-
公开(公告)号：CN112215831B
公开(公告)日：2022-08-26
申请号：CN202011133726.4
申请日：2020-10-21
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06T7/00 , G06T7/13 , G06V40/16 , G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明给出了一种用于人脸图像质量的评价方法和系统，包括获取模糊图像与待分析人脸图像的相邻像素灰度值的变化值；获取待分析人脸图像中的人脸边界，根据人脸边界获取人脸中心点在待分析人脸图像中的坐标信息以及人脸图像的长和宽，利用坐标信息分别计算获得人脸中心点与待分析人脸图像的中心以及鼻尖与人脸边界的中心点的偏移度、眼睛、嘴角的倾斜度、脸部左右对称度；将上述数据归一化后作为训练数据输入机器学习模型；通过监督学习算法对训练数据进行非线性拟合，利用网格搜索法对机器学习模型进行选择以及参数调优，获取最终人脸图像质量的分析模型。本发明对人眼评价结果有良好的拟合性，能适用于各种硬件平台且耗时少能确保系统实时性。
-
公开(公告)号：CN109543641B
公开(公告)日：2021-01-26
申请号：CN201811451031.3
申请日：2018-11-30
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及一种实时视频的多目标去重方法、终端设备及存储介质，在该方法中，包括以下步骤：S100：根据当前时刻的视频帧画面，提取画面内各目标的图片；S200：根据各目标的图片，得到对应的结构化信息数据：目标图像特征向量、追踪信息和图像质量评分；S300：设定当前时刻之前的各目标的结构化信息数据的集合为目标集，根据目标的结构化信息数据进行聚类，将当前时刻各目标的结构化信息数据添加至目标集中，使得目标集中不同时刻的同一目标仅出现一次，且出现的目标为相对质量最好的目标。本发明通过聚类实现目标检测的输出结果，对于相同物体的图片最终只会输出一张，大大减少了系统的冗余工作，且一定范围地降低了检测的误判率，提高鲁棒性。
-
公开(公告)号：CN109543641A
公开(公告)日：2019-03-29
申请号：CN201811451031.3
申请日：2018-11-30
Applicant: 厦门市美亚柏科信息股份有限公司
CPC classification number: G06K9/00664 , G06K9/6218
Abstract: 本发明涉及一种实时视频的多目标去重方法、终端设备及存储介质，在该方法中，包括以下步骤：S100：根据当前时刻的视频帧画面，提取画面内各目标的图片；S200：根据各目标的图片，得到对应的结构化信息数据：目标图像特征向量、追踪信息和图像质量评分；S300：设定当前时刻之前的各目标的结构化信息数据的集合为目标集，根据目标的结构化信息数据进行聚类，将当前时刻各目标的结构化信息数据添加至目标集中，使得目标集中不同时刻的同一目标仅出现一次，且出现的目标为相对质量最好的目标。本发明通过聚类实现目标检测的输出结果，对于相同物体的图片最终只会输出一张，大大减少了系统的冗余工作，且一定范围地降低了检测的误判率，提高鲁棒性。
-
公开(公告)号：CN107944427A
公开(公告)日：2018-04-20
申请号：CN201711337096.0
申请日：2017-12-14
Applicant: 厦门市美亚柏科信息股份有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种动态人脸识别方法及计算机可读存储介质，方法包括：根据预设的采样率，依次从动态视频流中获取一帧静态图片；对所述一帧静态图片进行人脸检测，得到人脸图片集；获取所述人脸图片集中各人脸图片的关键信息；根据所述关键信息，通过相似度算法对各人脸图片进行匹配分类，得到各人脸图片对应的各人脸类型，并根据人脸图片的关键信息，构建或更新对应的人脸类型的结构化信息；根据结构化信息，对各人脸类型进行筛选，得到人脸集合。本发明可快速有效地识别出视频中的所有人脸，且可保证正识率和实时性。
-
公开(公告)号：CN114266997A
公开(公告)日：2022-04-01
申请号：CN202111591869.4
申请日：2021-12-23
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明公开一种视频动作识别模型的训练方法、装置、计算设备及存储介质，该方法包括：按预设的采样策略对样本视频进行采样，得到至少两个图片序列，每个所述图片序列包括从所述样本视频采集的按时序排列的多帧图片；通过R(2+1)D网络对所述图片序列进行特征提取，得到所述样本视频的视频序列特征；将所述视频序列特征输入多标签分类模块进行处理得到视频动作分类结果，并基于所述视频动作分类结果计算损失函数；根据所述损失函数的计算结果调整所述R(2+1)D网络和多标签分类模块，得到目标视频动作识别模型。根据本发明实施例可以有效解决动作识别任务同一输入视频多个类别同时出现导致难以归类的问题，而且对较长的视频输入也可以有效识别。
