-
公开(公告)号：CN115731593A
公开(公告)日：2023-03-03
申请号：CN202210928331.6
申请日：2022-08-03
Applicant: 郑州轻工业大学
Abstract: 本申请公开一种人脸活体检测方法，其特征在于，包括如下步骤：步骤一：接收包含人脸区域的可见光、深度和红外图像；步骤二：对人脸可见光、深度和红外图像进行预处理操作，提取可见光、深度和红外三种模态特征向量，实现人脸图像增强；步骤三：将所述三种模态人脸图像输入至经训练的多核卷积神经网络中，对所述三种模态的学习结果进行LTF融合，将融合特征输入至分类层实现人脸活体检测得到人脸检测结果，或从所述三种模态向量中任意选取两个进行组合，得到三个组合，将所述三个组合输入至MultiModal Vision Transformer结构中，对所述三个模态的学习结果进行融合，将融合特征输入至分类层实现人脸活体检测，得到人脸检测结果。
-
公开(公告)号：CN118827417A
公开(公告)日：2024-10-22
申请号：CN202410786718.1
申请日：2024-06-18
Applicant: 郑州轻工业大学
IPC: H04L41/147 , H04L41/0897 , H04L41/40 , H04L41/16 , H04L43/0852 , H04L43/0876 , H04L67/10 , G06N3/0442 , G06N3/098
Abstract: 本发明涉及一种边云协同网络中的网络流量预测方法，确定SFC迁移问题的约束，包括：每台服务器的容量限制要求、每条链路的容量限制要求、每个VNF需放置在边缘服务器或云上、必须遵循数据流的流量守恒定律、总延迟包括通信延迟和处理延迟且不能超过延迟限制、优化目标是降低被动迁移量和降低网络中的能源消耗；确定SFC迁移问题的优化目标，包括：网络能量优化目标、迁移节点的总数优化目标、失败的SFCs的总数的优化目标；训练全局模型来预测网络流量。本发明提供的网络流量预测方法可以有效提高收益(如SFCR的接受率)，提高稳定性(如需要迁移的VNF数量)，并尽可能降低成本(如能耗)。
-
公开(公告)号：CN116469162A
公开(公告)日：2023-07-21
申请号：CN202310315001.4
申请日：2023-03-28
IPC: G06V40/20 , G06V20/40 , G06V10/80 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/084
Abstract: 本发明提出一种基于多元时序特征、空间融合的行为识别方法，通过熵信息流来提取时序特征，建立人体行为时序特征的表达方法和数据来源。建立人体行为空间特征的表达方法和数据来源，建立视频帧的前景模板和背景模板，从而将目标从图像中分离出来，便于后续步骤中基于时序的特征修正。最终在复杂场景下，建立多元时序特征、空间特征融合模型，准确识别复杂场景下人体行为。
-
公开(公告)号：CN115424330B
公开(公告)日：2023-08-11
申请号：CN202211129848.5
申请日：2022-09-16
Applicant: 郑州轻工业大学
IPC: G06V40/16 , G06N3/0464 , G06N3/047 , G06N3/08 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82
Abstract: 本发明提出了一种基于DFMN和DSD的单模态人脸活体检测方法，用于解决传统方法无法精准识别出人脸活体与非活体之间差异的问题；其步骤为：首先，对接收到的人脸可见光图像进行预处理操作，提取可见光图像的特征，并根据可见光图像特征划分正、负样本空间；其次，构建DFMN网络结构，基于正、负样本空间构建DSD联合优化框架对DFMN进行网络模型训练，得到DFMN模型；最后，将待识别的可见光人脸图像输入DFMN模型中，输出人脸活体检测结果。本发明通过深度卷积神经网络DFMN和DSD方法的结合，学习了真假面部中的重要线索，能够有效地消除可将光人脸图像中面部特征的干扰，提升了可见光模态下人脸活体检测的准确率。
-
公开(公告)号：CN115190049A
公开(公告)日：2022-10-14
申请号：CN202210803255.6
申请日：2022-07-07
Applicant: 郑州轻工业大学
IPC: H04L43/0876 , H04L41/147 , H04L41/16
Abstract: 本发明涉及一种基于DDPG神经网络的网络流量预测方法，构建DDPG神经网络，获取当前时间片对应的时间片集合的网络流量数据，当前时间片对应的时间片集合包括当前时间片以及当前时间片之前的预设个数的时间片，网络流量数据包括预测使用数据和真实值数据，根据当前时间片对应的时间片集合的网络流量数据，训练DDPG神经网络，最后根据训练完成的DDPG神经网络进行网络流量预测。本发明提供的基于DDPG神经网络的网络流量预测方法能够减少因实际流量较高导致的被动迁移频次，在已知减少被动迁移权重和节能权重时，最大限度提高网络整体效果，即降低被动迁移次数和能耗。
