-
公开(公告)号：CN103678681B
公开(公告)日：2017-03-01
申请号：CN201310728811.9
申请日：2013-12-25
Applicant: 中国科学院深圳先进技术研究院
IPC: G06F17/30
Abstract: 本发明公开了一种基于大规模数据的自适应参数的多核学习分类方法，包括以下步骤：选定多核学习的核函数；载入数据集，将数据集随机分为训练数据集和测试数据集；将训练数据集的单独一维特征值和每一维特征值进行混合，得到核矩阵组；将单位矩阵增加至核矩阵组的第一项构成新的核矩阵组，求解新的核矩阵组的权重参数组，权重参数组的第一项为正则化惩罚因子参数C的倒数，其余项为各个基核的权重参数；通过计算半无限线性规划问题得出分类模型；将测试数据集通过分类模型得到分类结果。本发明将多核学习问题转化为半正定线性规划优化问题，解决了大规模数据问题；能够自适应学习C参数，提高了求解效率，避免了繁琐交叉验证过程。
-
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。
-
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：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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN103745209A
公开(公告)日：2014-04-23
申请号：CN201410040521.X
申请日：2014-01-27
Applicant: 中国科学院深圳先进技术研究院
Inventor： 冯良炳
Abstract: 本发明适用于计算机视觉技术领域，提供了一种人脸识别方法及系统，所述方法包括：将待识别人脸图像与人脸图像数据库中的二维人脸图像进行匹配，获得最匹配的二维人脸图像，并结合最匹配的二维人脸图像对应的三维人脸模型获得待识别人脸图像和三维人脸模型之间的投影矩阵，基于投影矩阵和三维人脸模型生成新的二维人脸图像，将所述待识别人脸图像的SIFT特征向量与所述新的二维人脸图像的SIFT特征向量进行匹配，获得最匹配的SIFT特征向量，并将最匹配的SIFT特征向量对应的二维人脸图像的身份作为最终识别身份。本发明通过将二维和三维方法相结合的方式对人脸图像进行识别，可有效解决现有技术在人脸姿态变换较大时，人脸识别率较低的问题。
-
公开(公告)号：CN103745207A
公开(公告)日：2014-04-23
申请号：CN201410040459.4
申请日：2014-01-27
Applicant: 中国科学院深圳先进技术研究院
Inventor： 冯良炳
Abstract: 本发明适用于计算机技术领域，提供了一种人脸识别的特征提取方法及装置，包括：提取人脸图像的多尺度LBP特征；提取所述人脸图像的SIFT特征；获取第一权重因子和第二权重因子，所述第一权重因子对应所述人脸图像的LBP特征，所述第二权重因子对应所述人脸图像的SIFT特征；根据所述第一权重因子和所述第二权重因子，对所述人脸图像的所述LBP特征和所述SIFT特征进行组合，生成所述人脸图像的人脸特征。本发明实现了对人脸纹理信息和人脸局部区域边缘信息的保留，有效地提高了人脸识别过程中人脸特征提取的精度。
-
公开(公告)号：CN103744931A
公开(公告)日：2014-04-23
申请号：CN201310745844.4
申请日：2013-12-30
Applicant: 中国科学院深圳先进技术研究院
IPC: G06F17/30
CPC classification number: G06F17/30256
Abstract: 本发明适用于图像处理领域，提供了一种图像检索的方法，包括：获取待测图像的质心距离；将获取到的所述质心距离进行标准化处理；量化经过了标准化处理后的所述质心距离；计算距离聚合向量；计算所述待测图像的质心到最大聚合向量之间的距离，以获取特征距离；用所述特征距离作为图像特征的最终索引进行图像检索。本发明还提供了一种图像检索的系统。本发明所提供的图像检索的方法及系统能解决不同的形状仍有相同的距离聚合向量问题，进而提高图像检索的精确度。
-
公开(公告)号：CN103745209B
公开(公告)日：2018-04-13
申请号：CN201410040521.X
申请日：2014-01-27
Applicant: 中国科学院深圳先进技术研究院
Inventor： 冯良炳
Abstract: 本发明适用于计算机视觉技术领域，提供了一种人脸识别方法及系统，所述方法包括：将待识别人脸图像与人脸图像数据库中的二维人脸图像进行匹配，获得最匹配的二维人脸图像，并结合最匹配的二维人脸图像对应的三维人脸模型获得待识别人脸图像和三维人脸模型之间的投影矩阵，基于投影矩阵和三维人脸模型生成新的二维人脸图像，将所述待识别人脸图像的SIFT特征向量与所述新的二维人脸图像的SIFT特征向量进行匹配，获得最匹配的SIFT特征向量，并将最匹配的SIFT特征向量对应的二维人脸图像的身份作为最终识别身份。本发明通过将二维和三维方法相结合的方式对人脸图像进行识别，可有效解决现有技术在人脸姿态变换较大时，人脸识别率较低的问题。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.034 seconds)
