.4
申请日：2021-07-02
Abstract: 本发明为基于信息构建和多密集残差块的循环视频超分辨率方法，该方法利用引入信息构建模块对初始的循环神经网络进行先验信息构建和填充，使得序数靠前的循环神经网络有足够的信息去重建靠前帧，同时利用多密集残差块提取代表深层次信息的特征，在循环神经网络中以隐藏状态的方式进行传播；包括以下内容：对视频数据进行预处理，获得对应的低分辨率帧序列；构建信息构建模块，输入为前m帧低分辨率帧序列，输出为初始的隐藏信息h0和初始的预输出信息o0；构建多密集残差块的循环神经网络，将信息构建模块的两个输出输入到多密集残差块的循环神经网络中，得到超分辨率帧序列。可以胜任在线超分辨率任务。
-
公开(公告)号：CN112288027A
公开(公告)日：2021-01-29
申请号：CN202011223328.1
申请日：2020-11-05
Applicant: 河北工业大学
Abstract: 本发明异构多模态影像遗传学数据特征分析方法，同时考虑样本数据间的结构关系以及训练过程中样本的“难易程度”，采用样本加权和结构稀疏化对脑影像数据和基因数据进行特征分析。该方法采用自步学习机制，实现训练过程中样本由简单到复杂的自动增长，减小噪声对模型的影响。此外，在自步学习框架下，引入局部保留投影方法，有效保留样本空间下样本点内部固定的邻域结构，同时用L1范数约束投影矩阵作为正则化项，实现特征选择过程。最后利用多核支持向量机对选择后的特征进行融合分类，从而提高对疾病的诊断精度。本发明公开的方法能够有效地进行特征选择和分类。
-
公开(公告)号：CN109711378B
公开(公告)日：2020-12-22
申请号：CN201910000813.3
申请日：2019-01-02
Abstract: 本发明人脸表情自动识别方法，涉及用于识别图形的图像特征或特性的抽取的图像预处理，步骤是：人脸表情图像预处理→对人脸表情图像的关键特征点进行自动定位标记→将人脸表情图像的关键特征点形成特征块→获得各个不规则的多边形特征块的PD‑LDN特征直方图；获得各个不规则的多边形特征块的七阶矩特征→将PD‑LDN特征直方图和七阶矩特征融合起来，得到融合的人脸表情特征数据→采用SVM分类器进行人脸表情的训练和预测，实现人脸表情自动识别。本发明方法克服了现有的人脸表情识别方法存在对光照噪声的干扰鲁棒性差，对局部信息的提取不充分，计算复杂，导致人脸表情识别率低并且计算时间过长的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN111461043A
公开(公告)日：2020-07-28
申请号：CN202010266351.2
申请日：2020-04-07
Applicant: 河北工业大学
Abstract: 本发明基于深度网络的视频显著性检测方法，涉及图像数据处理领域,该方法是先用ResNet50深度网络来取空间特征，然后再提取时间和边缘信息来共同得到显著性预测结果图，完成基于深度网络的视频显著性检测，步骤是，输入视频帧I，进行预处理；提取视频帧I′的初始空间特征图S；获得五个尺度的空间特征图Sfinal；获得特征图F；获得粗略的时空显著图YST和显著性物体的边缘轮廓图Et；获得最终的显著性预测结果图Yfinal；计算对于输入视频帧I的损失，完成基于深度网络的视频显著性检测。本发明克服了现有技术视频显著性检测中存在的显著目标检测不完整、当前景背景颜色相似时算法检测不准确的缺陷。
-
公开(公告)号：CN106778595B
公开(公告)日：2020-04-07
申请号：CN201611136453.2
申请日：2016-12-12
Applicant: 河北工业大学
Abstract: 本发明基于高斯混合模型的人群中异常行为的检测方法，涉及应用电子设备进行识别图形的方法，首先在预处理阶段使用高斯混合模型对输入视频进行背景建模来提取ROI，并利用形态学方法消除背景的影响，然后将人群看作整体来提取ROI光流运动特征和SIFT运动特征，再对输入视频序列中的图像进行分块，按图像子块分配运动特征，对不同子块建立高斯混合模型，利用最大期望EM算法训练高斯混合模型，检测人群中异常行为的图像，克服了现有技术中在高密度场景下人群存在遮挡和光照变化给行人运动分析带来的干扰，同时监控视频下不同区域运动状态的不同也给人群异常行为检测模型的建立带来了干扰，容易造成误检的缺陷。
-
公开(公告)号：CN106529447B
公开(公告)日：2020-01-21
申请号：CN201610957103.6
申请日：2016-11-03
Applicant: 河北工业大学
Abstract: 本发明一种小样本人脸识别方法，涉及应用电子设备进行人脸识别的方法，是一种利用单层多尺度卷积神经网络结构进行多特征融合和分类的人脸识别方法，步骤是：人脸图像预处理；人脸图像多特征图的提取：包括提取一层DWT低频子带图、提取Sobel边缘特征图和提取LBP纹理特征图；利用单层多尺度卷积神经网络结构进行多特征融合；用Softmax分类器预测分类结果，实现人脸识别。本发明克服了现有技术在解决小样本人脸识别问题中，受分类方法的限制，分类识别率不高的缺陷。
-
公开(公告)号：CN105354558B
公开(公告)日：2018-09-28
申请号：CN201510820897.7
申请日：2015-11-23
Applicant: 河北工业大学
IPC: G06K9/00
Abstract: 本发明人脸图像匹配方法，涉及图像数据处理，是基于两次SURF和形状上下文的人脸图像匹配方法，利用SURF算法粗匹配得到尺度差和方向差信息，再利用这些信息进行SURF算法精确匹配，对得到的匹配结果用形状上下文算法去除误匹配，步骤是：确定人脸区域；生成重构的积分图像；两次SURF特征匹配；生成形状上下文描述子，去除误匹配，完成人脸图像匹配。本发明方法克服了现有的人脸图像匹配方法中存在特征点少、匹配点少且正确率不高的缺陷。
-
公开(公告)号：CN105488758B
公开(公告)日：2018-07-20
申请号：CN201510865907.9
申请日：2015-11-30
Applicant: 河北工业大学
Abstract: 本发明一种基于内容感知的图像缩放方法，涉及在图像平面内的图形图像转换，采用融合显著图、边缘直线图和梯度图的混合特征模型得到能量函数，依据该能量函数进行线裁剪操作完成图像的缩放，步骤是：输入彩色图像预处理；同时进行：提取原始彩色图像的显著图和显著目标图像、提取灰度图像的融合直线信息的边缘图和提取灰度图像的梯度图；利用HFPM算法对三种特征图融合得到能量函数；使用线裁剪算法对原始图像进行裁剪。本发明方法克服了现有的线裁剪方法采用图像的梯度图定义能量函数，在图像缩放时仍然存在失真和部分图像信息丢失的缺陷。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.046 seconds)
