-
公开(公告)号：CN112132124A
公开(公告)日：2020-12-25
申请号：CN202011367415.4
申请日：2020-11-30
Applicant: 江苏久智环境科技服务有限公司 , 南京邮电大学
Abstract: 本发明公开了一种面向园林监控的VR视频实时检测方法，首先用快速中值滤波法对VR摄像机所拍摄的未经融合的几张不同角度的图像进行降噪处理，并采用Diagonal‑Offset颜色转换模型进行颜色转换以去除光照对图片的影响。然后对图片进行基于空间相关性的色彩均值处理，使用RGB颜色模型提取烟雾候选区，提取烟雾的RGB静态特性，采用改进的帧差法提取烟雾的运动特性，对其结果进行孔洞填充，并结合RGB颜色模型对改进的帧差法进行阴影消除。使用方向梯度直方图（HOG）和局部二值模式（LBP）提取烟雾运动区域的纹理特性。训练SVM分类器，之后进行分类。最后进行后处理，确定烟雾运动方向、速度和扩散程度，获得烟雾扩散的各类信息。
-
公开(公告)号：CN112232184A
公开(公告)日：2021-01-15
申请号：CN202011095551.2
申请日：2020-10-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习和空间转换网络的多角度人脸识别方法，首先，构建卷积神经网络模型，改进其损失函数，并用预先获取的图片对模型进行训练；其次，基于空间转换网络的人脸对齐：利用变换矩阵对预先获取的图片进行数据采集并生成与模板相同角度大小的对应人脸；最后，基于YOLOV2对人脸进行检测。本发明通过在海量的人脸数据上进行训练提取泛化的人脸特征表示，突出特征之间的可区分度，使人脸识别准确度显著提高，可以发展为自然非配合场景下的人脸识别；且本发明能将人脸对齐和人脸识别网络统一起来，构成一个端到端的学习系统，极大地提高了人脸对齐的灵活性。
-
Patent Agency Ranking
公开(公告)号：CN114783020B
公开(公告)日：2024-10-18
申请号：CN202210352184.2
申请日：2022-04-03
Applicant: 南京邮电大学
IPC: G06V40/16 , G06T5/73 , G06T5/60 , G06T7/13 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/09 , G06N3/094
Abstract: 本发明公开了基于新型对抗学习去模糊理论的动态人脸识别方法，提升了生成对抗网络的训练速度，避免了找不到纳什平衡点陷入死循环的问题，利用这种新型生成对抗网络对原始模糊图片进行去模糊处理；然后对去模糊后的图片进行模糊度变化率计算，根据模糊度变化率对去模糊后的图片进行分类，对于变化率过高或过低的图片直接进行人脸识别，对于变化率不高且不低的图片添加去模糊后处理模块后再进行人脸识别；本发明采用了新型DeblurGAN_V2对图像进行去模糊操作，提出了新的训练截止方法，解决了生成对抗网络模型训练困难的问题，引入了人脸模糊度计算方法对于输出的图片分类操作，添加了去模糊后处理优化结果，有广阔的应用场景。
-
公开(公告)号：CN114882545A
公开(公告)日：2022-08-09
申请号：CN202210336825.5
申请日：2022-03-31
Applicant: 南京邮电大学
Abstract: 本发明公开了基于三维智能重建的多角度人脸识别方法。输入一张人脸图片，提取出图片中的人脸特征点，计算出人脸偏转角并结合ASM算法进行正面人脸特征点重构；利用级联残差网络对形变模型中的形状向量和纹理向量进行预测，根据预测出的形状向量建立出三维人脸灰模，同时和正面人脸特征点进行匹配；随后根据纹理向量进行上色，构建出完整的三维人脸模型；根据人脸偏转角对三维人脸模型进行旋转，并和输入图片的人脸进行相似度比对，得到最终的三维人脸模型，完成人脸识别。本发明基于三维重建实现了多角度人脸识别，还用级联残差网络加速了形变模型的运算过程，并形成了自反馈网络对形变模型进行自反馈训练惩罚，有非常广阔的应用场景。
-
公开(公告)号：CN114882545B
公开(公告)日：2024-11-08
申请号：CN202210336825.5
申请日：2022-03-31
Applicant: 南京邮电大学
Abstract: 本发明公开了基于三维智能重建的多角度人脸识别方法。输入一张人脸图片，提取出图片中的人脸特征点，计算出人脸偏转角并结合ASM算法进行正面人脸特征点重构；利用级联残差网络对形变模型中的形状向量和纹理向量进行预测，根据预测出的形状向量建立出三维人脸灰模，同时和正面人脸特征点进行匹配；随后根据纹理向量进行上色，构建出完整的三维人脸模型；根据人脸偏转角对三维人脸模型进行旋转，并和输入图片的人脸进行相似度比对，得到最终的三维人脸模型，完成人脸识别。本发明基于三维重建实现了多角度人脸识别，还用级联残差网络加速了形变模型的运算过程，并形成了自反馈网络对形变模型进行自反馈训练惩罚，有非常广阔的应用场景。
-
公开(公告)号：CN112232184B
公开(公告)日：2022-08-26
申请号：CN202011095551.2
申请日：2020-10-14
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习和空间转换网络的多角度人脸识别方法，首先，构建卷积神经网络模型，改进其损失函数，并用预先获取的图片对模型进行训练；其次，基于空间转换网络的人脸对齐：利用变换矩阵对预先获取的图片进行数据采集并生成与模板相同角度大小的对应人脸；最后，基于YOLOV2对人脸进行检测。本发明通过在海量的人脸数据上进行训练提取泛化的人脸特征表示，突出特征之间的可区分度，使人脸识别准确度显著提高，可以发展为自然非配合场景下的人脸识别；且本发明能将人脸对齐和人脸识别网络统一起来，构成一个端到端的学习系统，极大地提高了人脸对齐的灵活性。
-
公开(公告)号：CN114783020A
公开(公告)日：2022-07-22
申请号：CN202210352184.2
申请日：2022-04-03
Applicant: 南京邮电大学
Abstract: 本发明公开了基于新型对抗学习去模糊理论的动态人脸识别方法，提升了生成对抗网络的训练速度，避免了找不到纳什平衡点陷入死循环的问题，利用这种新型生成对抗网络对原始模糊图片进行去模糊处理；然后对去模糊后的图片进行模糊度变化率计算，根据模糊度变化率对去模糊后的图片进行分类，对于变化率过高或过低的图片直接进行人脸识别，对于变化率不高且不低的图片添加去模糊后处理模块后再进行人脸识别；本发明采用了新型DeblurGAN_V2对图像进行去模糊操作，提出了新的训练截止方法，解决了生成对抗网络模型训练困难的问题，引入了人脸模糊度计算方法对于输出的图片分类操作，添加了去模糊后处理优化结果，有广阔的应用场景。
-
-
-
-
-
-
Search Results
7
records
(took 0.044 seconds)
