-
公开(公告)号：CN116233429A
公开(公告)日：2023-06-06
申请号：CN202310223615.X
申请日：2023-02-28
Applicant: 中国科学院深圳先进技术研究院
IPC: H04N19/124 , H04N19/154
Abstract: 本发明涉及图像视觉技术领域，具体是涉及面向机器视觉编码的目标级别恰可识别失真的生成方法。本发明首先将原始图像采用各个预设量化参数压缩得到各个压缩图像。之后将原始图像和压缩图像上裁剪下来得到目标的原始图像和目标的压缩图像分别输入至失真判别模型，本发明的容错策略纠错失真判别模型的判别结果，并基于纠错之后的判别结果判断哪个预设量化参数所对应的目标的压缩图像满足恰可识别失真，将其作为目标的量化参数，采用目标的量化参数对原始图像的目标所在区域压缩以满足解码端的识别需求；对原始图像的非目标区域进行压缩时，采用更大的量化参数对原始图像非目标区域压缩以减少比特。本发明提高了筛选出的目标的量化参数的准确性。
-
公开(公告)号：CN116193123A
公开(公告)日：2023-05-30
申请号：CN202310260104.5
申请日：2023-03-07
Applicant: 中国科学院深圳先进技术研究院
IPC: H04N19/154 , H04N19/124 , H04N19/176
Abstract: 本发明公开了基于Transformer的目标级别恰可识别失真的预测方法及终端，方法包括：通过预测模型提取原始图像中图像块的token特征和类别属性token特征，并根据获取的特征得到每个图像块的重要性权重；预测所述原始图像的恰可识别失真的概率分布，并根据高斯函数概率化的软标签计算损失；选取概率最高的量化参数作为所述原始图像的恰可识别失真，并输出所述原始图像的恰可识别失真。本发明只通过一个多分类模型和原图像即可完成更高精度和高细粒度恰可识别失真的预测。
-
公开(公告)号：CN114339217A
公开(公告)日：2022-04-12
申请号：CN202011073947.7
申请日：2020-09-30
Applicant: 中国科学院深圳先进技术研究院
IPC: H04N19/109 , H04N19/124 , H04N19/176 , H04N19/587
Abstract: 本发明提供了一种视频预测残差块的变换集合生成方法。所述变换集合生成方法包括：根据原始视频帧产生多个最优预测残差块；根据所述多个最优预测残差块获取基于调整偏差的子空间近似变换集合；将所述基于调整偏差的子空间近似变换集合存储于视频编码器和/或视频解码器中；将所述基于调整偏差的子空间近似变换集合集成到所述视频编码器和/或所述视频解码器的变换集合中。本发明还提供了一种视频预测残差块的变换集合生成装置、机器可读存储介质以及机器设备。本发明通过将所获取的基于调整偏差的子空间近似变换集合与已有的变换集合集成一个新的变换集合，从而进一步提高现有的变换集合的变换性能。
-
公开(公告)号：CN109769119B
公开(公告)日：2021-01-19
申请号：CN201811547398.5
申请日：2018-12-18
Applicant: 中国科学院深圳先进技术研究院
IPC: H04N19/14 , H04N19/147 , H04N19/119 , H04N19/96
Abstract: 本发明公开了一种低复杂度视频信号编码处理方法，包括：步骤S1，获取编码CU；步骤S2，判断当前位置LID是否大于20，若是，则执行步骤S5；若否，则提取当前编码CUt的特征向量xt，之后执行步骤S3；步骤S3，利用决策器ActNN判断编码CUt的划分决策；步骤S4，定义u(t)的阈值Ф，若u(t)≥Ф，则当前编码CUt的划分决策为“停止划分”，并提前终止当前编码CUt的率失真代价RD cost比较过程，令LID加1后执行步骤S2；若u(t)＜Ф，则当前编码CUt的划分决策为“继续划分”，将进行率失真代价RD cost比较的编码CUt深度增加1，依次执行步骤S2；步骤S5，划分结束。本发明能有效降低编码复杂度，进而提高编码速度。
-
公开(公告)号：CN106157326B
公开(公告)日：2020-10-27
申请号：CN201510160725.1
申请日：2015-04-07
Applicant: 中国科学院深圳先进技术研究院
IPC: G06T7/20
Abstract: 本发明涉及一种群体异常行为检测方法，包括：采用群体结构动态演化的群体跟踪方法，对视频帧中的群体进行群体跟踪；对上述跟踪到的群体每一帧中所包含的块的数目进行记录存储，直到群体跟踪结束；计算跟踪到的群体一段时间内所包含的块的数目，根据阈值和权值判断是否发生群体异常行为。本发明还涉及一种群体异常行为检测系统。本发明直接利用群体的基本特性来检测异常行为，非常简单方便，避免了复杂的模型学习过程，提高了查找造成安全问题原因的效率。
