-
公开(公告)号：CN105160687A
公开(公告)日：2015-12-16
申请号：CN201510689097.6
申请日：2015-10-21
Applicant: 华中科技大学
IPC: G06T7/00
CPC classification number: G06T5/002 , G06T3/4007 , G06T3/4076 , G06T7/0002 , G06T2207/10048 , G06T2207/20076 , G06T7/001 , G06T2207/30108
Abstract: 本发明公开了一种气动光学热辐射噪声校正方法，包括以下步骤：首先将退化图像进行预处理得到多尺度退化图像集合；然后，根据上述多尺度退化集合，以上一尺度估计结果作为下一尺度估计初始值来获得最优解的更新迭代过程，完成原始尺度的偏差场估计；最后，根据原始尺度的偏差场估计值对退化图像进行复原，得到气动光学热辐射噪声校正图像。本发明还涉及一种气动光学热辐射噪声校正系统。本发明有效解决了现有方法中存在的校正效果差、方法复杂度高、无法在图像层面进行热辐射噪声校正的问题，适用于气动光学热辐射噪声图像复原的应用场合。
-
公开(公告)号：CN114022698B
公开(公告)日：2025-04-29
申请号：CN202111202508.6
申请日：2021-10-15
Applicant: 华中科技大学
IPC: G06V10/764 , G06V10/774 , G06V20/40
Abstract: 本发明公开了一种基于二叉树结构的多标签行为识别方法及装置，包括：S1，提取训练好的第一多标签行为识别网络中的第一分类器输出的各行为类别的参数向量；S2，基于所述参数向量计算各行为类别之间的相似度并按照相似度从高到低进行排序，将各行为类别依次进行不重复的两两递归组合，以构建二叉树；S3，基于所述特征提取网络、第二分类器及二叉树，构建第二多标签行为识别网络；S4，采用训练后的第二多标签行为识别网络对待测视频进行行为识别。通过采用基于二叉树的多标签行为分类技术，可以实现对不同类别的行为间相似性的解耦，尤其是对于视觉上高度相似又难以区分的行为，从而有效提高识别准确率。
-
公开(公告)号：CN114022698A
公开(公告)日：2022-02-08
申请号：CN202111202508.6
申请日：2021-10-15
Applicant: 华中科技大学
IPC: G06V10/764 , G06V10/774 , G06V20/40 , G06K9/62
Abstract: 本发明公开了一种基于二叉树结构的多标签行为识别方法及装置，包括：S1，提取训练好的第一多标签行为识别网络中的第一分类器输出的各行为类别的参数向量；S2，基于所述参数向量计算各行为类别之间的相似度并按照相似度从高到低进行排序，将各行为类别依次进行不重复的两两递归组合，以构建二叉树；S3，基于所述特征提取网络、第二分类器及二叉树，构建第二多标签行为识别网络；S4，采用训练后的第二多标签行为识别网络对待测视频进行行为识别。通过采用基于二叉树的多标签行为分类技术，可以实现对不同类别的行为间相似性的解耦，尤其是对于视觉上高度相似又难以区分的行为，从而有效提高识别准确率。
-
公开(公告)号：CN107194365B
公开(公告)日：2020-01-03
申请号：CN201710416188.1
申请日：2017-06-06
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于中层特征的行为识别方法与系统，其中方法的实现包括：从样本图像序列中得到候选部件检测器集；移除候选部件检测器集中B％的判别能力弱的部件检测器，得到新的候选部件检测器集；根据新的候选部件检测器集中每个部件检测器的权重进行由大到小的排序，选择排序靠前的P个部件检测器作为A类行为类别的中层特征提取器；获取行为类别中每一类行为类别的中层特征提取器，组合成词袋，利用词袋提取样本图像序列的样本中层特征，利用样本中层特征训练分类器，得到行为识别分类器；将测试图像序列输入行为识别分类器，得到测试图像序列的行为类别。本发明识别能力强、识别准确率高、实用性强、保留了部件之间的关联性。
-
公开(公告)号：CN106447626B
公开(公告)日：2019-06-07
申请号：CN201610806072.4
申请日：2016-09-07
Applicant: 华中科技大学
CPC classification number: G06T5/00
Abstract: 本发明公开了一种基于深度学习的模糊核尺寸估计方法，属于模式识别技术领域。该方法首先根据模糊图样属性选择采用降采样或尺寸截取进行预处理，得到尺寸满足需求的输入图像；之后，将图像输入至已完成训练的多分类卷积神经网络中，通过不同层的权值计算，得到一个概率分布向量；最后，通过比较向量中各元素的大小，取值最大的元素所对应图像类别代表的模糊核尺寸即为模糊图像尺寸大小的估计结果。本发明还实现了一种基于深度学习的模糊核尺寸估计系统。本发明为现有图像去模糊算法提供了更具科学依据的模糊核尺寸作为输入参数，有效解决了现有方法中存在的尺寸盲目输入以及无法提供直接的输入值等问题。
