-
公开(公告)号：CN110312138A
公开(公告)日：2019-10-08
申请号：CN201910355295.7
申请日：2019-04-29
Applicant: 北京大学 , 中星技术股份有限公司
IPC: H04N19/467 , H04N19/172 , G06N3/04
Abstract: 本发明涉及一种基于时序残差卷积建模的高嵌入容量视频隐写方法和系统。该方法对秘密视频的参考帧和残差帧进行标记，采用Y型卷积神经网络同时处理参考帧和残差帧以隐藏秘密信息并输出载体视频帧，将载体视频帧合成为载体视频；采用Y型卷积神经网络恢复载体视频中的秘密信息。与基于卷积神经网络的图像隐写算法直接应用到视频隐写中相比，本发明通过发掘连续帧之间残差的稀疏性，采用两个Y型卷积神经网络结构，对不同性质的视频帧采用不同端点处理，同时共享部分卷积层参数。本发明能够将一段视频隐藏进另一段等长的视频中，隐藏的信息量可以达到24bpp，远大于传统方法，很大程度上解决了传统方法无法应用到高嵌入容量视频隐写中的问题。
-
公开(公告)号：CN110188597A
公开(公告)日：2019-08-30
申请号：CN201910293903.6
申请日：2019-04-12
Applicant: 北京大学 , 中星技术股份有限公司
Abstract: 本发明涉及一种基于注意力机制循环缩放的密集人群计数与精确定位方法和系统。与原有的基于密度图的人群计数方法以及通过人脸或者行人检测获取人群数量估计的方法不同，本发明通过精心设计的三分支的深度神经网络分别获取输入图像对应的人群计数密度图、人群位置分布图以及用于获取密集候选注意力图。通过人群计数密度图得到图像中初始的人群计数值；通过人群位置分布图得到图像中每个人物的位置坐标；通过密集区域候选图得到图像中人群密集的若干区域，将这些区域从原图中剪切出来并将分辨率放大为原来的两倍，送进后面的网络得到更加精确的人物定位结果。
-
公开(公告)号：CN110188597B
公开(公告)日：2021-06-15
申请号：CN201910293903.6
申请日：2019-04-12
Applicant: 北京大学 , 中星技术股份有限公司
Abstract: 本发明涉及一种基于注意力机制循环缩放的密集人群计数与精确定位方法和系统。与原有的基于密度图的人群计数方法以及通过人脸或者行人检测获取人群数量估计的方法不同，本发明通过精心设计的三分支的深度神经网络分别获取输入图像对应的人群计数密度图、人群位置分布图以及用于获取密集候选注意力图。通过人群计数密度图得到图像中初始的人群计数值；通过人群位置分布图得到图像中每个人物的位置坐标；通过密集区域候选图得到图像中人群密集的若干区域，将这些区域从原图中剪切出来并将分辨率放大为原来的两倍，送进后面的网络得到更加精确的人物定位结果。
-
公开(公告)号：CN110312138B
公开(公告)日：2020-08-11
申请号：CN201910355295.7
申请日：2019-04-29
Applicant: 北京大学 , 中星技术股份有限公司
IPC: H04N19/467 , H04N19/172 , G06N3/04
Abstract: 本发明涉及一种基于时序残差卷积建模的高嵌入容量视频隐写方法和系统。该方法对秘密视频的参考帧和残差帧进行标记，采用Y型卷积神经网络同时处理参考帧和残差帧以隐藏秘密信息并输出载体视频帧，将载体视频帧合成为载体视频；采用Y型卷积神经网络恢复载体视频中的秘密信息。与基于卷积神经网络的图像隐写算法直接应用到视频隐写中相比，本发明通过发掘连续帧之间残差的稀疏性，采用两个Y型卷积神经网络结构，对不同性质的视频帧采用不同端点处理，同时共享部分卷积层参数。本发明能够将一段视频隐藏进另一段等长的视频中，隐藏的信息量可以达到24bpp，远大于传统方法，很大程度上解决了传统方法无法应用到高嵌入容量视频隐写中的问题。
-
-
-
Search Results
4
records
(took 0.026 seconds)
