基于注意力机制的多流分段网络人体动作识别方法及系统

    公开(公告)号:CN111931602A

    公开(公告)日:2020-11-13

    申请号:CN202010710145.6

    申请日:2020-07-22

    Abstract: 本发明公开了一种基于注意力机制的多流分段网络人体动作识别方法及系统,其方法包括以下步骤:将长视频分割为多段,对每段进行采样得到一个片段;将每个片段送入基于注意力机制的多流分段网络中,由稠密卷积神经网络和卷积注意力机制模块结合的特征提取网络分别对RGB图像和光流图进行特征提取,得到空间流和时间流输出;由基于OpenPose的关节点估计网络对RGB图像进行关节点估计,得到姿态估计输出;然后通过分段一致性函数分别对三路输出中的每一路产生段共识,获得空间流一致性预测结果、时间流一致性预测结果和姿态估计一致性预测结果;最后,将段共识产生的分类分数进行分数融合后再由softmax函数分类,得到全局分类识别,从而完成人体动作的识别。

    一种人体动作识别系统及方法

    公开(公告)号:CN110222556A

    公开(公告)日:2019-09-10

    申请号:CN201910324097.4

    申请日:2019-04-22

    Abstract: 本发明提供了一种人体动作识别系统及方法,所述系统包括:视频图像采集模块、图像标准化模块、深度残差双向多记忆神经网络模块、分类器模块;视频图像采集模块将对原始视频图像进行采样处理,得到采样后视频图像,并输入给图像标准化模块进行标准化处理,得到标准化视频图像;标准化视频图像输入深度残差双向多记忆神经网络模块进行处理;深度残差双向多记忆神经网络模块包括剪枝网络单元、深度残差双向网络单元;分类器模块基于所述深度残差双向多记忆神经网络模块的输出进行分类。本发明的技术方案很好地解决梯度消失问题,增强特征的耦合能力,极大地加速训练,提高识别的准确率及运算速度。

    基于时空网络的时空同现模式挖掘方法

    公开(公告)号:CN106844736A

    公开(公告)日:2017-06-13

    申请号:CN201710076513.4

    申请日:2017-02-13

    CPC classification number: G06F17/30539

    Abstract: 本发明提供了一种基于时空网络的时空同现模式挖掘方法,包括:对时空数据集进行初始化建模,建立用以表示实例及元素之间时空关系的双层时空网络,并保存所述时空网络对应的邻接矩阵;其中,所述时空网络包括实例网络层及元素网络层,所述元素网络层用于生成候选集;从所述实例网络层中读取相应邻近关系序列,计算模式支持度及空间频繁度;从所述元素网络层读取模式的邻近关系,计算模式的时间频繁度;根据模式的各时间槽空间频繁度及时间频繁度计算模式的权重特征值;将所有同现模式按照权重特征值进行排序,根据输入的模式比例值,输出满足条件的模式集。本发明提高了时空同现模式的计算效率,解决了时空阈值难以设定的问题。

    一种基于三维骨骼信息的人体动作识别方法

    公开(公告)号:CN106022213A

    公开(公告)日:2016-10-12

    申请号:CN201610289796.6

    申请日:2016-05-04

    Inventor: 叶青 张丽 张永梅

    CPC classification number: G06K9/00342 G06K9/00201 G06K9/6269

    Abstract: 本发明公开了一种基于三维骨骼信息的人体动作识别方法,该方法首先对多个不同性别和身高的个体样本分别作出多种动作时得到的彩色数据流、深度数据流和骨骼数据流进行处理,以构建得到分别对应每种动作的SVM模型,之后再采集被识别目标在Kinect深度传感器的采集范围内作出任一动作时的骨骼数据流,并由该骨骼数据流得到的归一化后的人体骨骼关节点与参考点之间的距离以及14个向量夹角,将上述数据分别输入多个SVM模型,输出概率最大的SVM模型对应的动作即为该识别目标作出的动作。本发明采用Kinect深度传感器进行图像获取,受光照条件、阴影等因素影响较小,能够实时获取人体动作的深度图和骨骼信息,从而准确地定位场景中的人体目标。

    脊波变换与DCT变换相结合的图像水印嵌入和提取方法

    公开(公告)号:CN103079066B

    公开(公告)日:2016-06-01

    申请号:CN201210590076.5

    申请日:2012-12-29

    Abstract: 本发明公开了一种脊波变换与DCT相结合的图像水印嵌入和提取方法,水印嵌入方法包括如下步骤:将图像从RGB空间转换到YIQ空间;对Y分量进行脊波变换;选入嵌入频带并分块;进行DCT变换,添入水印信息,得到含有水印信息的DCT系数矩阵;进行IDCT变换及逆脊波变换;将图像从YIQ空间转换到RGB空间,得到嵌入水印后的图像。水印提取方法包括如下步骤:将图像从RGB空间转换到YIQ空间;对Y分量进行脊波变换;选入嵌入频带并分块;DCT变换;提取水印;计算量化值,得到水印图像。本发明增强了水印算法的健壮性,具有较好的鲁棒性和不可见性。

