-
公开(公告)号：CN109034062B
公开(公告)日：2023-05-16
申请号：CN201810835198.3
申请日：2018-07-26
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V20/40 , G06V10/82 , G06V10/764 , G06N3/0895
Abstract: 本发明公开了一种基于时序一致性的弱监督异常行为检测方法，包括步骤：构建一个行为检测系统，导入一行为视频对到所述行为检测系统，处理后形成一个由所述行为视频对构建的时序矩阵；基于人类行为的时态一致性和平滑特征性处理行为视频对，形成一个行为单元对，获得相关行为片段，并定位行为片段中相关异常动作类的开始帧和结束帧；基于弱监督对获取得到的行为片段进行学习，得到可判断各种行为特征的操作分类器；基于字典学习和求解稀疏编码重建操作分类器中判断行为特征的检测标准，形成新的检测各种异常行为类的行为判断逻辑。本发明提供的弱监督异常行为检测方法很容易学习相关行为分类的特征，而不用手动标注帧的边界建立相关的行为模型。
-
公开(公告)号：CN108229505B
公开(公告)日：2022-02-18
申请号：CN201810112205.7
申请日：2018-02-05
Applicant: 南京邮电大学
IPC: G06V10/50 , G06V10/772 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于FISHER多级字典学习的图像分类方法，包括步骤：构建一个图像分类系统，导入样本图像，利用超完备字典上的稀疏表示矩阵对每个样本图像进行初步的适当分类；将上述经过超完备字典分类的图像基于FISHER多级字典进行不同层级上的学习，获得每个类别图像的具体信息和共同信息；使用FISHER判别准则的判别式对不同层级上字典的区分能力进行增强，形成最佳的图像分类判别标准；本发明提供的基于FISHER多级字典学习的图像分类方法可以更好地捕捉各种图像相较于其他图像最具有区别性的特征，以及各图像自身具备的最独特的特性，提升了分辨效率和准确率。
-
公开(公告)号：CN108229505A
公开(公告)日：2018-06-29
申请号：CN201810112205.7
申请日：2018-02-05
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于FISHER多级字典学习的图像分类方法，包括步骤：构建一个图像分类系统，导入样本图像，利用超完备字典上的稀疏表示矩阵对每个样本图像进行初步的适当分类；将上述经过超完备字典分类的图像基于FISHER多级字典进行不同层级上的学习，获得每个类别图像的具体信息和共同信息；使用FISHER判别准则的判别式对不同层级上字典的区分能力进行增强，形成最佳的图像分类判别标准；本发明提供的基于FISHER多级字典学习的图像分类方法可以更好地捕捉各种图像相较于其他图像最具有区别性的特征，以及各图像自身具备的最独特的特性，提升了分辨效率和准确率。
-
公开(公告)号：CN109034062A
公开(公告)日：2018-12-18
申请号：CN201810835198.3
申请日：2018-07-26
Applicant: 南京邮电大学
IPC: G06K9/00
CPC classification number: G06K9/00718 , G06K9/00758 , G06K9/00765 , G06K2009/00738
Abstract: 本发明公开了一种基于时序一致性的弱监督异常行为检测方法，包括步骤：构建一个行为检测系统，导入一行为视频对到所述行为检测系统，处理后形成一个由所述行为视频对构建的时序矩阵；基于人类行为的时态一致性和平滑特征性处理行为视频对，形成一个行为单元对，获得相关行为片段，并定位行为片段中相关异常动作类的开始帧和结束帧；基于弱监督对获取得到的行为片段进行学习，得到可判断各种行为特征的操作分类器；基于字典学习和求解稀疏编码重建操作分类器中判断行为特征的检测标准，形成新的检测各种异常行为类的行为判断逻辑。本发明提供的弱监督异常行为检测方法很容易学习相关行为分类的特征，而不用手动标注帧的边界建立相关的行为模型。
-
-
-
Search Results
4
records
(took 0.015 seconds)
