公开(公告)号：CN106022214B

公开(公告)日：2019-10-08

申请号：CN201610290463.5

申请日：2016-05-04

Applicant: 南京工程学院

Inventor： 童莹 ,  严郁 ,  黄维 ,  曹雪虹

IPC: G06K9/00

Abstract: 本发明提供一种非约束环境下的有效人脸特征提取方法，首先，构造多尺度主方向旋转梯度模板，包括3*3和5*5两个尺度的主方向旋转梯度模板；然后，对人脸图像中生物视觉ROI区域即感兴趣区域进行关键点标记，得到3*3尺度、5*5尺度的主方向旋转HOG特征，将k‑PDR‑HOG‑3和k‑PDR‑HOG‑5两个特征级联融合，得到最终的基于关键点的多尺度主方向旋转HOG特征。相比于原始的HOG算法，本发明构造的多尺度主方向旋转梯度模板在非约束环境下可以提取更为丰富全面的人脸特征，k‑MSPDR‑HOG特征具有强鲁棒性和高准确性。

公开(公告)号：CN106022214A

公开(公告)日：2016-10-12

申请号：CN201610290463.5

申请日：2016-05-04

Applicant: 南京工程学院

Inventor： 童莹 ,  严郁 ,  黄维 ,  曹雪虹

IPC: G06K9/00

Abstract: 本发明提供一种非约束环境下的有效人脸特征提取方法，首先，构造多尺度主方向旋转梯度模板，包括3*3和5*5两个尺度的主方向旋转梯度模板；然后，对人脸图像中生物视觉ROI区域即感兴趣区域进行关键点标记，得到3*3尺度、5*5尺度的主方向旋转HOG特征，将k‑PDR‑HOG‑3和k‑PDR‑HOG‑5两个特征级联融合，得到最终的基于关键点的多尺度主方向旋转HOG特征。相比于原始的HOG算法，本发明构造的多尺度主方向旋转梯度模板在非约束环境下可以提取更为丰富全面的人脸特征，k‑MSPDR‑HOG特征具有强鲁棒性和高准确性。

公开(公告)号：CN105426913A

公开(公告)日：2016-03-23

申请号：CN201510785867.7

申请日：2015-11-16

Applicant: 南京工程学院

Inventor： 童莹 ,  黄维 ,  曹雪虹

IPC: G06K9/62

CPC classification number: G06K9/6227 ,  G06K9/6268

Abstract: 本发明实施例公开了一种高斯过程多分类器的构造方法及装置，涉及电子信息技术领域，能够减少分类过程的耗时并避免训练均衡性较差问题。本发明的方法包括：将训练样本两两组合，并对每种组合通过高斯过程二分类算法进行训练，并得到高斯二分类器，其中，每种组合包括两个训练样本，且对应一个高斯二分类器；运行得到的所有高斯二分类器，依次对测试样本进行分类判定；在所判定出的所有类别中，提取测试样本的类别结果，其中，判定出测试样本的类别结果的高斯二分类器的数量，大于判定出其他类别的高斯二分类器的数量。本发明适用于高斯分类器的训练和测试。