-
公开(公告)号：CN107689052B
公开(公告)日：2021-06-29
申请号：CN201710560015.7
申请日：2017-07-11
Applicant: 西安电子科技大学
IPC: G06T7/246
Abstract: 本发明属于模式识别与计算机视觉技术领域，公开了一种基于多模型融合和结构化深度特征的视觉目标跟踪方法，采用了多层结构化的深度网络特征对跟踪目标的外观进行建模，深度网络提取的特征对运动模糊等干扰因素具有更强的鲁棒性；结构化特征中的低层特征不仅有助于区分强干扰目标，而且能够使位置估计更加精确；结构化特征中的高层特征有助于将跟踪目标和背景分离。本发明采用了将长时和短时模型融合进行视觉目标跟踪，短时模型有助于提高位置估计的精度；短时模型有助于抑制和跟踪目标相似的强干扰目标。本发明具有精度高和鲁棒性强的优点；可用于视频监控、道路交通情况分析和人机交互等应用。
-
公开(公告)号：CN106777318B
公开(公告)日：2019-12-10
申请号：CN201710006037.9
申请日：2017-01-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于协同训练与矩阵分解的跨模态哈希检索方法，主要解决无类标的跨模态数据如何进行有效的模态间与模态内相似性约束的问题。其实现步骤为：获取原始数据并归一化处理；协同训练得到模态间约束；用近邻关系得到模态内约束；训练数据矩阵分解，加入模态间和模态内约束，得到目标函数；交替迭代得到基矩阵、系数矩阵和投影矩阵表达式；量化得到训练数据集和测试数据集哈希编码；计算该两数据集哈希编码之间的汉明距离；汉明距离排序得到检索结果。本发明利用协同训练方法得到跨模态数据的模态间相似性约束，提高图像与文本互检索性能，用于移动设备、物联网以及电子商务的图片文本互搜索服务。
-
公开(公告)号：CN109002854A
公开(公告)日：2018-12-14
申请号：CN201810801776.1
申请日：2018-07-20
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6223
Abstract: 本发明提出了一种基于隐表示和自适应的多视图子空间聚类方法，主要解决多视图聚类方法中存在的聚类准确率低的问题，实现步骤为：(1)获取原始数据集的多视图数据矩阵；(2)计算多视图数据矩阵的拉普拉斯矩阵；(3)构建基于隐表示和自适应的多视图子空间聚类的目标函数；(4)对目标函数进行优化；(5)对优化后的目标函数中的变量进行初始化；(6)对优化后的目标函数中的变量进行交替迭代；(7)计算优化后的目标函数中的多视图自表示系数矩阵的值；(8)对原始数据集进行聚类。本发明利用隐表示和自适应，充分利用多个视图的信息，有效提高了多视图聚类的准确率，可用于图像分割，商务分析，生物分类等领域。
-
公开(公告)号：CN108776812A
公开(公告)日：2018-11-09
申请号：CN201810549602.0
申请日：2018-05-31
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明提出了一种基于非负矩阵分解和多样-一致性的多视图聚类方法，用于解决现有多视图聚类方法中存在的聚类精度和归一化交互信息较低的技术问题，实现步骤为：获取原始图像集的归一化非负多视图数据；构建多视图数据对应的基矩阵、系数矩阵和类标指示矩阵；构建基于非负矩阵分解和多样-一致性多视图聚类的目标函数；获取基矩阵、系数矩阵和拉普拉斯矩阵的迭代更新表达式；获取类标指示矩阵的最优值；对类标指示矩阵的最优值进行K-均值聚类，得到多视图数据对应的聚类簇。本发明利用表示多样性和类标一致性，学习多视图数据中的互补和公共信息，有效提高了多视图聚类的性能，可应用于生物信息分析和金融投资分析等领域。
-
公开(公告)号：CN104992187B
公开(公告)日：2018-08-31
申请号：CN201510412525.0
申请日：2015-07-14
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于张量动态纹理模型的极光视频分类方法，主要解决现有技术无法直接对极光视频进行分类，只能进行单帧操作，分类准确率和分类效率较低的问题。其实现步骤是：(1)获取训练极光视频和测试极光视频；(2)提取训练极光视频和测试极光视频的混合观测矩阵；(3)对训练极光视频和测试极光视频的混合观测矩阵进行优化；(4)用训练极光视频的最优混合观测矩阵训练支持向量机，得到SVM分类器；(5)用SVM分类器对测试极光视频进行分类。本发明能实现对现有四类极光视频的计算机自动分类，且具有分类准确率高的优点，可用于极光视频的特征提取和计算机图像识别。
-
Patent Agency Ranking
公开(公告)号：CN104239859B
