-
公开(公告)号：CN112434553B
公开(公告)日：2024-04-19
申请号：CN202011105896.1
申请日：2020-10-15
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明实施例提供一种基于深度字典学习的视频鉴别方法及系统，该方法包括：获取目标视频中的若干关键帧图像；将每一关键帧图像输入到视频指纹生成网络中，获取目标视频的指纹，其中，视频指纹生成网络包括字典，字典用于进行稀疏矩阵的计算；将目标视频的指纹与预设数据库中的每一备用视频的指纹进行匹配，根据匹配结果对目标视频进行鉴别。本发明实施例利用深度学习和多层字典学习提取视频的特征稀疏矩阵，形成视频指纹，并进行指纹数据库的构建和目标视频的指纹匹配，实现对数字视频的鉴别。
-
公开(公告)号：CN113408412B
公开(公告)日：2024-05-24
申请号：CN202110677623.2
申请日：2021-06-18
Applicant: 北京工业大学
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种网络直播主播的行为识别方法、系统、设备及存储介质。该网络直播主播的行为识别方法包括：获取网络直播视频数据；利用时序评估模块检测网络直播视频数据中的主播时序动作，以生成第一主播动作序列数据；利用线性条件随机场推理主播动作序列，以生成第二主播动作序列数据；以及基于第二主播动作序列数据，利用多分类支持向量机进行主播行为识别与概要描述。
-
Patent Agency Ranking
公开(公告)号：CN113408412A
公开(公告)日：2021-09-17
申请号：CN202110677623.2
申请日：2021-06-18
Applicant: 北京工业大学
Abstract: 本发明提供一种网络直播主播的行为识别方法、系统、设备及存储介质。该网络直播主播的行为识别方法包括：获取网络直播视频数据；利用时序评估模块检测网络直播视频数据中的主播时序动作，以生成第一主播动作序列数据；利用线性条件随机场推理主播动作序列，以生成第二主播动作序列数据；以及基于第二主播动作序列数据，利用多分类支持向量机进行主播行为识别与概要描述。
-
公开(公告)号：CN112434553A
公开(公告)日：2021-03-02
申请号：CN202011105896.1
申请日：2020-10-15
Applicant: 北京工业大学
Abstract: 本发明实施例提供一种基于深度字典学习的视频鉴别方法及系统，该方法包括：获取目标视频中的若干关键帧图像；将每一关键帧图像输入到视频指纹生成网络中，获取目标视频的指纹，其中，视频指纹生成网络包括字典，字典用于进行稀疏矩阵的计算；将目标视频的指纹与预设数据库中的每一备用视频的指纹进行匹配，根据匹配结果对目标视频进行鉴别。本发明实施例利用深度学习和多层字典学习提取视频的特征稀疏矩阵，形成视频指纹，并进行指纹数据库的构建和目标视频的指纹匹配，实现对数字视频的鉴别。
-
公开(公告)号：CN113516058B
公开(公告)日：2024-05-24
申请号：CN202110680032.0
申请日：2021-06-18
Applicant: 北京工业大学
Abstract: 本发明涉及一种直播视频群组异常活动检测方法、装置、电子设备及介质，该方法包括使用卷积神经网络提取直播视频帧序列中个体的深度时空特征，并使用FPN和PAN网络对直播视频帧序列中的个体进行定位，以得到位置参数；将个体的深度时空特征和位置参数作为输入以构建图卷积模块，从而提取群组活动关系，并利用图卷积模块对时间上下文信息进行编码，以得到不同时间尺度的群组活动码字；将不同时间尺度的群组活动码字与已知类别的群组活动码字进行匹配，以判定是否发生群组异常活动和/或发生群组异常活动的时间段。本发明通过提取深度时空特征和定位，以及进行时间上下文编码，可以提高群组异常活动检测的速度和准确度，降低检测的成本。
-
公开(公告)号：CN117315772A
公开(公告)日：2023-12-29
申请号：CN202311100730.4
申请日：2023-08-29
Applicant: 北京工业大学
IPC: G06V40/20 , G06V20/40 , G06N3/0895 , G06N3/082 , G06V10/82 , G06V10/764
Abstract: 本发明实施例提供一种网络直播视频的异常动作定位方法、装置和存储介质，属于视频技术领域。该异常动作定位方法包括：基于多纤维网络对网络直播视频进行特征提取，以生成网络直播视频的片段级视频特征序列；对片段级视频特征进行处理，输出针对网络直播视频中的主播动作的类别激活序列和注意力分支；以及基于多实例学习方法计算类别激活序列与注意力分支的加权结果，生成针对主播动作的时序异常动作提名，其中时序异常动作提名用于指示针对网络直播视频的主播动作的异常动作定位结果。本发明实施例无需对视频进行大量标注，采用弱监督学习方式，降低数据标注成本和时间，满足对视频中时序异常动作的实时性定位需求，实现对异常动作的快速定位。
-
公开(公告)号：CN113516058A
公开(公告)日：2021-10-19
申请号：CN202110680032.0
申请日：2021-06-18
Applicant: 北京工业大学
Abstract: 本发明涉及一种直播视频群组异常活动检测方法、装置、电子设备及介质，该方法包括使用卷积神经网络提取直播视频帧序列中个体的深度时空特征，并使用FPN和PAN网络对直播视频帧序列中的个体进行定位，以得到位置参数；将个体的深度时空特征和位置参数作为输入以构建图卷积模块，从而提取群组活动关系，并利用图卷积模块对时间上下文信息进行编码，以得到不同时间尺度的群组活动码字；将不同时间尺度的群组活动码字与已知类别的群组活动码字进行匹配，以判定是否发生群组异常活动和/或发生群组异常活动的时间段。本发明通过提取深度时空特征和定位，以及进行时间上下文编码，可以提高群组异常活动检测的速度和准确度，降低检测的成本。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
