-
公开(公告)号：CN110415172B
公开(公告)日：2023-03-17
申请号：CN201910618147.X
申请日：2019-07-10
IPC: G06T3/40
Abstract: 本发明公开了一种面向混合分辨率码流中人脸区域的超分辨率重建方法，包括基于视频编码的码流信息的高分辨率参考人脸生成，根据I帧中高分辨率人脸区域生成P帧低分辨率人脸区域的高清参考图像；基于人脸特征保持约束的卷积神经网络构建；基于人脸特征保持约束的卷积神经网络训练与测试，并使用训练好的网络实现低分辨率人脸图像的超分辨率重建。本发明基于视频编码的码流信息构建高分辨率参考图像，以高分辨率参考图像与超分辨率重建高清人脸图像之间人脸特征相似性为约束，指导低分辨率人脸图像的超分辨率重建过程，充分利用高分辨率图像中人脸特征信息，人脸特征保持完好，可显著提升解码后人脸区域的可识别性。
-
公开(公告)号：CN110324626B
公开(公告)日：2021-05-18
申请号：CN201910618148.4
申请日：2019-07-10
IPC: H04N19/177 , H04N19/132 , H04N19/59 , H04N19/186 , H04N19/577 , H04N7/18 , H04N21/8547 , G06K9/00 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种面向物联网监控的双码流人脸分辨率保真的视频编解码方法，首先，提取监控视频画面中人脸要素，采用MTCNN卷积神经网络检测并跟踪人脸；然后，对原始监控视频下采样并编码得到低分辨率基本层码流；接着，将人脸原始分辨率图像填充至上采样后的图像对应区域，减去低分辨率图像上采样恢复图像，得到人脸区域的差值信息再编码差值信息，得到人脸恢复层码流。还进一步提供了对应的解码方法，采用双码流人脸恢复解码算法，解码得到人脸局部分辨率保真的监控画面。本发明融合人脸高清与背景低清的局部分辨率保真图像，保留了场景要素中关键区域丰富的细节信息，极大降低视频编码码率，提升监控视频的压缩率，具有很强的实用性。
-
公开(公告)号：CN110324626A
公开(公告)日：2019-10-11
申请号：CN201910618148.4
申请日：2019-07-10
IPC: H04N19/177 , H04N19/132 , H04N19/59 , H04N19/186 , H04N19/577 , H04N7/18 , H04N21/8547 , G06K9/00 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种面向物联网监控的双码流人脸分辨率保真的视频编解码方法，首先，提取监控视频画面中人脸要素，采用MTCNN卷积神经网络检测并跟踪人脸；然后，对原始监控视频下采样并编码得到低分辨率基本层码流；接着，将人脸原始分辨率图像填充至上采样后的图像对应区域，减去低分辨率图像上采样恢复图像，得到人脸区域的差值信息再编码差值信息，得到人脸恢复层码流。还进一步提供了对应的解码方法，采用双码流人脸恢复解码算法，解码得到人脸局部分辨率保真的监控画面。本发明融合人脸高清与背景低清的局部分辨率保真图像，保留了场景要素中关键区域丰富的细节信息，极大降低视频编码码率，提升监控视频的压缩率，具有很强的实用性。
-
公开(公告)号：CN110415172A
公开(公告)日：2019-11-05
申请号：CN201910618147.X
申请日：2019-07-10
IPC: G06T3/40
Abstract: 本发明公开了一种面向混合分辨率码流中人脸区域的超分辨率重建方法，包括基于视频编码的码流信息的高分辨率参考人脸生成，根据I帧中高分辨率人脸区域生成P帧低分辨率人脸区域的高清参考图像；基于人脸特征保持约束的卷积神经网络构建；基于人脸特征保持约束的卷积神经网络训练与测试，并使用训练好的网络实现低分辨率人脸图像的超分辨率重建。本发明基于视频编码的码流信息构建高分辨率参考图像，以高分辨率参考图像与超分辨率重建高清人脸图像之间人脸特征相似性为约束，指导低分辨率人脸图像的超分辨率重建过程，充分利用高分辨率图像中人脸特征信息，人脸特征保持完好，可显著提升解码后人脸区域的可识别性。
-
公开(公告)号：CN114092433A
公开(公告)日：2022-02-25
申请号：CN202111355733.3
申请日：2021-11-16
Applicant: 武汉大学
Abstract: 本发明涉及土木工程结构物的表观缺陷检测方法，特别涉及一种基于三角形质心优化的表观缺陷检测方法，提出使用三角面元的质心点作为三角面元的等效替代，将点云模型与格网模型间的距离计算等价为点云模型与质心点云间的距离计算，从而可以使用K‑d Tree等搜索加速结构完成近邻点搜索，在不损失检测精度的前提下，有效地降低了算法的时间复杂度，使得改进后的C2M方法更具有可行性。
