-
公开(公告)号：CN103400160B
公开(公告)日：2017-03-01
申请号：CN201310364990.2
申请日：2013-08-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种零训练样本行为识别方法，该方法包括以下步骤：提取每个动作视频样本的特征向量；设定多个人体运动属性以及每个人体运动属性下动作视频对之间的关系；将动作视频对关系作为输入，利用排序支持向量机进行训练；利用输出的排序分数，对每一类有训练样本的人体行为拟合得到混合高斯模型；利用迁移学习获得零训练样本人体行为类别的混合高斯模型；提取测试视频样本的特征向量；利用最大后验概率原则，判断测试视频样本中零训练样本人体行为所属的类别。本发明通过利用混合高斯模型拟合排序分数，达到行为识别的目的，并通过最大后验判断所属类别，从而提高行为识别的鲁棒性。
-
公开(公告)号：CN103336972A
公开(公告)日：2013-10-02
申请号：CN201310314199.0
申请日：2013-07-24
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于完备化局部三值模式的地基云图分类方法，该方法包括以下步骤：将每个训练样本的局部信息分解为局部差值向量以及中心像素；将每个局部差值向量分解为符号向量和幅值向量的乘积；对于符号向量、幅值向量及中心像素采用三值模式编码，并分别计算其旋转不变一致性特征；对旋转不变一致性特征进行融合，得到训练样本的最终特征表示；计算测试地基云图的最终特征表示；基于两者的最终特征表示，应用最近邻分类器得到测试地基云图的分类结果。本发明通过把图像的局部信息从符号、幅值和中心像素值三个方面考虑，采用局部三值模式进行编码，最后融合得到图像最终的特征表示，这使得本发明可以获得更好的噪声鲁棒性和分类准确性。
-
公开(公告)号：CN103226713A
公开(公告)日：2013-07-31
申请号：CN201310181275.5
申请日：2013-05-16
Applicant: 中国科学院自动化研究所
IPC: G06K9/64
Abstract: 本发明公开了一种多视角行为识别方法。该方法包括以下步骤：对每个视角的动作视频样本提取其局部和全局特征，并把每个动作视频样本表示成为一个特征向量；对源视角和目标视角的动作视频样本的变换矩阵进行初始化；然后在信息论的框架下求得源视角和目标视角的动作视频样本的变换矩阵；根据两个视角的动作视频样本的变换矩阵求得虚拟视角核；然后求得每个动作视频样本之间的相似度；最后使用支持向量机分类器对测试动作视频进行分类。本发明通过连接在源视角和目标视角的连续通路达到多视角行为识别的目的；通过虚拟视角核计算得到的相似度矩阵能够作为任何基于核分类器的输入。
-
公开(公告)号：CN103345623B
公开(公告)日：2016-09-21
申请号：CN201310290428.X
申请日：2013-07-11
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种基于鲁棒相对属性的行为识别方法。该方法包括以下步骤：提取视频样本库中每个动作视频样本的特征向量；设定对应于多种人体行为的多个人体运动属性，以及在每个人体运动属性下，每两个代表人体行为的动作视频，即动作视频对之间的关系；将所述动作视频对之间的关系作为输入，利用排序支持向量机进行训练，得到训练模型；利用梯度下降法求解所述排序支持向量机，得到所述排序支持向量机的参数向量，进而得到最优训练模型；利用得到的最优训练模型对每个待测试的动作视频进行人体行为识别，得到人体行为识别结果。实验证明，本发明方法能够提高人体行为识别的鲁棒性。
-
公开(公告)号：CN103226713B
公开(公告)日：2016-04-13
申请号：CN201310181275.5
申请日：2013-05-16
Applicant: 中国科学院自动化研究所
IPC: G06K9/64
Abstract: 本发明公开了一种多视角行为识别方法。该方法包括以下步骤：对每个视角的动作视频样本提取其局部和全局特征，并把每个动作视频样本表示成为一个特征向量；对源视角和目标视角的动作视频样本的变换矩阵进行初始化；然后在信息论的框架下求得源视角和目标视角的动作视频样本的变换矩阵；根据两个视角的动作视频样本的变换矩阵求得虚拟视角核；然后求得每个动作视频样本之间的相似度；最后使用支持向量机分类器对测试动作视频进行分类。本发明通过连接在源视角和目标视角的连续通路达到多视角行为识别的目的；通过虚拟视角核计算得到的相似度矩阵能够作为任何基于核分类器的输入。
-
Patent Agency Ranking
