-
公开(公告)号：CN107122787A
公开(公告)日：2017-09-01
申请号：CN201710077949.5
申请日：2017-02-14
Applicant: 北京理工大学
CPC classification number: G06K9/6262 , G06K9/6215 , G06K9/629 , G06N3/04
Abstract: 本发明公开了一种基于特征融合的图像缩放质量评价方法，属于图像处理技术领域，该方法包括如下步骤：分别提取出缩放图像与原始图像的显著性信息和全局Gist向量，显著性信息中包括图像中所有点的显著值；然后分别提取出原始图像和缩放图像的SIFT特征点，并且相互匹配，获得二者的SIFT特征点匹配对，建立原始图像和缩放图像的像素之间的对应关系；计算缩放图像的如下三种特征：图像形状相似度特征、图像块结构相似度特征以及显著性信息完备性特征；将上述三种特征，代入到基于BP神经网络的缩放质量评价模型中得到评价结果。
-
公开(公告)号：CN106803080B
公开(公告)日：2019-12-31
申请号：CN201710052873.0
申请日：2017-01-24
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于形状玻尔兹曼机的补全式行人检测方法。使用本发明能够解决监控环境下行人检测遮挡的问题。本发明首先通过分类器对图像中行人目标进行初步检测，然后使用形状玻尔兹曼机将行人检测中的遮挡定义为一个连续遮挡的过程，将非完备的检测方法转变为完备的检测方法，满足在监控条件下可能发生的各种遮挡情况；最后基于人体物理模型，使用多级直方图对形状补全后的目标进行匹配度测试，评估目标补全部分与原始部分的匹配程度。通过将支持向量机的预测概率值与目标补全匹配度结合，能够将假正例(FP)与假反例(FN)两种错误分类向相反的方向拉伸，最大程度上降低漏检率和虚警率，提高算法的鲁棒性。
-
公开(公告)号：CN106803080A
公开(公告)日：2017-06-06
申请号：CN201710052873.0
申请日：2017-01-24
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于形状玻尔兹曼机的补全式行人检测方法。使用本发明能够解决监控环境下行人检测遮挡的问题。本发明首先通过分类器对图像中行人目标进行初步检测，然后使用形状玻尔兹曼机将行人检测中的遮挡定义为一个连续遮挡的过程，将非完备的检测方法转变为完备的检测方法，满足在监控条件下可能发生的各种遮挡情况；最后基于人体物理模型，使用多级直方图对形状补全后的目标进行匹配度测试，评估目标补全部分与原始部分的匹配程度。通过将支持向量机的预测概率值与目标补全匹配度结合，能够将假正例(FP)与假反例(FN)两种错误分类向相反的方向拉伸，最大程度上降低漏检率和虚警率，提高算法的鲁棒性。
-
-
Search Results
3
records
(took 0.02 seconds)
