-
公开(公告)号：CN111079539B
公开(公告)日：2023-03-21
申请号：CN201911130940.1
申请日：2019-11-19
Applicant: 华南理工大学
IPC: G06V40/20 , G06V20/40 , G06V10/764
Abstract: 本发明公开了一种基于异常追踪的视频异常行为检测方法，包括以下步骤：S1、视频异常检测与追踪模型的设计；S2、对视频提取前景块，再输入到卷积自编码器中编码再解码输出重构视频块，并训练卷积自编码器能学习到时空特征；S3、将时空特征用局部敏感哈希函数映射到不同的桶中，训练一对多支持向量机分类器；S4、利用分类器对测试视频块分类，将多个分类器的最高得分取负作为异常得分，设置阈值初步检测视频中的异常块；S5、用核相关滤波跟踪方法跟踪初步检测得到的异常块，对异常目标的区域进行矫正。本发明通过跟踪初步检测得到的异常块，纠正异常目标的位置，并对根据异常目标路径块得到的异常目标得分曲线平滑，去除噪声的影响，提高检测的精度。
-
公开(公告)号：CN112818915A
公开(公告)日：2021-05-18
申请号：CN202110207575.0
申请日：2021-02-25
Abstract: 本发明公开了一种基于3DMM软生物特征的深度伪造视频检测方法及系统，该方法包括下述步骤：视频预处理，选取人脸图像帧并输入至3DMM模型提取得到形状、纹理、表情与姿态四种特征向量；构建面部行为特征提取网络，提取人物特定面部行为特征；构建度量学习损失函数，训练面部行为特征提取网络；构建外貌特征提取模块；基于人物身份信息构建面部行为特征参考集和外貌特征参考集；提取待检测人物视频的面部行为特征与外貌特征，与参考集特征向量进行相似度匹配；设定外貌特征相似度阈值，并利用特征匹配一致性进行真假分类。本发明利用软生物特征对深度伪造视频进行检测，适用于特定重要人物，具有较高的检测准确度。
-
公开(公告)号：CN109919032B
公开(公告)日：2021-03-30
申请号：CN201910098962.8
申请日：2019-01-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于动作预测的视频异常行为检测方法，具体步骤包括：设计对抗生成网络模型，所设计的对抗生成网络模型包括生成器和判别器；搭建生成器的编码部分；搭建生成器的解码部分；搭建判别器；训练对抗生成网络模型的生成器和判别器；根据得到的最佳生成器网络，对视频中发生的异常事件进行检测。本发明通过利用一部分正常行为的视频统计其生成误差，根据不同场景以及时间变化动态生成异常检出阈值，能够应用于更多不同的场景，增加鲁棒性。
-
公开(公告)号：CN108545577B
公开(公告)日：2020-02-18
申请号：CN201810298594.7
申请日：2018-04-04
Abstract: 本发明公开了一种斜挂式可调节轮椅升降平台，包括移动导轨、安装板、控制操作平台、轮椅平台、蓄电池、动力系统和设备电路，所述安装板安装于移动导轨，所述控制操作平台和蓄电池均安装于安装板的正面，所述轮椅平台与控制操作平台连接，所述动力系统和设备电路均与控制操作平台连接，所述蓄电池与设备电路连接；还包括非晶硅薄膜制成的发电板和非晶硅薄膜制成的卷材发电电池，所述发电板通过外框安装于安装板的背面，所述卷材发电电池通过卷拉筒机构安装于轮椅平台的背面，且所述发电板和卷材发电电池和蓄电池均通过相应的电池电路与设备电路连接。本发明可减慢老化速度，减少安全隐患，且能源转化效能高。
-
公开(公告)号：CN107767413A
公开(公告)日：2018-03-06
申请号：CN201710850577.5
申请日：2017-09-20
Applicant: 华南理工大学
IPC: G06T7/50
Abstract: 本发明公开了一种基于卷积神经网络的图像深度估计方法，包括以下步骤：搭建卷积-反卷积对神经网络模型，所述卷积-反卷积对神经网络模型包括多个不同的卷积层、多个卷积-反卷积层对和激活层；选取训练集，并设置卷积-反卷积对神经网络模型的训练参数；根据卷积-反卷积对神经网络模型及其训练参数，以最小化损失函数为目标训练卷积-反卷积对神经网络模型形成图像深度估计神经网络模型；将待处理的图像输入到图像深度估计神经网络模型，输出对应的深度图。利用本发明的基于卷积-反卷积对神经网络的图像深度估计方法获得的深度图灰度值较精确，深度图层次感更强。
-
Patent Agency Ranking
公开(公告)号：CN114663986A
公开(公告)日：2022-06-24
申请号：CN202210329816.3
申请日：2022-03-31
Applicant: 华南理工大学
