-
公开(公告)号：CN108052924B
公开(公告)日：2020-10-27
申请号：CN201711466898.1
申请日：2017-12-28
Applicant: 武汉大学深圳研究院
Abstract: 本发明公开了一种空间运动行为语义模式的辨识方法，包括以下步骤：基于空间定位的逗留行为采集和判断；对逗留行为建立数学描述并可视化表达,建立空间行为语义模式图谱；依据空间行为语义模式图谱进行时空频繁模式挖掘。本发明提出的空间行为模式图谱表达机制和度量计算方法为发现空间语义信息提供了基础。由于空间行为模式统计分布上的规律性契合了不同职业人群空间行为的内在表现，通过本方法能够间接地理解出行者的活动目的和行为动机，尤其是与众不同的反常危险行为，揭示行为模式中隐藏的对社会安全防控有价值的隐秘关系，使得基于空间运动大数据异常行为监测的社会安全防范实战应用成为可能。
-
公开(公告)号：CN108052924A
公开(公告)日：2018-05-18
申请号：CN201711466898.1
申请日：2017-12-28
Applicant: 武汉大学深圳研究院
Abstract: 本发明公开了一种空间运动行为语义模式的辨识方法，包括以下步骤：基于空间定位的逗留行为采集和判断；对逗留行为建立数学描述并可视化表达,建立空间行为语义模式图谱；依据空间行为语义模式图谱进行时空频繁模式挖掘。本发明提出的空间行为模式图谱表达机制和度量计算方法为发现空间语义信息提供了基础。由于空间行为模式统计分布上的规律性契合了不同职业人群空间行为的内在表现，通过本方法能够间接地理解出行者的活动目的和行为动机，尤其是与众不同的反常危险行为，揭示行为模式中隐藏的对社会安全防控有价值的隐秘关系，使得基于空间运动大数据异常行为监测的社会安全防范实战应用成为可能。
-
Patent Agency Ranking
公开(公告)号：CN110046657B
公开(公告)日：2022-06-14
申请号：CN201910247073.3
申请日：2019-03-29
Abstract: 本发明公开了一种基于多视图学习的社会安全人物画像方法，在多源身份大数据的社会安全应用中，完备的先验知识和标注样本均难以获得，本发明构建了基于部分领域知识、少量标注样本和大量未标注样本的多视图协同训练模型，实现身份属性到画像标签的准确映射。首先，通过标注样本数据集的三元空间视图分解，从三元空间身份属性中学习物理空间、社会空间、网络空间三个属性子视图及对应的权重；其次，通过三元空间多视图分类器对未标注样本进行画像标签分类，结合领域知识投票，产生可信的分类样本，添加到标注样本数据集，丰富标注样本。本发明在社会安全领域具有重要应用价值。
-
公开(公告)号：CN106778776A
公开(公告)日：2017-05-31
申请号：CN201611078480.9
申请日：2016-11-30
Abstract: 本发明涉及一种时空域显著度检测方法，属于图像处理领域，具体涉及一种基于位置先验信息的时空域显著度检测方法。本发明的主要思想是视频显著度图的显著目标应该是时空连续的，通过获取包含显著对象的时间上连续的前景区域位置信息，增强改进显著度对比方法，包括前景背景对比度方法和局部前景对比度方法，从而有效抑制背景区域，并且高亮前景显著目标。同时本发明提出视频帧内运动一致性来改进时域运动信息的区分程度，从而得到更为精准的运动显著度检测结果。此外，融合时域和空域显著度检测的结果来综合考虑时空域信息，本发明通过时空域显著度检测结果的融合，进而提高时空域显著度检测的准确性。
-
公开(公告)号：CN110046657A
公开(公告)日：2019-07-23
申请号：CN201910247073.3
申请日：2019-03-29
Abstract: 本发明公开了一种基于多视图学习的社会安全人物画像方法，在多源身份大数据的社会安全应用中，完备的先验知识和标注样本均难以获得，本发明构建了基于部分领域知识、少量标注样本和大量未标注样本的多视图协同训练模型，实现身份属性到画像标签的准确映射。首先，通过标注样本数据集的三元空间视图分解，从三元空间身份属性中学习物理空间、社会空间、网络空间三个属性子视图及对应的权重；其次，通过三元空间多视图分类器对未标注样本进行画像标签分类，结合领域知识投票，产生可信的分类样本，添加到标注样本数据集，丰富标注样本。本发明在社会安全领域具有重要应用价值。
-
公开(公告)号：CN106778776B
公开(公告)日：2020-04-10
申请号：CN201611078480.9
申请日：2016-11-30
Abstract: 本发明涉及一种时空域显著度检测方法，属于图像处理领域，具体涉及一种基于位置先验信息的时空域显著度检测方法。本发明的主要思想是视频显著度图的显著目标应该是时空连续的，通过获取包含显著对象的时间上连续的前景区域位置信息，增强改进显著度对比方法，包括前景背景对比度方法和局部前景对比度方法，从而有效抑制背景区域，并且高亮前景显著目标。同时本发明提出视频帧内运动一致性来改进时域运动信息的区分程度，从而得到更为精准的运动显著度检测结果。此外，融合时域和空域显著度检测的结果来综合考虑时空域信息，本发明通过时空域显著度检测结果的融合，进而提高时空域显著度检测的准确性。
-
公开(公告)号：CN107463912A
公开(公告)日：2017-12-12
申请号：CN201710682736.5
申请日：2017-08-10
Applicant: 武汉大学深圳研究院
CPC classification number: G06K9/00342 , G06K9/4642 , G06K9/4671 , G06K9/6267
Abstract: 本发明公开了基于运动显著性的视频人体行为识别方法，利用运动显著性检测算法对行为视频帧进行运动显著性检测，得到运动显著图像；采用非最大值抑制采样NMS算法基于运动显著图像计算运动显著区域候选框；围绕运动显著区域候选框裁剪视频帧获取完整包含人体行为的图像块；将裁剪得到的图像块缩放到深度卷积神经网络输入数据所要求尺寸；使用深度卷积神经网络基于缩放后的图像块进行人体行为深度特征提取；基于人体行为深度特征进行特征分类，得到人体识别类别结果。本方法围绕行为显著运动区域来构建卷积网络所需的图像块，有效捕捉人体行为变化区域，提取辨识力好的人体行为深度卷积特征，有效提升了人体行为识别准确率。
-
-
-
-
-
-
Search Results
7
records
(took 0.034 seconds)
