三维人体行为识别方法及装置

    公开(公告)号:CN104200197A

    公开(公告)日:2014-12-10

    申请号:CN201410405886.8

    申请日:2014-08-18

    Abstract: 本发明提供一种三维人体行为识别方法及装置。本发明三维人体行为识别方法,包括:分别对待识别三维人体行为的深度视频序列和色彩RGB视频序列进行背景减除以及像素二值化处理,获取对应的二值深度视频序列和二值RGB视频序列;分别提取二值深度视频序列和二值RGB视频序列对应的行为轮廓历史图像;对提取出的行为轮廓历史图像进行图像融合,并将融合后的图像进行分块处理;对分块处理后的图像进行均匀局部二值模式的特征提取,获取均匀局部二值模式的特征向量;将获取到的均匀局部二值模式的特征向量进行行为分类识别,判断出待识别三维人体行为所属的行为类型。本发明极大减少了特征数据的信息量,识别速度高,识别率较高。

    图像特征提取方法和装置

    公开(公告)号:CN106779055B

    公开(公告)日:2019-06-21

    申请号:CN201710018662.5

    申请日:2017-01-10

    Abstract: 本发明提供一种图像特征提取方法和装置,其中,图像特征提取方法包括:获取第一图像的第一深度卷积神经网络CNN特征,第一CNN特征为第一图像在第一尺度时的CNN特征;重采样第一CNN特征得到重采样数据;将重采样数据与第一参数相乘得到第二CNN特征,第二CNN特征为第一图像在第二尺度时的CNN特征。本发明提供的图像特征提取方法和装置,将图像在第一尺度上的第一CNN特征经过重采样并与第一参数相乘后,能够得到图像在第二尺度上的第二CNN特征,减少了图像特征提取的计算量,并且使得空间变换网络应用于深度神经网络的其他位置时,空间变换网络对输入的深度神经网络的特征做尺度变换后能够得到尺度变换后的特征。

    图像特征提取方法和装置

    公开(公告)号:CN106779055A

    公开(公告)日:2017-05-31

    申请号:CN201710018662.5

    申请日:2017-01-10

    CPC classification number: G06N3/0454 G06K9/4671

    Abstract: 本发明提供一种图像特征提取方法和装置,其中,图像特征提取方法包括:获取第一图像的第一深度卷积神经网络CNN特征,第一CNN特征为第一图像在第一尺度时的CNN特征;重采样第一CNN特征得到重采样数据;将重采样数据与第一参数相乘得到第二CNN特征,第二CNN特征为第一图像在第二尺度时的CNN特征。本发明提供的图像特征提取方法和装置,将图像在第一尺度上的第一CNN特征经过重采样并与第一参数相乘后,能够得到图像在第二尺度上的第二CNN特征,减少了图像特征提取的计算量,并且使得空间变换网络应用于深度神经网络的其他位置时,空间变换网络对输入的深度神经网络的特征做尺度变换后能够得到尺度变换后的特征。

    基于移动通信网络中信号强度的定位方法和装置

    公开(公告)号:CN103354660A

    公开(公告)日:2013-10-16

    申请号:CN201310250225.8

    申请日:2013-06-21

    Abstract: 本发明提供一种基于移动通信网络中信号强度的定位方法和装置,通过根据待定位终端的测量信息和信号特征数据库中的各特征信息进行匹配,获得与测量信息相匹配的特征信息,根据相匹配的特征信息确定待定位终端的地理位置信息,实现了对待定位终端的定位,该方法不需要待定位终端新增任何硬件或者软件模块,不受待定位终端的功能限制,因此,可实现对任何待定位终端的定位,应用范围广泛。

Patent Agency Ranking