公开(公告)号：CN104616323A

公开(公告)日：2015-05-13

申请号：CN201510090872.6

申请日：2015-02-28

Applicant: 苏州大学

Inventor： 刘纯平 ,  吴扬 ,  郭芸 ,  季怡 ,  龚声蓉

IPC: G06T7/20

CPC classification number: G06K9/00724 ,  G06K2209/21

Abstract: 本发明公开了一种基于慢特征分析的时空显著性检测方法，具体步骤包括：训练立方体的收集、非监督的慢特征学习、显著性计算和目标检测，本发明通过慢特征分析能够直接以非监督的方式从输入数据中学习出周围环境变化的高层运动表示。

公开(公告)号：CN104616323B

公开(公告)日：2018-02-13

申请号：CN201510090872.6

申请日：2015-02-28

Applicant: 苏州大学

Inventor： 刘纯平 ,  吴扬 ,  郭芸 ,  季怡 ,  龚声蓉

IPC: G06T7/246

Abstract: 本发明公开了一种基于慢特征分析的时空显著性检测方法，具体步骤包括：训练立方体的收集、非监督的慢特征学习、显著性计算和目标检测，本发明通过慢特征分析能够直接以非监督的方式从输入数据中学习出周围环境变化的高层运动表示。

公开(公告)号：CN104268546A

公开(公告)日：2015-01-07

申请号：CN201410229426.4

申请日：2014-05-28

Applicant: 苏州大学

Inventor： 刘纯平 ,  林卉 ,  陈宁强 ,  吴扬 ,  季怡 ,  龚声蓉

IPC: G06K9/46 ,  G06K9/62 ,  G06F17/30

CPC classification number: G06K9/00765 ,  G06K9/6212

Abstract: 本发明公开了一种基于主题模型的动态场景分类方法，其特征在于，包括以下步骤：（1）利用SIFT特征对图像进行局部描述，生成原始图像对应的SIFT特征图，经过时间的变化，原始图像对应的特征之间就会有相对位置上的变化，这种变化构成了流场，形成了动态视频SIFT流；（2）对动态视频SIFT流场图像进行均匀分块，分为网格对每一个分块按SIFT流的方向量化为8个柄的直方图，形成72维特征矢量，利用K-mean聚类形成为视觉单词；（3）引入单词先验信息扩展原始TMBP模型，并将原始TMBP模型和Konwledge-TMBP模型利用量化后的视觉单词建模，得到场景分类的结果。利用SIFT流信息描述动态场景中的动态信息生成视觉单词，并考虑视觉单词对表达主题是否有意义的问题，在主题模型的推理中加入视觉单词的权重，从而达到提高动态场景的分类速度与精度的目的。