-
公开(公告)号：CN118840784A
公开(公告)日：2024-10-25
申请号：CN202410886180.1
申请日：2024-07-03
Applicant: 大连海事大学
IPC: G06V40/20 , G06V20/70 , G06V10/80 , G06V10/82 , G06V10/422 , G06V10/54 , G06V10/26 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多尺度注意力融合动态卷积的开放环境步态识别方法，通过开放环境下的待进行步态识别的行人步态视频，获取开放环境下的步态二值轮廓图序列，并将步态二值轮廓图中的像素值归一化，获取预处理后的步态二值轮廓图序列；将其输入所建立的基于多尺度注意力融合动态卷积的开放环境步态识别模型，获取融合动态卷积的多尺度注意力调整后的步态特征图，以获取步态身份特征向量，进而辅助对开放环境下的待进行步态识别的行人进行身份的识别。本发明在步态识别模型构建过程中，将动态卷积融合到多尺度注意力中，能够对开放环境下出现的多种视角、不同穿衣方式、遮挡、携带物品等复杂条件，导致局部特征提取效果较差的情况进行改善，在开放环境下的步态识别准确率有了明显提高。
-
公开(公告)号：CN113672755B
公开(公告)日：2024-03-22
申请号：CN202110887539.3
申请日：2021-08-03
Applicant: 大连海事大学
IPC: G06F16/583 , G06F17/16
Abstract: 本发明提供一种低质量鞋印图像的表示方法及鞋印图像检索方法，其中鞋印图像的表示方法包括：获取待查询图像和鞋印图像数据集；根据待查询图像构建语义滤波器组，基于所述语义滤波器组计算鞋印图像扩展集中各图像的局部相似度，基于所述局部相似度构建内图表示矩阵；基于所述鞋印图像扩展集中各图像间的相似度构建相似度矩阵，由所述相似度矩阵构建邻接矩阵，基于所述邻接矩阵构建扁平邻接图，进而对所述扁平邻接图进行标准化处理后，构建外图表示矩阵；将所述内图表示矩阵和外图表示矩阵进行拼接处理。本发明以鞋图的形式从内部和外部结构关系来表示鞋印图像。增强了鞋印图像的内部语义表达和外部语义表达。
-
公开(公告)号：CN112001292B
公开(公告)日：2024-01-09
申请号：CN202010832348.2
申请日：2020-08-18
Applicant: 大连海事大学
IPC: G06V40/14 , G06F16/51 , G06N3/0464 , G06V10/82 , G06V10/774 , G06V10/52
Abstract: 本发明提供一种基于多尺度注意力机制深度哈希的指静脉索引方法，包括：获取包括指静脉特征数据的训练集；对训练集进行遍历和扩充操作，得到扩充训练集；基于扩充训练集和预先构建的多尺度注意力特征提取模型，提取多尺度注意力机制指静脉深度特征；基于多尺度注意力机制指静脉深度特征和预先构建的分类监督模型、哈希编码模型、检索任务监督模型，进行三重损失函数的协同训练，生成最终的训练模型。本发明主要通过采用神经网络的方法并且加入多尺度注意力机制，相比较于传统的特征提取算法，特征的鲁棒性获得一定的提升，同时，本发明中的模型是端到端的，可以保证哈希编码和特征提取的整体性，编码质量和编码效率得到了保障。
-
公开(公告)号：CN110781852B
公开(公告)日：2023-10-27
申请号：CN201911052150.6
申请日：2019-10-31
Applicant: 大连海事大学
Abstract: 本发明提供一种基于多分辨率特征融合的穿鞋序列足迹识别方法，包括：提取待识别图像单枚鞋印相对压力分布图像；构建二维多分辨率步法能量图和一维多分辨率步法能量图；对单枚足迹二维多分辨率步法能量图二元组提取脚印姿态偏移角；利用分组模型对所述脚印姿态偏移角进行分组；根据分组后子数据库中的同类图像缩小识别范围；计算待识别多分辨率步法能量图与特征库的匹配得分，从而得到基于足迹层次化识别策略的识别结果。本发明对足迹序列分割后进行小波分解构建脚印姿态脚分组模型和多分辨率步法能量图四元组，通过基于四元组的三种特征得分融合及足迹层次化识别策略进行身份识别。
-
公开(公告)号：CN111382703B
公开(公告)日：2023-06-23
申请号：CN202010162093.3
申请日：2020-03-10
Applicant: 大连海事大学
IPC: G06V40/10 , G06V10/74 , G06V10/774 , G06V10/80
Abstract: 本发明提供一种基于二次筛选与分数融合的指静脉识别方法，包括：基于导向滤波的多尺度Retinex方法对指静脉图像I进行预处理，建立指静脉特征库，并生成指静脉识别模型；参数训练建立的指静脉识别模型；指静脉的在线识别。本发明提出的基于导向滤波的多尺度Retinex方法能够有效提高指静脉图像对比度，进而在提取曲率场与二值化时得到更加准确的特征。本发明提出的相似性度量方法复杂度低，明显降低识别时间。同时使用二次筛选作为识别策略，提升识别性能。加入了弹性分数作为相似度度量的一部分，有效解决手指旋转、手指距离摄像头距离过近或过远的问题。使用两种相似性度量方法对指静脉特征进行相似性度量并进行分数的加权融合，提升了匹配精度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN113673585B