公开(公告)号：CN103400160A
公开(公告)日：2013-11-20
申请号：CN201310364990.2
申请日：2013-08-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种零训练样本行为识别方法，该方法包括以下步骤：提取每个动作视频样本的特征向量；设定多个人体运动属性以及每个人体运动属性下动作视频对之间的关系；将动作视频对关系作为输入，利用排序支持向量机进行训练；利用输出的排序分数，对每一类有训练样本的人体行为拟合得到混合高斯模型；利用迁移学习获得零训练样本人体行为类别的混合高斯模型；提取测试视频样本的特征向量；利用最大后验概率原则，判断测试视频样本中零训练样本人体行为所属的类别。本发明通过利用混合高斯模型拟合排序分数，达到行为识别的目的，并通过最大后验判断所属类别，从而提高行为识别的鲁棒性。
-
公开(公告)号：CN103035001A
公开(公告)日：2013-04-10
申请号：CN201210520167.1
申请日：2012-12-06
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明公开了一种基于超像素分割的地基云自动检测方法，该方法包括：利用超像素分割算法将输入的RGB云图分割为多个超像素块；根据各颜色通道的图像，得到特征图像；计算每一超像素块的局部阈值；利用双线性插值算法得到阈值矩阵；比较阈值矩阵与特征图像得到每个像素点的判断结果；利用判断结果以及像素点之间的位置对应关系，得到输入的RGB云图的云检测结果。本发明方法能够尽可能地保持超像素块中的一致性，获得更好的云检测结果，从而具有较好的鲁棒性和准确性。
-
公开(公告)号：CN103035001B
公开(公告)日：2015-06-24
申请号：CN201210520167.1
申请日：2012-12-06
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明公开了一种基于超像素分割的地基云自动检测方法，该方法包括：利用超像素分割算法将输入的RGB云图分割为多个超像素块；根据各颜色通道的图像，得到特征图像；计算每一超像素块的局部阈值；利用双线性插值算法得到阈值矩阵；比较阈值矩阵与特征图像得到每个像素点的判断结果；利用判断结果以及像素点之间的位置对应关系，得到输入的RGB云图的云检测结果。本发明方法能够尽可能地保持超像素块中的一致性，获得更好的云检测结果，从而具有较好的鲁棒性和准确性。
-
公开(公告)号：CN103413148A
公开(公告)日：2013-11-27
申请号：CN201310389346.0
申请日：2013-08-30
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于随机自适应符号稀疏编码的地基云图分类方法，该方法包括：对于训练样本集合随机提取样本的局部特征；利用自适应符号稀疏编码对这些局部特征组成的集合进行聚类得到码本；对每个样本随机提取的局部特征，计算其与码本对应的稀疏编码系数，得到该样本随机局部特征的稀疏编码系数组成的矩阵；接下来利用最大化抽取操作得到样本的特征表示；计算测试地基云图的特征表示；利用分类器得到测试地基云图的分类结果。本发明通过随机提取地基云图的局部特征来提高地基云图分类的效率，节省时间开销；同时本发明采用自适应符号稀疏编码的方法来获得码本并计算局部特征的稀疏编码系数，从而可以更好地表示云图中信息，提高分类性能。
-
公开(公告)号：CN103413148B
公开(公告)日：2017-05-24
申请号：CN201310389346.0
申请日：2013-08-30
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
Abstract: 本发明公开了一种基于随机自适应符号稀疏编码的地基云图分类方法，该方法包括：对于训练样本集合随机提取样本的局部特征；利用自适应符号稀疏编码对这些局部特征组成的集合进行聚类得到码本；对每个样本随机提取的局部特征，计算其与码本对应的稀疏编码系数，得到该样本随机局部特征的稀疏编码系数组成的矩阵；接下来利用最大化抽取操作得到样本的特征表示；计算测试地基云图的特征表示；利用分类器得到测试地基云图的分类结果。本发明通过随机提取地基云图的局部特征来提高地基云图分类的效率，节省时间开销；同时本发明采用自适应符号稀疏编码的方法来获得码本并计算局部特征的稀疏编码系数，从而可以更好地表示云图中信息，提高分类性能。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.035 seconds)