-
Patent Agency Ranking
公开(公告)号：CN111428642A
公开(公告)日：2020-07-17
申请号：CN202010213267.4
申请日：2020-03-24
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明涉及计算机视觉研究领域。本发明公开了一种多目标跟踪算法，包括以下步骤：S1，利用目标检测算法检测一个或多个目标的当前帧位置信息；S2，利用KCF跟踪器预测该一个或多个目标的下一帧的预测位置信息；S3，通过IOU对预测位置信息进行过滤，然后将过滤后的预测位置信息传入deepsort网络进行跟踪；S4，对于成功跟踪到的目标，更新其对应的deepsort网络，同时更新KCF跟踪器，反之，则进行判断。本发明的多目标跟踪算法不仅可以有效地消除当前目标检测算法存在漏检的情形，同时提高了目标跟踪算法的跟踪效果。
-
公开(公告)号：CN111563438B
公开(公告)日：2022-08-12
申请号：CN202010351089.1
申请日：2020-04-28
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明公开了一种用于视频结构化的目标排重方法和装置，通过目标检测算法检测视频中当前帧所具有的目标的第一位置信息；将第一位置信息输入deepsort网络并与deepsort网络中的卡尔曼跟踪器进行第一次匹配，获得第一次匹配结果；根据第一次匹配结果对卡尔曼跟踪器或第一位置信息进行处理，其中对于第一次未被匹配上的卡尔曼跟踪器所对应的目标通过KCF跟踪器预测得到对应的目标的第二位置信息；将第二位置信息与第一次未被匹配上的卡尔曼跟踪器进行第二次匹配，获得第二次匹配结果；以及根据第二次匹配结果对第一次未被匹配上的卡尔曼跟踪器和第二位置信息进行处理，得到目标排重后的位置信息。通过本发明可以对目标进行跟踪，有效提高算法的性能，提高计算速度。
-
公开(公告)号：CN111784660B
公开(公告)日：2022-07-15
申请号：CN202010605634.5
申请日：2020-06-29
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种用于人脸图像的正脸程度的分析方法和系统，包括获取待分析人脸图像中的人脸边界，并根据人脸边界获取人脸中心点在待分析人脸图像中的坐标信息；利用人脸中心点的坐标信息分别获取待分析人脸图像中眼睛、鼻尖和嘴角在待分析人脸图像中的坐标信息；利用坐标信息分别计算获得人脸中心点与待分析人脸图像的中心以及鼻尖与人脸边界的中心点的偏移度、眼睛、嘴角的倾斜度、脸部左右对称度的分值，加权求和获得待分析人脸图像的正脸程度分值Ffront。该方法能给出当前人脸正脸程度得分的置信程度，将其加入人脸质量评价体系中将大大提高评价准确性，适用于各种硬件平台且耗时少，可以确保系统实时性。
-
公开(公告)号：CN111784658B
公开(公告)日：2022-07-01
申请号：CN202010604622.0
申请日：2020-06-29
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明给出了一种用于人脸图像的质量分析方法和系统，包括对待分析人脸图像进行低通滤波处理获取模糊图像，获取待分析人脸图像的清晰度分值Fdefinition；根据人脸边界获取人脸中心点的坐标信息；利用人脸中心点的坐标信息分别获取待分析人脸图像中眼睛、鼻尖和嘴角在待分析人脸图像中的坐标信息；计算获得人脸中心点与待分析人脸图像的中心以及鼻尖与人脸边界的中心点的偏移度、眼睛、嘴角的倾斜度、脸部左右对称度的分值，加权求和获得待分析人脸图像的正脸程度分值Ffront；利用待分析人脸图像的尺寸计算的人脸大小分值Fsize；加权求和获得待分析人脸图像的综合分值。该方法能够定量评价人脸图像质量且对于硬件平台适配性高，可以实时获取人脸图像质量。
-
公开(公告)号：CN111563438A
公开(公告)日：2020-08-21
申请号：CN202010351089.1
申请日：2020-04-28
Applicant: 厦门市美亚柏科信息股份有限公司
Abstract: 本发明公开了一种用于视频结构化的目标排重方法和装置，通过目标检测算法检测视频中当前帧所具有的目标的第一位置信息；将第一位置信息输入deepsort网络并与deepsort网络中的卡尔曼跟踪器进行第一次匹配，获得第一次匹配结果；根据第一次匹配结果对卡尔曼跟踪器或第一位置信息进行处理，其中对于第一次未被匹配上的卡尔曼跟踪器所对应的目标通过KCF跟踪器预测得到对应的目标的第二位置信息；将第二位置信息与第一次未被匹配上的卡尔曼跟踪器进行第二次匹配，获得第二次匹配结果；以及根据第二次匹配结果对第一次未被匹配上的卡尔曼跟踪器和第二位置信息进行处理，得到目标排重后的位置信息。通过本发明可以对目标进行跟踪，有效提高算法的性能，提高计算速度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.032 seconds)