-
Patent Agency Ranking
公开(公告)号：CN116958876A
公开(公告)日：2023-10-27
申请号：CN202310940861.7
申请日：2023-07-28
Applicant: 郑州轻工业大学
IPC: G06V20/40 , G06V40/20 , G06V10/764 , G06V10/774 , G06V10/46 , G06V10/52 , G06V10/80 , G06V10/762 , G06T7/80
Abstract: 本发明公开了一种基于多光谱双目立体视觉的视频异常行为检测方法和系统，该方法包括基于空间坐标变换关系和图像配准模型，在多光谱平台下对双目视频进行视觉标定，根据标定结果实现图像背景建模，分割前景目标；针对分割后的目标，通过建立目标表观纹理模型、运动显著性模型和深度显著性模型来确定目标在全局和局部时空域中的各个光谱维显著性特征；将所有显著性特征在不同尺度下组成多尺度多模态特征融合模型，通过融合模型检测目标的异常行为。本发明提高了目标异常检测效率和检测准确性。
-
公开(公告)号：CN115190049B
公开(公告)日：2023-04-25
申请号：CN202210803255.6
申请日：2022-07-07
Applicant: 郑州轻工业大学
IPC: H04L43/0876 , H04L41/147 , H04L41/16
Abstract: 本发明涉及一种基于DDPG神经网络的网络流量预测方法，构建DDPG神经网络，获取当前时间片对应的时间片集合的网络流量数据，当前时间片对应的时间片集合包括当前时间片以及当前时间片之前的预设个数的时间片，网络流量数据包括预测使用数据和真实值数据，根据当前时间片对应的时间片集合的网络流量数据，训练DDPG神经网络，最后根据训练完成的DDPG神经网络进行网络流量预测。本发明提供的基于DDPG神经网络的网络流量预测方法能够减少因实际流量较高导致的被动迁移频次，在已知减少被动迁移权重和节能权重时，最大限度提高网络整体效果，即降低被动迁移次数和能耗。
-
公开(公告)号：CN116958876B
公开(公告)日：2024-06-14
申请号：CN202310940861.7
申请日：2023-07-28
Applicant: 郑州轻工业大学
IPC: G06V20/40 , G06V40/20 , G06V10/764 , G06V10/774 , G06V10/46 , G06V10/52 , G06V10/80 , G06V10/762 , G06T7/80
Abstract: 本发明公开了一种基于多光谱双目立体视觉的视频异常行为检测方法和系统，该方法包括基于空间坐标变换关系和图像配准模型，在多光谱平台下对双目视频进行视觉标定，根据标定结果实现图像背景建模，分割前景目标；针对分割后的目标，通过建立目标表观纹理模型、运动显著性模型和深度显著性模型来确定目标在全局和局部时空域中的各个光谱维显著性特征；将所有显著性特征在不同尺度下组成多尺度多模态特征融合模型，通过融合模型检测目标的异常行为。本发明提高了目标异常检测效率和检测准确性。
-
公开(公告)号：CN116843652A
公开(公告)日：2023-10-03
申请号：CN202310814659.X
申请日：2023-07-04
Applicant: 郑州轻工业大学
IPC: G06T7/00 , G06T5/20 , G06N3/0464 , G06N3/084
Abstract: 本发明提出一种基于视觉神经网络模型的路面裂缝检测方法，通过对路面检测视觉图像实施滤波，提高图像检测识别率；通过结合天气标记，建立路面特征的视觉神经网络模型，提高视觉检测方法对图像特征的识别精度，从而改善固定式路面缺陷检测的应用效果。
-
公开(公告)号：CN115424330A
公开(公告)日：2022-12-02
申请号：CN202211129848.5
申请日：2022-09-16
Applicant: 郑州轻工业大学
IPC: G06V40/16 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82
Abstract: 本发明提出了一种基于DFMN和DSD的单模态人脸活体检测方法，用于解决传统方法无法精准识别出人脸活体与非活体之间差异的问题；其步骤为：首先，对接收到的人脸可见光图像进行预处理操作，提取可见光图像的特征，并根据可见光图像特征划分正、负样本空间；其次，构建DFMN网络结构，基于正、负样本空间构建DSD联合优化框架对DFMN进行网络模型训练，得到DFMN模型；最后，将待识别的可见光人脸图像输入DFMN模型中，输出人脸活体检测结果。本发明通过深度卷积神经网络DFMN和DSD方法的结合，学习了真假面部中的重要线索，能够有效地消除可将光人脸图像中面部特征的干扰，提升了可见光模态下人脸活体检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