公开(公告)日：2017-09-26
申请号：CN201410453140.4
申请日：2014-09-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于结构化因子分析的人脸识别方法，主要解决现有技术由于不能保持人脸图像数据的局部聚类特性和全局分布结构而导致的人脸识别准确率较低的问题。其实现步骤为：(1)划分人脸图像数据集；(2)对所有的训练样本数据进行聚类分析；(3)通过吉布斯采样计算最优特征投影矩阵；(4)提取所有测试样本数据和训练样本数据的低维特征；(5)识别人脸图像。本发明综合了人脸图像数据的局部聚类特性和全局分布结构，提高了人脸识别的准确率。
-
公开(公告)号：CN104317902B
公开(公告)日：2017-07-28
申请号：CN201410578040.4
申请日：2014-10-24
Applicant: 西安电子科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于局部保持迭代量化哈希的图像检索方法，主要解决大规模图像检索中内存占用率大、检索性能低的问题。其实现步骤为：1.提取原始图像特征，并对其作归一化处理；2.对归一化数据进行主成分分析，得到低维归一化数据矩阵；3.划分低维归一化数据为训练数据和测试数据；4.构造图像训练数据矩阵之间近邻图，得到图像训练数据的近邻关系；5.以图像训练数据的近邻关系作为约束，迭代量化更新旋转矩阵；6.根据旋转矩阵获取图像训练数据和图像测试数据的哈希码；7.根据训练数据和测试数据哈希码之间的汉明距离得到检索结果。本发明降低了内存消耗，提高图像检索性能，可用于移动设备、物联网和电子商务的图片搜索服务。
-
公开(公告)号：CN106056650A
公开(公告)日：2016-10-26
申请号：CN201610312142.0
申请日：2016-05-12
Applicant: 西安电子科技大学
CPC classification number: G06T11/40 , G06K9/00281 , G06T5/002 , G06T5/50 , G06T2207/30201
Abstract: 本发明公开了一种基于快速表情信息提取和泊松融合的人脸表情合成方法，主要解决现有技术不能快速有效提取表情细节信息，且不能将其信息合成到目标人脸上的问题。实现步骤是：1)依据脸部特征点数据得到对应表情模板；2)依据目标对象的表情形状模板将目标对象的中性表情图像和源对象的非中性表情图像变形到目标对象的非中性表情形状下；3)在频域提取源人物表情图像块形变后的表情细节信息；4)使用泊松融合的方法对提取的源对象表情细节进行滤波；5)对滤波后的表情细节信息，使用泊松融合的方法将其合成到目标对象的形变表情上，得到最终的合成结果。本发明所需样本量少，合成结果自然、逼真，可用于人物动画渲染、视频会议和人机交互。
-
公开(公告)号：CN103412960B
公开(公告)日：2016-08-10
申请号：CN201310391189.7
申请日：2013-08-31
Applicant: 西安电子科技大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于双边随机投影的图像感知哈希方法，主要解决大规模图像数据的快速检索问题，其实现步骤为：(1)对原始图像数据预处理；(2)获取双边随机投影矩阵；(3)低秩近似；(4)更新低秩矩阵；(5)判断更新低秩矩阵的迭代次数是否最大；(6)投影向量分组；(7)投影向量正交化；(8)获取哈希编码；(9)获取汉明距离；(8)输出测试结果。本发明提出的哈希方法能获取较好的投影向量，得到有效的哈希编码，降低了内存消耗，节省了检索时间，提高了图像检索的查准率?查全率综合性能，可用于电子商务和移动终端设备的图片搜索服务。
-
公开(公告)号：CN104992187A
公开(公告)日：2015-10-21
申请号：CN201510412525.0
申请日：2015-07-14
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于张量动态纹理模型的极光视频分类方法，主要解决现有技术无法直接对极光视频进行分类，只能进行单帧操作，分类准确率和分类效率较低的问题。其实现步骤是：(1)获取训练极光视频和测试极光视频；(2)提取训练极光视频和测试极光视频的混合观测矩阵；(3)对训练极光视频和测试极光视频的混合观测矩阵进行优化；(4)用训练极光视频的最优混合观测矩阵训练支持向量机，得到SVM分类器；(5)用SVM分类器对测试极光视频进行分类。本发明能实现对现有四类极光视频的计算机自动分类，且具有分类准确率高的优点，可用于极光视频的特征提取和计算机图像识别。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.034 seconds)
