-
公开(公告)号：CN104751493A
公开(公告)日：2015-07-01
申请号：CN201510190523.1
申请日：2015-04-21
Applicant: 南京信息工程大学
Abstract: 本发明通过联合使用梯度纹理特征和目标的仿射变换参数构建目标的外观模型，提出一种稀疏跟踪方法，包括如下步骤：构建初始字典，抽取候选粒子，构建梯度纹理特征，抽取字典模板的梯度纹理特征，抽取候选样本的梯度纹理特征，用字典中的所有模板线性表示候选样本，求解稀疏系数，构建重构误差。梯度纹理特征能很好地解决因旋转、尺度以及光照变化等问题引起的目标外观变化。仿射变换能够有效处理由于尺度变换或者视角变换带来的挑战。采用增量子空间学习的方法对模板进行更新，有效抑制跟踪漂移并能处理目标遮挡等问题。本发明提出的基于梯度纹理特征的稀疏跟踪方法，在复杂场景下能保持目标跟踪的稳定性，提高跟踪器的精度。
-
公开(公告)号：CN104463148A
公开(公告)日：2015-03-25
申请号：CN201410850304.7
申请日：2014-12-31
Applicant: 南京信息工程大学
IPC: G06K9/00
CPC classification number: G06K9/00221
Abstract: 本发明公开了基于图像重构和哈希算法的人脸识别方法，采用图像重构模型，利用尺度变量ap，有效地去除了人脸图像中遮挡、掩饰，解决了人脸图像中光照不均匀和图像漂移的问题。引入Hash矩阵，将高维的数据矩阵映射到了一个低维的数据空间，大大地减小了算法的计算量。本发明在保证识别精度的情况下，既能有效处理人脸识别中多输入的问题，又能提高算法的识别效率。
-
公开(公告)号：CN113344973B
公开(公告)日：2023-11-24
申请号：CN202110641752.6
申请日：2021-06-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于时空正则化和特征可靠性评估的目标跟踪方法。属于图像处理和计算机视觉领域，操作步骤：初始化空间正则化权重；提取目标特征；求解自适应空间正则化权重；求解滤波器；特征可靠性评估；特征自适应融合与目标定位。本发明不仅对非目标区域进行更为准确的惩罚，有效缓解边界效应，还防止滤波器发生突变，缓解了模型退化问题；另外，在三种传统特征的基础上使用VGG‑16网络提取目标的深度特征，增强了模型对目标的表达能力；最后，还引入自适应特征融合机制，利用新的特征可靠性评估方式对不同特征进行可靠性的评估，进而在跟踪决策时动态地分配不同特征的贡献占比，提
-
公开(公告)号：CN116645608A
公开(公告)日：2023-08-25
申请号：CN202310622397.7
申请日：2023-05-30
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于YOLOX‑Tiny有偏特征融合网络的遥感目标检测，包括步骤如下：S1，将遥感数据集DIOR按照一定比例划分为测试集与训练集；S2，将训练集和测试集中所有图片进行统一尺寸处理；S3，在YOLOX‑Tiny基础上引入多尺度特征融合网络和可形变卷积，搭建有偏特征融合网络，并将训练集送入有偏特征融合网络，采用SIoU损失函数进行训练；S4，将测试集输入有偏特征融合网络，进行性能测试。本发明能提高模型对形变较大目标的预测能力，解决真实框与预测框在训练过程中出现的不匹配方向的问题，加速模型收敛，使得检测模型获得进一步的性能提升。
-
公开(公告)号：CN110175649B
公开(公告)日：2022-06-07
申请号：CN201910451171.9
申请日：2019-05-28
Applicant: 南京信息工程大学
IPC: G06V10/77 , G06K9/62 , G06V10/764 , G06V10/774
Abstract: 本发明提出了一种关于深度特征与重新检测的快速多尺度估计目标跟踪算法。通过深度学习的方法来表示目标的特征，提高了目标的特征表达能力。在跟踪阶段，提取不同的尺度图像块的特征时，通过PCA降维，可以减少计算量，提高整体的计算速度。在峰值旁瓣比（PSR）和置信度平滑约束（SCCM）两个判别指标的基础上，提出一种新的检测指标，从而可以更加准确地度量当前帧的跟踪可靠度。若当前帧的可靠度较低，则通过Edgeboxes的方法产生一系列目标候选框从而进行重新检测。
-
Patent Agency Ranking
公开(公告)号：CN107016691B
公开(公告)日：2019-09-27
