-
公开(公告)号：CN110555387B
公开(公告)日：2022-07-19
申请号：CN201910711578.0
申请日：2019-08-02
Applicant: 华侨大学
IPC: G06V40/20 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/50 , G06V10/62 , G06K9/62
Abstract: 本发明属于人工智能技术领域，公开了一种骨架序列中基于局部关节点轨迹时空卷的行为识别方法，自输入的RGB视频数据和骨架关节点数据中提取局部关节点轨迹时空卷；利用基于RGB视频数据集的预训练模型提取图像特征；对训练集中每个关节点的每一种不同的特征分别构建码本并且分别进行编码，将n个关节点的特征串联为特征向量；利用SVM分类器进行行为分类与识别。本发明将手工特征以及深度学习特征融合，并使用深度学习方法提取局部特征，多种特征的融合可以达到一个稳定且准确的识别率；本发明使用姿态估计算法估计的2D人体骨架以及RGB视频序列提取特征，成本较低，且精度较高，应用于真实场景有着重要的意义。
-
公开(公告)号：CN107133920A
公开(公告)日：2017-09-05
申请号：CN201710443083.5
申请日：2017-06-13
Applicant: 华侨大学
CPC classification number: G06T3/4038 , G06T7/11 , G06T7/44 , G06T7/62
Abstract: 本发明属于图像处理技术领域，公开了一种基于视觉特征的马赛克拼图的自动生成方法，将大量的小图像拼接成一副大图像。相比现在半自动的制作方式，自动生成方法基于图像底层特征，从有限的小图像素材集中找到一张最佳的图像拼接顺序，从而减少拼图中突兀的噪声块；采用基于信噪比的自适应图像叠加方法，避免在宏观上，大图局部细节的丢失。方法具体包括：大图的矩形分割；图像底层特征抽取；基于图像底层特征的小图像筛选；基于信噪比的自适应图像叠加。从拼图的效果上看，本发明的方法相比于目前的拼图方法有更好的视觉效果，与原图的误差较小；达到了人工手动调整的视觉效果，实现了全自动的马赛克拼图。
-
公开(公告)号：CN107133920B
公开(公告)日：2021-07-30
申请号：CN201710443083.5
申请日：2017-06-13
Applicant: 华侨大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于视觉特征的马赛克拼图的自动生成方法，将大量的小图像拼接成一副大图像。相比现在半自动的制作方式，自动生成方法基于图像底层特征，从有限的小图像素材集中找到一张最佳的图像拼接顺序，从而减少拼图中突兀的噪声块；采用基于信噪比的自适应图像叠加方法，避免在宏观上，大图局部细节的丢失。方法具体包括：大图的矩形分割；图像底层特征抽取；基于图像底层特征的小图像筛选；基于信噪比的自适应图像叠加。从拼图的效果上看，本发明的方法相比于目前的拼图方法有更好的视觉效果，与原图的误差较小；达到了人工手动调整的视觉效果，实现了全自动的马赛克拼图。
-
公开(公告)号：CN110555387A
公开(公告)日：2019-12-10
申请号：CN201910711578.0
申请日：2019-08-02
Applicant: 华侨大学
Abstract: 本发明属于人工智能技术领域，公开了一种骨架序列中基于局部关节点轨迹时空卷的行为识别方法，自输入的RGB视频数据和骨架关节点数据中提取局部关节点轨迹时空卷；利用基于RGB视频数据集的预训练模型提取图像特征；对训练集中每个关节点的每一种不同的特征分别构建码本并且分别进行编码，将n个关节点的特征串联为特征向量；利用SVM分类器进行行为分类与识别。本发明将手工特征以及深度学习特征融合，并使用深度学习方法提取局部特征，多种特征的融合可以达到一个稳定且准确的识别率；本发明使用姿态估计算法估计的2D人体骨架以及RGB视频序列提取特征，成本较低，且精度较高，应用于真实场景有着重要的意义。
-
-
-
Search Results
4
records
(took 0.017 seconds)