    基于决策层融合的桥梁识别方法

    公开(公告)号:CN103020605B

    公开(公告)日:2016-04-06

    申请号:CN201210578412.4

    申请日:2012-12-28

    CPC classification number: G06K9/00637

    Abstract: 本发明公开了一种基于决策层融合的桥梁识别方法,包括以下步骤:读入多光谱图像、全色图像及SAR图像,对多光谱图像进行HSV空间转换;分别对H、S、V三个分量进行膨胀、腐蚀预处理;分别对H、S、V进行阈值分割;用8邻域搜索去掉小面积干扰区域,得到水陆分割结果;使用形态膨胀和形态腐蚀算子对水体区域进行规整,得到潜在桥梁区域;在全色图像中提取潜在桥梁区域的纹理特征,确定阈值,识别桥梁;在SAR图像中提取潜在桥梁区域的区域均值比特征,确定阈值,识别桥梁;将全色图像中和SAR图像中的桥梁识别结果进行决策层融合。本发明综合利用多光谱、全色、SAR图像的互补特征进行桥梁识别,有效提高了桥梁目标的正确识别率。

    一种多光谱图像建筑物变化检测方法

    公开(公告)号:CN103077515B

    公开(公告)日:2015-07-22

    申请号:CN201210587576.3

    申请日:2012-12-29

    Abstract: 本发明涉及一种多光谱图像建筑物变化检测方法。首先进行基于像素比值法的变化检测,得到全部地物的变化区域,这个区域做为建筑物变化候选区域。在用比值法检测出的变化区域上进行基于建筑物特征的变化检测,由于采用一种特征容易造成误检,所以本方法采取了纹理特征和色调特征顺序相结合的方式进行特征级变化检测,将建筑物的变化和其他地物的变化区别开来,提高建筑物检测的准确率,降低误检率。

    一种多光谱图像建筑物变化检测方法

    公开(公告)号:CN103077515A

    公开(公告)日:2013-05-01

    申请号:CN201210587576.3

    申请日:2012-12-29

    Abstract: 本发明涉及一种多光谱图像建筑物变化检测方法。首先进行基于像素比值法的变化检测,得到全部地物的变化区域,这个区域做为建筑物变化候选区域。在用比值法检测出的变化区域上进行基于建筑物特征的变化检测,由于采用一种特征容易造成误检,所以本方法采取了纹理特征和色调特征顺序相结合的方式进行特征级变化检测,将建筑物的变化和其他地物的变化区别开来,提高建筑物检测的准确率,降低误检率。

    一种结合多源遥感图像特征的码头和船舶分割方法

    公开(公告)号:CN103020975A

    公开(公告)日:2013-04-03

    申请号:CN201210591353.4

    申请日:2012-12-29

    Abstract: 本发明公开了一种结合多源遥感图像特征的码头和船舶分割方法,包括以下步骤:读入多光谱、全色及SAR图像;分别对三幅图像进行预处理;对多光谱图像,由RGB空间转换为HSI空间,基于信息熵二值化水陆;形态学处理去掉小面积区域,得到水陆分割结果,白色部分为陆地,黑色部分为水域;对全色图像,提取码头、船舶的边缘特征,提取码头上下文特征、船舶几何特征。对SAR图像,提取码头和船舶的灰度统计特征;利用在全色图像和SAR图像中提取的多元特征对码头、船舶进行分割;对分割后的最终图像进行颜色标记;本发明充分利用多源图像的多元特征分割码头、船舶,利用不同类型遥感图像的互补性获得更多的目标信息,提高分割码头、船舶的准确率。

    基于决策层融合的桥梁识别方法

    公开(公告)号:CN103020605A

    公开(公告)日:2013-04-03

    申请号:CN201210578412.4

    申请日:2012-12-28

    CPC classification number: G06K9/00637

    Abstract: 本发明公开了一种基于决策层融合的桥梁识别方法,包括以下步骤:读入多光谱图像、全色图像及SAR图像,对多光谱图像进行HSV空间转换;分别对H、S、V三个分量进行膨胀、腐蚀预处理;分别对H、S、V进行阈值分割;用8邻域搜索去掉小面积干扰区域,得到水陆分割结果;使用形态膨胀和形态腐蚀算子对水体区域进行规整,得到潜在桥梁区域;在全色图像中提取潜在桥梁区域的纹理特征,确定阈值,识别桥梁;在SAR图像中提取潜在桥梁区域的区域均值比特征,确定阈值,识别桥梁;将全色图像中和SAR图像中的桥梁识别结果进行决策层融合。本发明综合利用多光谱、全色、SAR图像的互补特征进行桥梁识别,有效提高了桥梁目标的正确识别率。

Patent Agency Ranking