申请号：CN201710243141.X
申请日：2017-04-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于超像素特征的运动目标检测方法，包括：利用SLIC0分割法对每帧图像进行超像素分割，并提取各超像素块的像素均值作为其超像素特征值；以初始种子点位置上的超像素特征值为此超像素块样本值，根据前N帧超像素块样本值构建各初始种子点位置上的超像素块的样本模型；提取新的一帧图像，计算其每个初始种子点上的超像素块与该种子点上超像素块的样本模型中每个样本之间的欧氏距离，若某超像素块与样本之间欧式距离小于距离阈值的总数小于匹配阈值，则判断该超像素块为前景块；此帧图像中所有的前景超像素块便组成了运动目标检测结果。本发明方法引入了超像素特征，获得良好的目标边缘信息，保证运动目标外观的完整性。
-
公开(公告)号：CN106557774B
公开(公告)日：2019-04-30
申请号：CN201510633918.4
申请日：2015-09-29
Applicant: 南京信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种多通道核相关滤波的实时跟踪方法，该方法包括：训练阶段：通过岭回归方法对上一帧目标信息进行处理，获得滤波模板；检测阶段：用获得的滤波模板对当前帧的图像进行检测，输出滤波响应；更新阶段：对滤波模板和目标外观进行实时更新。本发明的方法利用核函数融合多通道特征，克服了多通道特征的选择局限。并通过核函数将岭回归的线性优化问题转换为高维空间的非线性优化问题，从而构建一个鲁棒性更好的滤波模板，以适应目标在跟踪过程中的各种场景变化，提高跟踪器的性能，同时，绕过抽取大量样本和构建复杂外观模型的过程，使跟踪器的速度被大幅度提升，能够满足现实世界的跟踪需求。
-
公开(公告)号：CN106203354B
公开(公告)日：2019-04-12
申请号：CN201610554626.6
申请日：2016-07-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于混合深度结构的场景识别方法。改进先前混合深度识别框架，运用到场景识别的任务中，使用深度自编码器自动提取局部图像块特征代替传统混合深度网络的局部特征提取层，得到图像块高级局部特征。同时引入空间信息改进场景识别的局部特征编码层，最后使用深度判别网络识别场景，完善混合深度混合场景识别框架，使改进的混合深度场景在形式上和识别准确率上接近卷积神经网络的，计算效率上高于深度卷积神经网络。此外针对场景数据类内差异性和类间相似性有选择扩充场景数据，构建鲁棒性高，适应小数据集的深度混合场景识别模型。
-
公开(公告)号：CN104616319B
公开(公告)日：2018-06-12
申请号：CN201510044595.5
申请日：2015-01-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于支持向量机的多特征选择目标跟踪方法，其步骤为：获取正负样本，提取样本的多种特征；抽取候选目标，提取目标的多种特征；对所有特征进行核化处理；训练SVM分类器；计算置信值，判别候选目标；更新分类器；评估跟踪性能。本发明能够解决单一特征描述目标能力较差的问题以及克服单一正样本训练的分类器分类能力较弱的缺点，能够在光照影响较大、目标出现严重遮挡等复杂场景下提高目标跟踪器的精度和稳健性。
-
公开(公告)号：CN104881651B
公开(公告)日：2017-12-15
申请号：CN201510289260.X
申请日：2015-05-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于随机投影和Fisher向量的人物行为识别方法，采用随机投影定理的方法替代主成份分析法进行特征降维，以解决其时间消耗大，主成份保留不明确等问题，随机投影定理表明，通过一个压缩测量矩阵，可以把具有稀疏性质的原始信号投影到某个低维子空间上，该映射后的向量与原始高维特征向量间点距离基本保持不变，即整个压缩过程不会产生数据的曲解。此外不同于BoW模型的硬划分，本发明采用GMM—Fisher向量混合模型对轨迹特征向量进行软划分，它融合了Fisher核生成模式和判别模式的特点，不仅能计算出每个特性描述子出现的频率，还能从统计学的意义上描述这些特征描述子的概率分布情况，既丰富了行为动作的特征表达又提高了行为识别的效率。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.031 seconds)
