-
公开(公告)号：CN102324022A
公开(公告)日：2012-01-18
申请号：CN201110259963.X
申请日：2011-09-05
Applicant: 辽宁工程技术大学
Abstract: 本发明属于模式识别技术领域，具体涉及一种基于复合梯度向量的人脸识别方法，该方法首先在定位后的人脸图像中标定目标区域，并在目标区域内划分特征子区域，然后以特征子区域的边缘奇异点作为向量的起点和终点进行正交采样得到基向量，将目标区域内所有基向量组建向量簇，通过对基向量的多维复合得到向量簇内所有极大梯度向量，最后以极大梯度向量作为元素组建复合梯度向量并统计复合梯度向量的维度和梯度信息，将复合梯度向量、复合梯度向量维度和梯度进行人脸库对比，识别出人脸身份。本发明提供的人脸识别方法比其它人脸识别方法具有更强的环境适应性和特征提取能力，在光照强度变化、多姿态、多表情条件下，具有较高识别性能，可用于生物特征识别领域中大范围复杂环境下的人脸识别。
-
公开(公告)号：CN114241004A
公开(公告)日：2022-03-25
申请号：CN202111538871.5
申请日：2021-12-15
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于长短期模型的抗遮挡视觉目标跟踪方法，步骤为：根据初始位置确定跟踪搜索区域，提取目标的HOG、CN和灰度特征，建立初始外观模型，训练相关滤波器；计算长期外观模型和短期目标模型；使用图像的结构相似性指标算法分别计算当前图像与长期外观模型和短期目标模型之间的差异，然后计算短期差异的均值，计算外观相对差异及外观相对差异的均值；提取当前帧图像的特征，与上一帧计算得到的滤波器模板进行运算，得到目标响应图，在响应图中峰值位置即为被跟踪的目标位置；输出跟踪结果并重复上述过程，直至跟踪结束。本发明能够更好地适应目标外观的变化，能够通过两个模型相互配合判断出目标遮挡状态，灵敏度较高。
-
公开(公告)号：CN104392469B
公开(公告)日：2017-05-31
申请号：CN201410777880.3
申请日：2014-12-15
Applicant: 辽宁工程技术大学
IPC: G06T7/20
Abstract: 一种基于软特征理论的目标跟踪方法，属于计算机视觉技术领域。该方法包括：目标区域初始化；提取目标的软特征信息；对目标的软特征信息进行前趋预测；修复目标的软特征信息；目标跟踪。采用软特征对运动目标进行跟踪,对目标形状变化和尺度伸缩具有很好的抗干扰性,使得该方法对形变严重运动目标的跟踪具有较高的准确性、稳定性和很好的鲁棒性能；采用前趋冲击强度对目标前趋进行预测，可以很好的解决目标受到遮挡而导致丢失的问题；由于缩小了目标检测范围,软特征数据量较小，不需要存储目标多种姿态模型,其计算复杂度和空间复杂度较低,跟踪实时性较高。
-
公开(公告)号：CN115035452B
公开(公告)日：2025-03-11
申请号：CN202210679583.X
申请日：2022-06-15
Applicant: 辽宁工程技术大学
IPC: G06T7/246 , G06V20/40 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种定位质量信息增强的孪生网络目标跟踪算法，包括：确定目标，获取第一帧图像，利用已知信息确定标注框，裁剪目标区域，获取目标模板；相似性比对，获取当前帧，利用特征提取子网络获取目标和搜索区域的特征图并进行相似性比对，得到相似性矩阵；目标定位，融合分类分支基于相似性矩阵进行分类任务，输出相似性预测分数；边界预测，回归分支基于相似性矩阵预测目标边界，并结合相似性预测分数，选择最佳预测框；输出跟踪结果，输出目标边界框，进行下一帧的目标跟踪。本发明能够改善分类和边界预测过程，引入CNN网络使模型对特征图中的语义信息利用更充分，预测结果具有较高的可信度。
-
公开(公告)号：CN115862039A
公开(公告)日：2023-03-28
申请号：CN202211559529.8
申请日：2022-12-06
Applicant: 辽宁工程技术大学
IPC: G06V30/262 , G06V30/40 , G06V10/82 , G06N3/049 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于多尺度特征的文本生成图像算法，该方法包括：采用双向长短期记忆网络学习给定文本的语义表示，产生两个输出：表示文本全局语义的句子特征、表示每个单词语义的词向量特征；网络的最后一个平均池化层实现的，在模型中添加一个感知器网络将图像特征转化为与文本特征相同维度的特征；采用注意力矩阵形成的多模态上下文向量和上阶段输出的隐向量作为输入；通过不同的扩张率进行空洞卷积实现并行采样，不同扩张率提取的特征在单独的分支中处理，融合生成最终结果。本发明通过在上采样结构之前引入空洞空间金字塔结构来融合多尺度信息，保留更多的图像特征，实现高级特征语义信息的挖掘，有利于提高生成图片的质量。
-
Patent Agency Ranking
