-
公开(公告)号：CN111723759A
公开(公告)日：2020-09-29
申请号：CN202010599329.X
申请日：2020-06-28
Applicant: 南京工程学院
IPC: G06K9/00
Abstract: 基于加权张量稀疏图映射的非约束人脸识别方法，涉及人脸识别方法的技术领域。在稀疏图构建阶段，将训练样本(图像)用二阶张量表示，构建监督超完备张量字典，优化求解样本的同类稀疏重构系数；自适应构建更准确的张量稀疏近邻图。在双边低维投影阶段，利用样本全局分布中隐含的鉴别信息获取的低维张量子空间分布。采用最优WTSGE双边投影矩阵U和V对待测样本y进行低维映射yWTSGE＝UTyV，用低维训练样本DWTSGE＝UTXV训练分类器，实现非约束人脸的准确身份鉴别。本发明充分考虑非约束人脸图像数据的复杂性，用稀疏表示技术自适应获取高维张量数据的近邻分布图，有效提取出高度扭曲的非约束人脸数据的低维流形本质结构，大大提高了非约束人脸识别的准确性。
-
公开(公告)号：CN111523461A
公开(公告)日：2020-08-11
申请号：CN202010324539.8
申请日：2020-04-22
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于增强CNN和跨层LSTM的表情识别系统与方法，系统包括特征增强CNN模块、跨层LSTM模块和全连接层，特征增强CNN模块与跨层LSTM模块级联进行端到端训练；特征增强CNN模块在骨干CNN网络的中间层引出一条特征增强支路，并将特征增强支路的输出与骨干CNN网络的输出融合；跨层LSTM模块在至少两层LSTM网络级联的基础上，将特征增强CNN模块的输出输入到第一层LSTM网络，同时将特征增强CNN模块的输出跨接到后层LSTM网络的输入端。本发明有助于获取准确的视频序列表情时间信息，有效提高非约束人脸表情识别的准确率，在人机交互、智慧教育、病人监护等领域具有广大应用前景。
-
公开(公告)号：CN111723759B
公开(公告)日：2023-05-02
申请号：CN202010599329.X
申请日：2020-06-28
Applicant: 南京工程学院
IPC: G06V40/16
Abstract: 基于加权张量稀疏图映射的非约束人脸识别方法，涉及人脸识别方法的技术领域。在稀疏图构建阶段，将训练样本(图像)用二阶张量表示，构建监督超完备张量字典，优化求解样本的同类稀疏重构系数；自适应构建更准确的张量稀疏近邻图。在双边低维投影阶段，利用样本全局分布中隐含的鉴别信息获取的低维张量子空间分布。采用最优WTSGE双边投影矩阵U和V对待测样本y进行低维映射yWTSGE＝UTyV，用低维训练样本DWTSGE＝UTXV训练分类器，实现非约束人脸的准确身份鉴别。本发明充分考虑非约束人脸图像数据的复杂性，用稀疏表示技术自适应获取高维张量数据的近邻分布图，有效提取出高度扭曲的非约束人脸数据的低维流形本质结构，大大提高了非约束人脸识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112541424A
公开(公告)日：2021-03-23
申请号：CN202011427824.9
申请日：2020-12-07
Applicant: 南京工程学院
Abstract: 复杂环境下行人跌倒的实时检测方法，涉及行人状态监测的检测方法。包括如下步骤：对采集的视频进行预处理，将视频流的每一帧转化为图片，并进行归一化处理；行人检测，根据行人与摄像头之间距离变化调整检测框大小；目标跟踪，采用sort算法进行目标跟踪、特征提取、相似度计算；通过卡尔曼滤波器预测当前位置，利用匈牙利算法关联检测框和目标位置；跌倒判断，判断目标区域中行人是否跌倒，当行人站立时，行人长宽比小于等于0.4，当行人跌倒的瞬间，长宽比增加至0.7至1.2。本发明旨在解决行人跌倒检测判断任务中存在的一些问题，构建一个结构简单清晰，应用场景多样的，高精度和高鲁棒性的行人跌倒实时检测方法。
-
公开(公告)号：CN111783615A
公开(公告)日：2020-10-16
