-
公开(公告)号:CN109684964A
公开(公告)日:2019-04-26
申请号:CN201811538898.2
申请日:2018-12-17
Applicant: 华北理工大学
CPC classification number: G06K9/00281 , G06K9/00288 , G06K9/4614 , G06K9/4671 , G06K9/6267 , G06N3/0445 , G06N3/0454 , G06N3/088 , G06T7/11 , G06T2207/20081 , G06T2207/20084 , G06T2207/30201
Abstract: 本发明针对尺度不变特征变换(SIFT)算法在特征提取过程中矩形区域对旋转变化和比例变化性能的局限性、特征向量维数过大以及匹配率低下等问题,提出一种基于区域分割Haar-SIFT深度信念网络算法模型。首先,对SIFT算法进行改进,利用haar小波特征确定主方向、描述特征向量,利用圆形区域比矩形区域具有更好的旋转不变性,在圆形区域上进行区域分割,建立32维特征向量;然后,采用无监督逐层训练,并用有监督的BP网络进行微调,实现网络的自学习和自优化;最后,利用深度信念网络进行分类,识别人脸图像。将该算法应用到ORL和FERET人脸库上,实验结果表明,在光照、模糊、旋转、姿态等因素的影响下,有效地提高了人脸识别效果以及匹配速率。
-
公开(公告)号:CN109887005A
公开(公告)日:2019-06-14
申请号:CN201910140403.9
申请日:2019-02-26
Applicant: 华北理工大学
Abstract: 本发明涉及一种基于视觉注意机制的TLD目标跟踪算法,属于人工智能技术领域。本发明以原TLD目标跟踪算法为基础,对TLD的检测模块进行视觉注意机制的显著区域提取能够排除非显著区域的干扰,通过视觉显著性可有效筛选显著信息,形成视觉显著图,再对显著图进行分类,再对TLD算法的检测模块进一步优化,集成分类器建立目标模型和背景模型,再将集成分类器的输出作为最近邻分类器的输入,筛选出相似样本。本发明在外界环境干扰下稳定性较好,在目标发生遮挡和快速转转时,视觉注意机制对目标特征实时更新,表现出良好性能。
-
公开(公告)号:CN109002887A
公开(公告)日:2018-12-14
申请号:CN201810907394.7
申请日:2018-08-10
Applicant: 华北理工大学
CPC classification number: G06N3/06
Abstract: 本发明涉及一种生物启发式好奇心认知发育系统及其运行方法,属于智能机器人技术领域。生物启发式好奇心认知发育系统通过模拟大脑中基底神经节、扣带皮层的协调机制以及持续多巴胺的调节机制来构建,包括感知部分、评价部分、行为部分、价值衰减部分、好奇心部分、持续多巴胺调节部分。本发明提供的物启发式好奇心认知发育系统,以神经网络为基础,解决了机器人在未知环境中自主探索性差的问题,其次引入价值衰减机制,可以使学过的知识持续影响机器人的后续学习进程,使机器人可以快速的达到目标,解决了传统强化学习学习效率低的问题。
-
-