IPC: G06V40/40 , G06V40/16 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于双解耦生成和半监督学习的活体检测方法及系统，该方法步骤包括：数据预处理得到RGB颜色通道图原始样本，并配对相同身份得到真假图像对；真人编码器输出真人身份向量，假体编码器输出假体身份向量和假体模式向量，三者合并送入解码器得到重建真假图像对，构建双解耦生成损失函数，噪声送到训练好的解码器得到生成样本；对原始样本和生成样本构造有标签样本、无标签样本、增强后无标签样本，三者送入教师学习模块得到教师半监督损失、无标签样本的伪标签、增强后无标签损失，更新检测器和教师网络参数；利用验证集确定阈值；加载测试数据到检测器得到分类分数，根据阈值判决分类结果。本发明能够提高活体检测模型的鲁棒性。
-
公开(公告)号：CN114529441A
公开(公告)日：2022-05-24
申请号：CN202210061192.1
申请日：2022-01-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种图像频域数字水印方法、系统、装置及介质，其中方法包括：设计图像频域数字水印的嵌入与提取模型；将载体图片和水印输入水印嵌入提取自编码器后，得到带水印的第一图片，将第一图片随机加入噪声攻击后，再输入到水印嵌入提取自编码器的解码器中，得到粗提取水印；将第一图片随机选择裁剪攻击或不进行攻击，得到第二图片和标准置信度图，将第二图片输入到注意力得分器，输出注意力置信度图；将粗提取水印和注意力置信度图，在二维平面上逐像素相乘进行修正，得到最终的水印。本发明通过注意力得分器对待提取水印的图片进行分析，减少无水印部分对真正带水印部分的影响，得到更好的提取准确率，可广泛应用于信息安全技术领域。
-
公开(公告)号：CN114418524A
公开(公告)日：2022-04-29
申请号：CN202111584068.5
申请日：2021-12-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于微服务的境外旅程规划平台，包括：表现层，用于兼容浏览器和展示境外旅程规划平台的各功能界面；网关层，用于为境外旅程规划平台包含的各种服务功能提供统一入口，并在境外旅程规划平台运行过程中，对境外旅程规划平台进行运行监控、授权、系统安全保护和资源调度；业务层，用于为境外旅程规划平台提供基础系统功能服务和业务系统功能服务；数据层，用于存储境外旅程规划平台运行过程中产生的业务数据、图片视频及文件数据、日志数据；表现层和数据层完全分离，通过跨域实现前端数据和后端数据之间的通信。本发明为境外留学人员与自主出境游旅客提供了沟通的平台，有效提高了旅程规划的效率，可广泛应用于在线旅游服务领域。
-
公开(公告)号：CN114217991A
公开(公告)日：2022-03-22
申请号：CN202111537085.3
申请日：2021-12-15
Applicant: 华南理工大学
IPC: G06F9/54 , G06F8/71 , G06F16/33 , G06F40/186 , G06F40/151 , G06F16/2455 , G06F16/28 , G06F16/182 , G06Q50/12 , G06Q50/14
Abstract: 本发明提出了一种旅程规划与游记社交管理平台系统及其使用方法，包括旅程规划系统、游记社交系统、用于提升系统性能的中间件以及微服务组件；微服务组件包括终端设备、代理服务器、网关、注册中心服务器、服务中心集群、存储设备；上述各个设备之间通过微服务的方式进行部署。本发明还公开了其使用方法，包括步骤1：旅客(2)与导游(1)使用任意交互工具(3)讨论旅程细节；步骤2：导游(1)根据讨论结果在旅程规划系统(5)中根据标准化模板输入内容，以编写旅程规划；步骤3：服务中心集群将最新的旅游规划版本推送到旅客(2)的客户端；步骤4：若导游(1)与旅客(2)双方均对当前旅程规划满意，则结束；反之，重复执行步骤1‑4。
-
公开(公告)号：CN112581345A
公开(公告)日：2021-03-30
申请号：CN202011399464.6
申请日：2020-12-04
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于图像块的图像隐写分析方法、系统、装置及介质，其中方法包括以下步骤：获取待检测图像；采用训练好的图像隐写分析模型对所述待检测图像进行隐写分析，根据所述图像隐写分析模型的输出判定所述待检测图像是否为载密图像；所述图像隐写分析模型包括主干网络和支线网络，所述主干网络用于提取图像隐写分析特征并进行图像的隐写分析，所述支线网络用于提取图像块隐写分析特征并进行图像块的隐写分析。本发明采用多任务学习的思想，将图像隐写分析模型分为主干网络和支线网络两部分，消除一定的像素点修改位置的不确定性，可广泛应用于图像信号处理、图像隐写分析领域。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.022 seconds)