公开(公告)日：2023-06-20
申请号：CN202110881065.1
申请日：2021-08-02
Applicant: 大连海事大学
IPC: G06V10/80 , G06T5/00 , G06T7/00 , G06V10/774
Abstract: 本发明提供一种路面破损检测方法，包括：获取待检测路面图像；对所述待检测图像进行基于亮度和对比度调整的扩充处理；输入特征提取网络，获取所述特征提取网络的输出作为特征图像；将所述特征图像输入到多层特征金字塔网络中进行特征融合，最终输出在四种不同尺度下进行特征融合后得到的特征向量；对多层特征金字塔网络输出的置信度得分进行融合处理，进而得到融合后的置信度；将融合后的置信度与设定阈值比较，从而得到预测框位置；根据预测框位置确定路面横向裂缝、纵向裂缝、龟裂、块状裂缝共四种类型破损情况。本发明能够在低对比度背景下对路面上存在的纵向裂痕、横向裂痕、龟裂及块状裂痕四种破损情况进行检测。
-
公开(公告)号：CN112819820B
公开(公告)日：2023-06-16
申请号：CN202110219433.6
申请日：2021-02-26
Applicant: 大连海事大学
Abstract: 本发明提供一种基于机器视觉的路面沥青修补检测方法，包括以下步骤：输入待检测路面图像，将输入的待检测路面图像由彩色转换为灰度图像；计算灰度图像的灰度均值，将灰度均值与预先设定的阈值的比值作为灰度校正系数，并将灰度图像与灰度校正系数相除，获得校正后的图像；对修补类型进行判断；对候选区域进行检测；对块状修补进行检测并进行描述；对条状修补检测并进行描述；将块状修补检测结果图和条状修补检测结果图相加，输出得到最终的修补检测结果。本发明方法无需对数据集进行训练和标注，节省了前期的训练成本，能够即时得到输出图片，加快处理速度，提高了路面检测系统的效率。
-
公开(公告)号：CN113537391A
公开(公告)日：2021-10-22
申请号：CN202110902668.5
申请日：2021-08-06
Applicant: 大连海事大学
Abstract: 本发明提供一种交互式文本语义属性引导的鞋印图像聚类方法。本发明方法主要包括基于内容的鞋印图像聚类以及基于交互式文本语义属性的鞋印图像聚类两部分。其中基于交互式文本语义属性的鞋印图像聚类主要包括：属性定义、属性分类器样本自动选择、样本语义属性的标注、属性分类器在线训练、基于属性分类的类别精细化以及样本增量选择及再聚类等步骤。本发明通过引入交互式文本语义属性进行引导，一是改善了参数对聚类结果的影响，二是通过交互式体现了用户的主观意图，可以得到更加符合人主观评价的结果。
-
公开(公告)号：CN113378714A
公开(公告)日：2021-09-10
申请号：CN202110649824.1
申请日：2021-06-10
Applicant: 大连海事大学
Abstract: 本发明提供一种跨场景不变和类别信息保持的步态表示方法及系统。本发明方法，包括：S1、基于姿态估计方法，从步态序列中提取出关节点；S2、基于提取的所述关节点，不考虑头肩点来代表步态，构建步态表示，并输出源步态表示；S3、基于类别信息保持GAN网络的转换器，将所述源步态表示转换为规定的场景表示，生成规范化的目标步态表示；S4、使用生成的所述目标步态表示和经过训练的分类器来识别人，得到最终的识别结果。本发明设计了一种跨场景不变的步态表示方法，即PoEM，同时设计了一种可以实现类别信息保持的对抗网络结构，两者构成的系统可以解决跨场景条件下的步态识别困难的问题。
-
公开(公告)号：CN113012124A
公开(公告)日：2021-06-22
申请号：CN202110277363.X
申请日：2021-03-15
Applicant: 大连海事大学
Abstract: 本发明公开了一种鞋印孔洞和嵌入物特征检测及描述方法，包括：获取鞋印孔洞候选集并提取其属性信息；遍历孔洞候选集、基于几何和灰度属性进行孔洞区域筛选获得候选区域集合；以长轴、短轴、偏心率、面积为特征基于欧式距离构建相似度矩阵，采用改进生长规则后的种子生长算法对精确候选区域集合进行种子生长获取孔洞特征的生长区域；基于多尺度差分高斯获取候选嵌入物特征点集；遍历所有的候选嵌入物特征点集，通过将灰度均值与其阈值比较获得筛选后的嵌入物特征初始区域，通过对该嵌入物特征区域进行纹理一致性筛选并基于最大极值稳定区域从而确定精准嵌入物区域；采用水平集算法对精准嵌入物区域进行边界描述。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.027 seconds)