-
Patent Agency Ranking
公开(公告)号：CN113343772A
公开(公告)日：2021-09-03
申请号：CN202110516620.0
申请日：2021-05-12
Applicant: 武汉大学
Abstract: 本发明提出了一种基于隐式引导与显式教导策略的视频显著性目标检测方法。本发明引入了运动信息调制器，包含了通道和空间两种顺序的注意力机制，并以一种深度协作的方式运作，可以有效增强运动信息主导的特征；通过隐式引导策略将运动信息主导(即教师)的特征传递到表观信息主导(即学生)的分支，可以有效提升检测效果；通过使用一个教师部分解码器(teacher partial decoder,T‑PD)来聚合网络的高三层中运动信息主导的特征，并生成运动信息主导的掩膜。该掩膜通过另一个完全一致的学生部分解码器(student partial decoder,S‑PD)，显式地教导网络的高三层中表观信息主导的特征的聚合。该显式教导过程可以进一步提升检测效果。
-
公开(公告)号：CN109447037B
公开(公告)日：2021-04-16
申请号：CN201811418752.4
申请日：2018-11-26
Applicant: 武汉大学
Abstract: 本发明涉及一种面向监控视频压缩的车辆对象多级知识字典构建方法，用于监控视频中对象的表达和压缩，包括纹理层知识提取，所述纹理层知识包含多源监控视频中不同类型车辆的共性纹理，使用纹理字典对纹理层知识进行建模；结构层知识提取，所述结构层知识包含同一类型车辆的共性结构，使用三维模型对结构层知识进行建模；个性层知识提取，所述个性层知识包含某个车辆个体在一段时间内保持稳定的暂态知识，使用残差字典对其进行建模。本发明方法从纹理层、结构层以及个性层三个层次建立对象的多级知识字典，可更好表达复杂环境下运动对象在图像中的外观，且边缘细节等信息更加丰富，可提高监控车辆跟踪识别效率，能够广泛应用于智能交通等方面。
-
公开(公告)号：CN106789039B
公开(公告)日：2020-12-08
申请号：CN201710061352.1
申请日：2017-01-25
Applicant: 武汉大学
Abstract: 本发明公开了一种机密数据的存储方法，包括以下步骤：1)数据拥有者利用公钥密码算法产生公私钥对；数据使用者利用公钥密码算法产生与其身份关联的公私钥对；2)数据存储管理者生成密文数据索引发布给数据权限管理者；3)数据权限管理者将机密数据访问请求反馈给数据存储管理者；4)重加密密钥生成：数据拥有者接收到数据访问请求后，根据数据使用者的公钥信息产生重加密密钥，并发送给数据存储管理者；5)重加密密文分发：数据存储管理者利用重加密密钥加密数据使用者所请求访问的机密数据密文，得到重加密密文，并将重加密密文发送给授权数据使用者。本发明方法能够容易地实现多用户的安全高效分发，具有高实用性。
-
公开(公告)号：CN111798384A
公开(公告)日：2020-10-20
申请号：CN202010521470.8
申请日：2020-06-10
Applicant: 武汉大学
Abstract: 本发明公开了一种逆向渲染的人脸图像光照信息编辑方法，首先从输入人脸图像中逆向渲染出该人脸图像对应的本色图像、残差图像、法线图像；然后使用现有光照参数或者从参考人脸图像中提取出对应的光照参数，结合法线图像与光照参数，获得对应的高光图像；再将高光图像、本色图像和残差图像结合在一起，重建得到编辑后的人脸图像。本发明显式利用了人脸本色图像和法线图像的物理含义，与传统的修改对比度和亮度的方法相比，显著提升了编辑图像光照信息的准确性和真实度。
-
公开(公告)号：CN110348320A
公开(公告)日：2019-10-18
申请号：CN201910526316.7
申请日：2019-06-18
Applicant: 武汉大学
Abstract: 本发明提出了一种基于多损失深度联合的人脸防伪方法，通过采用多个局部的并行网络来学习局部特征和微纹理特征，同时为了进一步较少对噪声的学习，提升对多样数据源的鲁棒性能，采用基于分组LASSO正则来加强局部特征稀疏性约束，对学习到的特征进行稀疏处理，达到对特征进行选择的作用；另外，采用ASPP多尺度全局信息模块的特征进行融合以加强模型契合度。与现有技术相比，本发明从数据集差异出发，考虑算法的泛化能力，在保证分类精度的同时提升了算法模型在不同数据集之间的测试精度。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.028 seconds)