-
Patent Agency Ranking
公开(公告)号：CN114581819B
公开(公告)日：2024-09-20
申请号：CN202210163283.6
申请日：2022-02-22
Applicant: 华中科技大学
IPC: G06V20/40 , G06V40/20 , G06V10/75 , G06V10/82 , G06N3/0442
Abstract: 本发明提供一种视频行为识别方法及系统，包括：确定预训练好的识别网络；识别网络包括：时空特征提取模块和集合匹配模块；时空特征提取模块用于提取接收到视频的空间特征和时间特征，集和匹配模块用于基于空间特征和时间特征以及模板视频的时空特征将接收到视频与模板视频进行匹配，识别接收到视频的行为；模板视频包括T类视频；对识别网络进行训练时，从T类视频中循环随机选取S类视频，为每类视频确定K个训练样本，将S类视频对应的训练样本输入到识别网络进行训练；将待识别的视频和模板视频输入到预训练好的识别网络中，以对待识别视频进行行为识别，输出对应的行为识别结果。本发明在小样本场景下，可以实现灵活准确的视频匹配和识别。
-
公开(公告)号：CN109961019B
公开(公告)日：2021-03-26
申请号：CN201910153037.0
申请日：2019-02-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种时空行为检测方法，包括对样本视频中所有帧进行对象检测，获取候选对象集合；计算样本视频中所有帧间光流信息，获取运动集合；构建附加对象注意机制和运动注意机制的时空卷积‑反卷积网络；对样本视频的各时间片段进行时空卷积处理后，均添加对应的稀疏变量和稀疏约束得到网络结构S；以基于交叉熵的分类损失和稀疏约束的损失为目标函数，对网络结构S进行训练；计算测试样本视频中各时间片段对应的行为类别与稀疏系数，获取对象行为时空位置。本发明通过对象检测和光流预测，不仅减少行为搜索空间，而且时空行为检测具有良好的鲁棒性。
-
公开(公告)号：CN105160687B
公开(公告)日：2018-01-02
申请号：CN201510689097.6
申请日：2015-10-21
Applicant: 华中科技大学
IPC: G06T5/00
CPC classification number: G06T5/002 , G06T3/4007 , G06T3/4076 , G06T7/0002 , G06T2207/10048 , G06T2207/20076
Abstract: 本发明公开了一种气动光学热辐射噪声校正方法，包括以下步骤：首先将退化图像进行预处理得到多尺度退化图像集合；然后，根据上述多尺度退化集合，以上一尺度估计结果作为下一尺度估计初始值来获得最优解的更新迭代过程，完成原始尺度的偏差场估计；最后，根据原始尺度的偏差场估计值对退化图像进行复原，得到气动光学热辐射噪声校正图像。本发明还涉及一种气动光学热辐射噪声校正系统。本发明有效解决了现有方法中存在的校正效果差、方法复杂度高、无法在图像层面进行热辐射噪声校正的问题，适用于气动光学热辐射噪声图像复原的应用场合。
-
公开(公告)号：CN107403414A
公开(公告)日：2017-11-28
申请号：CN201710572664.9
申请日：2017-07-14
Applicant: 华中科技大学
Abstract: 本发明公开了一种利于模糊核估计的图像区域选择方法和系统，其中方法的实现包括：计算模糊图像中每一像素点的相对总变分值并得到其相对总变分映射图；设定阈值确定图像中每一像素点是否为边界像素点；再对模糊图像以及其相对总变分映射图进行采样，得到一系列图像块；最后统计每一图像块中边界像素点的数量并选择出有利于模糊核估计的图像区域。本发明有效解决了现有区域选择方法中存在的过于依赖操作者经验，效率低等问题，自动选择出有利于模糊核估计的图像区域，适用于图像去模糊算法中模糊核估计的应用场合。
-
公开(公告)号：CN107194365A
公开(公告)日：2017-09-22
申请号：CN201710416188.1
申请日：2017-06-06
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于中层特征的行为识别方法与系统，其中方法的实现包括：从样本图像序列中得到候选部件检测器集；移除候选部件检测器集中B％的判别能力弱的部件检测器，得到新的候选部件检测器集；根据新的候选部件检测器集中每个部件检测器的权重进行由大到小的排序，选择排序靠前的P个部件检测器作为A类行为类别的中层特征提取器；获取行为类别中每一类行为类别的中层特征提取器，组合成词袋，利用词袋提取样本图像序列的样本中层特征，利用样本中层特征训练分类器，得到行为识别分类器；将测试图像序列输入行为识别分类器，得到测试图像序列的行为类别。本发明识别能力强、识别准确率高、实用性强、保留了部件之间的关联性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.029 seconds)
