公开(公告)号：CN104866829B

公开(公告)日：2019-02-19

申请号：CN201510270145.8

申请日：2015-05-25

Applicant: 苏州大学

Inventor： 王朝晖 ,  翟欢欢 ,  刘纯平 ,  季怡 ,  龚声蓉 ,  葛瑞

IPC: G06K9/00

Abstract: 本发明公开了一种基于特征学习的跨年龄人脸验证方法，包括如下步骤：(1)获取待对比的两幅人脸图像；(2)利用人脸特征点定位的方法对两幅人脸图像进行对齐操作；(3)分别对每幅图像进行特征提取，方法为：①通过深度卷积神经网络自动提取高层语义特征；②计算图像的LBP直方图特征；③将①和②中获得的特征进行融合，表达为特征向量；(4)采用余弦相似度方法计算步骤(3)获得的两幅图像的特征向量之间的距离，据此判断两幅图像是否来自同一人。本发明首次将深度网络应用到跨年龄人脸验证，同时创造性地将手工设计的LBP直方图特征与深度网络自主学习的特征进行融合，实现高层语义特征与低层特征的互补，具有更好的准确率。

公开(公告)号：CN104933417B

公开(公告)日：2019-03-15

申请号：CN201510362048.1

申请日：2015-06-26

Applicant: 苏州大学

Inventor： 龚声蓉 ,  王露 ,  刘纯平 ,  王朝晖 ,  朱桂墘 ,  葛瑞

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于稀疏时空特征的行为识别方法，包括如下步骤：步骤一、对于输入视频采用时空Gabor与原输入视频进行卷积构造尺度空间；步骤二、将不同尺度的表达作为时空深度置信网络不同通道的值，联合学习多尺度的特征；步骤三、对行为特征进行识别分类。本发明通过尺度空间的构建输入深度网络联合学习多尺度的特征，提高行为识别的性能，针对池化操作的信息损失问题，引入空间金字塔的思想，对池化输出进行多级扩充，并结合稀疏编码进行金字塔多级特征的融合，降低了池化层输出的特征维度，进一步改进了原有网络的性能，提高了行为识别率。

公开(公告)号：CN106845351A

公开(公告)日：2017-06-13

申请号：CN201611193290.1

申请日：2016-12-21

Applicant: 苏州大学

Inventor： 刘纯平 ,  葛瑞 ,  季怡 ,  刘海宾 ,  龚声蓉

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

CPC classification number: G06K9/00335 ,  G06K9/00744 ,  G06K9/6277 ,  G06K9/6288 ,  G06N3/049

Abstract: 本发明公开了一种用于视频的基于双向长短时记忆单元的行为识别方法，包括：(1)输入视频序列，提取视频序列中的RBG帧序列和光流图像；(2)分别训练RGB图像深度卷积网络和光流图像深度卷积网络；(3)提取网络的多层特征，其中至少提取第三卷积层、第五卷积层、第七全连接层的特征；对卷积层特征进行和池化；(4)对采用双向长短时记忆单元构建的递归神经网络进行训练，得到视频每帧的概率矩阵；(5)对每个概率矩阵取平均，最后融合光流帧和RGB帧的概率矩阵，取概率最大的类作为最后的分类结果，由此实现行为识别。本发明采用多层深度学习的特征代替传统的人工特征，不同层的深度特征表征了不同的信息，多层特征的组合可以提高分类的准确率；通过采用双向长短时记忆捕获时间信息，获得更多的时域结构信息，提高了行为识别的效果。

公开(公告)号：CN104866829A

公开(公告)日：2015-08-26

申请号：CN201510270145.8

申请日：2015-05-25

Applicant: 苏州大学

Inventor： 王朝晖 ,  翟欢欢 ,  刘纯平 ,  季怡 ,  龚声蓉 ,  葛瑞

IPC: G06K9/00

CPC classification number: G06K9/00221 ,  G06K9/00268 ,  G06K9/00288

Abstract: 本发明公开了一种基于特征学习的跨年龄人脸验证方法，包括如下步骤：(1)获取待对比的两幅人脸图像；(2)利用人脸特征点定位的方法对两幅人脸图像进行对齐操作；(3)分别对每幅图像进行特征提取，方法为：①通过深度卷积神经网络自动提取高层语义特征；②计算图像的LBP直方图特征；③将①和②中获得的特征进行融合，表达为特征向量；(4)采用余弦相似度方法计算步骤(3)获得的两幅图像的特征向量之间的距离，据此判断两幅图像是否来自同一人。本发明首次将深度网络应用到跨年龄人脸验证，同时创造性地将手工设计的LBP直方图特征与深度网络自主学习的特征进行融合，实现高层语义特征与低层特征的互补，具有更好的准确率。

公开(公告)号：CN104933417A

公开(公告)日：2015-09-23

申请号：CN201510362048.1

申请日：2015-06-26

Applicant: 苏州大学

Inventor： 龚声蓉 ,  王露 ,  刘纯平 ,  王朝晖 ,  朱桂墘 ,  葛瑞

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/00342 ,  G06K9/00369 ,  G06K9/6269

Abstract: 本发明公开了一种基于稀疏时空特征的行为识别方法，包括如下步骤：步骤一、对于输入视频采用时空Gabor与原输入视频进行卷积构造尺度空间；步骤二、将不同尺度的表达作为时空深度置信网络不同通道的值，联合学习多尺度的特征；步骤三、对行为特征进行识别分类。本发明通过尺度空间的构建输入深度网络联合学习多尺度的特征，提高行为识别的性能，针对池化操作的信息损失问题，引入空间金字塔的思想，对池化输出进行多级扩充，并结合稀疏编码进行金字塔多级特征的融合，降低了池化层输出的特征维度，进一步改进了原有网络的性能，提高了行为识别率。