公开(公告)号：CN114119672A
公开(公告)日：2022-03-01
申请号：CN202111480438.0
申请日：2021-12-06
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于空间差异感知特征的相关滤波跟踪方法，步骤为：分别提取搜索区域中目标和背景的特征信息，通过融合位置信息，构造空间差异感知特征；利用交替方向乘子法降低算法复杂度；将目标响应图、背景响应图与差异感知响应图进行融合，对目标进行位置与尺度的预测。本发明将前景和背景的传统特征与位置信息进行融合，构成空间差异感知特征，通过对前景与背景的间隔采样，提取空间差异感知特征，计算得到空间差异感知特征矩阵，通过空间差异感知特征矩阵对待搜索区域进行权重再分配，保证分配给目标空间差异响应值高的训练权重高于响应值低的部分，更有效地融合目标的特征信息与位置信息，有效解决目标漂移问题。
-
公开(公告)号：CN104881884A
公开(公告)日：2015-09-02
申请号：CN201510369172.0
申请日：2015-06-29
Applicant: 辽宁工程技术大学
CPC classification number: G06T7/292 , G06K9/38 , G06K2209/21 , G06T7/251 , G06T2207/10004
Abstract: 本发明公开了一种基于视觉量子的目标跟踪方法，属于计算机视觉技术领域。该方法首先在目标区域内自上而下均匀分布视觉量子，计算并统计视觉量子内部信息熵分布的极大值所对应的灰度阶，计算视觉量子的熵基和量子频率，然后将目标边缘区域的视觉量子移动至平衡状态，并计算视觉量子的频率积分，最后以达到量子平衡状态且频率积分相等的视觉量子的位置信息作为目标跟踪结果。本发明方法抓住了运动目标前景与背景交界处具有的量子频率不变性的特点，将频率不变特征采用多个视觉量子进行描述，可以有效克服遮挡、形状与尺度变化等因素对运动目标跟踪的影响，失跟率较低，同时由于视觉量子计算过程简单，计算复杂度和空间复杂度较低，跟踪实时性较高。
-
公开(公告)号：CN104392469A
公开(公告)日：2015-03-04
申请号：CN201410777880.3
申请日：2014-12-15
Applicant: 辽宁工程技术大学
IPC: G06T7/20
CPC classification number: G06T7/269
Abstract: 一种基于软特征理论的目标跟踪方法，属于计算机视觉技术领域。该方法包括：目标区域初始化；提取目标的软特征信息；对目标的软特征信息进行前趋预测；修复目标的软特征信息；目标跟踪。采用软特征对运动目标进行跟踪,对目标形状变化和尺度伸缩具有很好的抗干扰性,使得该方法对形变严重运动目标的跟踪具有较高的准确性、稳定性和很好的鲁棒性能；采用前趋冲击强度对目标前趋进行预测，可以很好的解决目标受到遮挡而导致丢失的问题；由于缩小了目标检测范围,软特征数据量较小，不需要存储目标多种姿态模型,其计算复杂度和空间复杂度较低,跟踪实时性较高。
-
公开(公告)号：CN101984377A
公开(公告)日：2011-03-09
申请号：CN201010502277.6
申请日：2010-09-28
Applicant: 辽宁工程技术大学
IPC: G05B17/02
Abstract: 本发明属于监测控制装置，特别涉及一种智能楼宇实时并行仿真系统及仿真方法，包括无线子网通信电路、语音提示与报警电路，系统中还包括中央控制电路、仿真控制电路、短信消息发射电路；其中中央控制电路和仿真控制电路中包括S3C2410单片机U1和CON201控制模块U2；智能楼宇实时并行仿真系统的仿真方法是：首先现场设备的运行状态通过各子网内部传感器以通信协作的方式将状态数据接力式传输到并行仿真系统的无线子网通信模块U3，无线子网通信模块U3将信号识别、过滤后传送至中央控制器U1，最后进行三维数据分组，本发明体积小、价格低、运行可靠，维护方便。
-
公开(公告)号：CN115984325A
公开(公告)日：2023-04-18
申请号：CN202211722017.9
申请日：2022-12-30
Applicant: 辽宁工程技术大学
IPC: G06T7/246
Abstract: 本发明提出一种靶向寻量时空正则化的目标跟踪方法；首先利用靶向寻量得到目标权重响应模型，提取目标运动信息，预测目标运动状态和运动轨迹，增强滤波器对目标的识别能力以及对目标和其他干扰信息的分辨能力；构建时空正则化目标函数，采用交叉方向乘子法化简目标函数求得解滤波器和辅助因子的最优解，降低算法复杂度，实现时间适应性和空间适应性，减小过拟合的产生；借助加权最小二乘法思想，获得权重最大响应值，确定目标位置；本发明的靶向寻量时空正则化的目标跟踪方法通过实时预测目标运动位置，能够有效提高算法的定位精确率和跟踪成功率，且通过降低算法复杂度保证了对目标的实时跟踪。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.026 seconds)
