-
公开(公告)号：CN103824062B
公开(公告)日：2017-01-11
申请号：CN201410079746.6
申请日：2014-03-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于非负矩阵分解的分部位人体运动识别方法，主要解决现有技术中特征提取复杂、表征能力弱、计算量大的问题。其实现步骤是：（1）从训练视频集X中选取一个样本视频I，检测人体各部位的运动兴趣点及相对应部位的运动特征；（2）将人体各部位运动特征进行非负矩阵分解；(3)将经过分解后的人体各部位运动特征进行级联，级联的结果作为最终特征；集T中的所有视频进行特征提取，获得训练样本特征集X'和测试样本特征集T'，并进行学习训练，获得分类结果。本发明能准确识别人体运动，可用于视频监控、人体姿态估计和运动识别的视频处理。(4)按上述步骤分别对训练视频集X和测试视频
-
公开(公告)号：CN103824264A
公开(公告)日：2014-05-28
申请号：CN201410079728.8
申请日：2014-03-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于随机傅里叶特征的压缩感知方法，主要解决现有技术对图像重构后质量不佳的问题。其实现步骤是：(1)根据给定的图像采样率生成坐标模板；(2)计算坐标模版的随机傅里叶特征矩阵，并根据随机傅里叶特征矩阵计算压缩矩阵；(3)将需要压缩的图像分成n个图像子块，利用压缩矩阵对所有图像子块进行压缩得到观测矩阵；(4)根据观测矩阵得到初始重构图像；（5）对初始重构图像进行迭代，得到最终的重构图像。本发明具有原理清晰，操作简单和重构图像质量高等优点，适用于自然图像的压缩和重构。
-
公开(公告)号：CN103824264B
公开(公告)日：2017-03-29
申请号：CN201410079728.8
申请日：2014-03-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于随机傅里叶特征的压缩感知方法，主要解决现有技术对图像重构后质量不佳的问题。其实现步骤是：(1)根据给定的图像采样率生成坐标模板；(2)计算坐标模版的随机傅里叶特征矩阵，并根据随机傅里叶特征矩阵计算压缩矩阵；(3)将需要压缩的图像分成n个图像子块，利用压缩矩阵对所有图像子块进行压缩得到观测矩阵；(4)根据观测矩阵得到初始重构图像（；5）对初始重构图像进行迭代，得到最终的重构图像。本发明具有原理清晰，操作简单和重构图像质量高等优点，适用于自然图像的压缩和重构。
-
公开(公告)号：CN114564104B
公开(公告)日：2024-07-16
申请号：CN202210145445.3
申请日：2022-02-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于视频中动态手势控制的会议演示系统，由实时视频采集模块、连续手势分割模块、视频多尺度去冗余模块、手势识别模块、会议演示系统响应模块组成。其中实时视频采集模块用于不间断获取实时视频流数据；连续手势分割模块用于对视频流中连续的手势进行拆分处理；视频重去冗余模块用于对单一手势视频片段进行去冗余区处理；手势识别模块用于对接收到的独立的单一手势视频进行识别；会议演示系统响应模块将手势信号转化为会议系统的控制指令，通过调用相应的指令函数实现会议演示系统的打开、放映和翻页控制。该系统使得演示者摆脱了鼠标、键盘、翻页笔的限制，增强了会议演示的互动性，提高了演示过程的流畅性。
-
公开(公告)号：CN103902989B
公开(公告)日：2017-03-01
申请号：CN201410161014.1
申请日：2014-04-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于非负矩阵分解的人体动作视频识别方法，克服了现有技术中动作视频特征的提取受背景环境的影响而导致识别率下降，且提取的特征维数过高而导致计算量过大的问题。本发明的具体实现步骤如下（：1）数据集预处理；（2）检测空间兴趣点；（3）构建立方体；4）构造特征矩阵；（5）训练字典；（6）分类。本发明能够有效克服人体动作视频识别过程中背景环境对特征提取的影响，提高人体动作视频的识别率，而且提取的特征维数较低，降低了人体动作视频识别过程的计算量和复杂性。
-
Patent Agency Ranking
公开(公告)号：CN103810724A
公开(公告)日：2014-05-21