申请号：CN202010599046.5
申请日：2020-06-28
Applicant: 南京工程学院
IPC: G06K9/00
Abstract: 基于加权块张量稀疏图映射的非约束人脸识别方法，涉及人脸识别方法的技术领域。先将原始样本图像分成B个块，每个图像块用二阶张量表示，引入类别标签，构建监督超完备的块张量字典；再在正则约束求解块样本的同类稀疏重构系数的基础上，增加类内紧凑度约束和权值约束，以距离权值进一步表征同类块样本间的类内差异，在块样本张量空间自适应构建更准确的稀疏近邻图；最后对块样本进行双边低维投影，引入全局约束因子，得到双边低维投影矩阵。本发明充分考虑非约束人脸图像数据的复杂性，用稀疏表示技术自适应获取高维张量数据的近邻分布图，有效提取出高度扭曲的非约束人脸数据的低维流形本质结构，大大提高了非约束人脸识别的准确性。
-
公开(公告)号：CN111523462B
公开(公告)日：2024-02-09
申请号：CN202010324540.0
申请日：2020-04-22
Applicant: 南京工程学院
IPC: G06V40/16 , G06V10/764 , G06V10/30 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/082
Abstract: 本发明公开了一种基于自注意增强CNN的视频序列表情识别系统及方法，系统包括特征增强CNN模块、自注意力机制模块和全连接层；视频序列输入特征增强CNN模块，特征增强CNN模块输出的特征向量输入自注意力机制模块，自注意力机制模块输出的特征向量输入全连接层，全连接层将特征向量映射到样本标记空间中实现分类；特征增强CNN模块在骨干网络中增加若干卷积层，在骨干网络的中间层引出特征增强支路，并将特征增强支路的输出与骨干网络的输出融合，将网络中的全连接层替换为全局平局池化层。本发明提出的系统的复杂度更低，可有效提高视频序列表情识别的准确率，在人机交互、智慧教育、病人监护等领域具有广大应用前景。
-
公开(公告)号：CN111783615B
公开(公告)日：2023-08-22
申请号：CN202010599046.5
申请日：2020-06-28
Applicant: 南京工程学院
IPC: G06V40/16
Abstract: 基于加权块张量稀疏图映射的非约束人脸识别方法，涉及人脸识别方法的技术领域。先将原始样本图像分成B个块，每个图像块用二阶张量表示，引入类别标签，构建监督超完备的块张量字典；再在正则约束求解块样本的同类稀疏重构系数的基础上，增加类内紧凑度约束和权值约束，以距离权值进一步表征同类块样本间的类内差异，在块样本张量空间自适应构建更准确的稀疏近邻图；最后对块样本进行双边低维投影，引入全局约束因子，得到双边低维投影矩阵。本发明充分考虑非约束人脸图像数据的复杂性，用稀疏表示技术自适应获取高维张量数据的近邻分布图，有效提取出高度扭曲的非约束人脸数据的低维流形本质结构，大大提高了非约束人脸识别的准确性。
-
公开(公告)号：CN111523462A
公开(公告)日：2020-08-11
申请号：CN202010324540.0
申请日：2020-04-22
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于自注意增强CNN的视频序列表情识别系统及方法，系统包括特征增强CNN模块、自注意力机制模块和全连接层；视频序列输入特征增强CNN模块，特征增强CNN模块输出的特征向量输入自注意力机制模块，自注意力机制模块输出的特征向量输入全连接层，全连接层将特征向量映射到样本标记空间中实现分类；特征增强CNN模块在骨干网络中增加若干卷积层，在骨干网络的中间层引出特征增强支路，并将特征增强支路的输出与骨干网络的输出融合，将网络中的全连接层替换为全局平局池化层。本发明提出的系统的复杂度更低，可有效提高视频序列表情识别的准确率，在人机交互、智慧教育、病人监护等领域具有广大应用前景。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