-
Patent Agency Ranking
公开(公告)号：CN106157325B
公开(公告)日：2020-10-27
申请号：CN201510160419.8
申请日：2015-04-07
Applicant: 中国科学院深圳先进技术研究院
IPC: G06T7/20
Abstract: 本发明涉及一种群体异常行为检测方法，包括：采用群体结构动态演化的群体跟踪方法，对视频帧中的群体进行群体跟踪；在群体跟踪的过程中，对视频帧中跟踪到群体的每一帧的群体协同性值进行记录存储，直到群体跟踪结束；根据跟踪的群体的每一帧的群体协同性值，计算该群体d帧内的群体协同性值，并根据预设的阈值判断有无异常行为发生。本发明还涉及一种群体异常行为检测系统。本发明直接利用群体的基本特性来检测异常行为，非常简单方便，避免了复杂的模型学习过程，提高了查找造成安全问题原因的效率。
-
公开(公告)号：CN109769119A
公开(公告)日：2019-05-17
申请号：CN201811547398.5
申请日：2018-12-18
Applicant: 中国科学院深圳先进技术研究院
IPC: H04N19/14 , H04N19/147 , H04N19/119 , H04N19/96
Abstract: 本发明公开了一种低复杂度视频信号编码处理方法，包括：步骤S1，获取编码CU；步骤S2，判断当前位置LID是否大于20，若是，则执行步骤S5；若否，则提取当前编码CUt的特征向量xt，之后执行步骤S3；步骤S3，利用决策器ActNN判断编码CUt的划分决策；步骤S4，定义u(t)的阈值Ф，若u(t)≥Ф，则当前编码CUt的划分决策为“停止划分”，并提前终止当前编码CUt的率失真代价RD cost比较过程，令LID加1后执行步骤S2；若u(t)＜Ф，则当前编码CUt的划分决策为“继续划分”，将进行率失真代价RD cost比较的编码CUt深度增加1，依次执行步骤S2；步骤S5，划分结束。本发明能有效降低编码复杂度，进而提高编码速度。
-
公开(公告)号：CN106157325A
公开(公告)日：2016-11-23
申请号：CN201510160419.8
申请日：2015-04-07
Applicant: 中国科学院深圳先进技术研究院
IPC: G06T7/20
Abstract: 本发明涉及一种群体异常行为检测方法，包括：采用群体结构动态演化的群体跟踪方法，对视频帧中的群体进行群体跟踪；在群体跟踪的过程中，对视频帧中跟踪到群体的每一帧的群体协同性值进行记录存储，直到群体跟踪结束；根据跟踪的群体的每一帧的群体协同性值，计算该群体d帧内的群体协同性值，并根据预设的阈值判断有无异常行为发生。本发明还涉及一种群体异常行为检测系统。本发明直接利用群体的基本特性来检测异常行为，非常简单方便，避免了复杂的模型学习过程，提高了查找造成安全问题原因的效率。
-
公开(公告)号：CN106156706A
公开(公告)日：2016-11-23
申请号：CN201510161942.2
申请日：2015-04-07
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明涉及一种行人异常行为检测方法，包括：对视频帧中的行人密度进行估计，根据得到的行人密度将所述视频场景划分为中高密度场景或者低密度场景；如果所述视频场景为中高密度场景，则采用群体结构动态演化的群体跟踪方法，对视频帧中的行人进行群体跟踪并检测是否发生异常行为；如果所述视频场景为低密度场景，则采用轨迹片段关联方法，对视频帧中的目标行人进行跟踪并检测是否发生异常行为。本发明简单方便，避免了复杂的模型学习的过程，适应性强，并且提高了监控人员查找造成安全问题的原因的效率，节约了人力。
-
公开(公告)号：CN106156705A
公开(公告)日：2016-11-23
申请号：CN201510160836.2
申请日：2015-04-07
Applicant: 中国科学院深圳先进技术研究院
IPC: G06K9/00
Abstract: 本发明涉及一种行人异常行为检测方法，包括：采用轨迹片段关联方法，对视频帧中的目标行人进行跟踪；分别计算视频帧中的目标行人和其周围行人在整个跟踪过程的运动距离；根据上述计算的视频帧中的目标行人和其周围行人在整个跟踪过程的运动距离，判断是否发生异常行为。本发明还涉及一种行人异常行为检测系统。本发明能够检测出行人在行走过程中出现的徘徊或逗留行为，提高了监控人员查找造成安全问题的原因的效率，节约了人力。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.159 seconds)