申请号：CN201410078909.9
申请日：2014-03-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空间嵌入式极限学习机的人体运动跟踪方法，主要解决现有技术跟踪误差较大的问题。其实现步骤是：(1)预处理训练视频和测试视频，得到训练样本和测样本；(2)使用描述子提取训练样本和测试样本的图像特征矩阵，用训练样本的特征矩阵和人体运动姿态矩阵组成联合矩阵；(3)根据联合矩阵在随机特征空间的投影和人体运动姿态矩阵计算输出权重；(4)根据输出权重求出测试样本的姿态估计矩阵；(5)将测试样本的姿态估计矩阵与人体运动姿态矩阵的差值作为最终的人体跟踪误差。本发明能够有效减小跟踪误差，可用于运动捕获、人机交互及视频监控等。
-
公开(公告)号：CN116311495A
公开(公告)日：2023-06-23
申请号：CN202310070774.0
申请日：2023-01-19
Applicant: 西安电子科技大学
Abstract: 一种基于视频输入的双流全局‑局部动作识别方法、系统、设备及存储介质，方法包括：采集内容为单个识别对象行为的视频输入，使用识别对象关键点识别方法提取识别对象特征关键点，并选取其中关键点在识别对象行为视频中进行逐帧裁剪，得到多个对应区域的局部图像；对识别对象局部图像组成的多个局部视频输入和全局视频输入进行数据预处理工作；分别使用局部视频和原始视频输入网络，训练局部特征提取模块和全局特征提取模块；加入局部特征增强模块和结果融合结构协同训练，得到全局‑局部动作识别模型；进行动作识别；所述系统、设备及介质用于实现多局部提取的双流全局‑局部动作识别方法；本发明操作简单、能够提高整体双流全局‑局部动作识别方法得到的动作识别预测结果的效果。
-
公开(公告)号：CN103905831B
公开(公告)日：2017-01-18
申请号：CN201410160985.4
申请日：2014-04-18
Applicant: 西安电子科技大学
IPC: H04N19/63 , H04N19/645 , H04N19/88 , G06T9/40
Abstract: 本发明提出了一种基于图形处理器的条带波变换图像压缩方法，克服了现有技术中计算量大和压缩图像峰值信噪比低的问题。本发明的具体实现步骤如下：（1）输入待压缩图像；（2)小波变换；（3）Bandelet化；(4）嵌入式零树小波编码，输出压缩文件；（5）输入待解压的压缩文件；（6）解码（；7）Bandelet逆变换，输出重构图像。本发明能够有效克服现有技术中压缩速度慢、图像细节特征保持不好、峰值信噪比低的问题，使得图像的细节特征能够得到很好的保留，加快压缩处理的速度，提升了压缩图像的峰值信噪比。
-
公开(公告)号：CN103902989A
公开(公告)日：2014-07-02
申请号：CN201410161014.1
申请日：2014-04-21
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于非负矩阵分解的人体动作视频识别方法，克服了现有技术中动作视频特征的提取受背景环境的影响而导致识别率下降，且提取的特征维数过高而导致计算量过大的问题。本发明的具体实现步骤如下：（1）数据集预处理；（2）检测空间兴趣点；（3）构建立方体；（4）构造特征矩阵；（5）训练字典；（6）分类。本发明能够有效克服人体动作视频识别过程中背景环境对特征提取的影响，提高人体动作视频的识别率，而且提取的特征维数较低，降低了人体动作视频识别过程的计算量和复杂性。
-
公开(公告)号：CN103824063A
公开(公告)日：2014-05-28
申请号：CN201410079781.8
申请日：2014-03-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于稀疏表示的动态手势识别方法，克服了现有技术中手势特征的提取受背景环境的影响而导致识别率下降，且将手势识别过程进行数学建模，导致手势识别过程太复杂的问题。本发明的具体实现步骤如下：（1）建立数据库；（2）提取时空兴趣点；（3）构建立方体；（4）提取三维SIFT特征；（5）训练字典；（6）稀疏表示；（7）训练支持向量机分类器；（8）分类。本发明能够有效克服手势识别过程中背景环境对特征提取的影响，提高手势识别的识别率，而且不需要复杂的数学建模过程，降低了手势识别过程的计算量和复杂性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.026 seconds)
