基于显著语境稀疏表示的目标追踪方法

    公开(公告)号:CN109087334B

    公开(公告)日:2020-06-30

    申请号:CN201810635733.0

    申请日:2018-06-20

    IPC分类号: G06T7/246

    摘要: 本发明提供了基于显著语境稀疏表示的目标追踪方法,属于图像处理领域,包括提取样本图像的特征映射,分别对中心区域和边缘区域的特征映射,将得到的特征映射进行融合处理;对融合后的图像进行稀疏处理,基于处理后的图像进行遮挡求解,对待测视频中的两个连续帧进行建模,基于已建立的模型进行遮挡判断,当判断出现遮挡时,使用前述内容计算当前帧的可视显著性映射,在得到的显著性图中与每个目标模板进行比较,选取权重最高的目标模板作为追踪结果。通过将目标对象被提取为一个显著特征映射,用稀疏表示和显著的语境校正部分遮挡和突然运动的目标,本方法计算简单,提升了目标追踪的有效性和准确性,抗干扰能力也大大提高。

    基于混合隐马尔可夫模型的原子事件标签的提取方法

    公开(公告)号:CN109086306A

    公开(公告)日:2018-12-25

    申请号:CN201810649233.2

    申请日:2018-06-22

    IPC分类号: G06F17/30

    摘要: 本发明涉及原子事件标签的提取方法,尤其涉及基于混合隐马尔可夫模型的原子事件标签的提取方法,包括以下步骤:预处理:获取训练语料库中的原子事件标签;对每个单词添加词性标签;对每个单词添加相应位置标签;将原子事件标签、词性标签和相应位置标签映射到一个隐藏状态序列中;将词性标签和相应位置标签映射到一个观测状态序列中;模型训练:建立二阶HMM模型;提取阶段:根据最优观测状态序列提取原子事件标签。通过使用本发明,可以实现以下效果:对词性和单词的相应位置进行考虑,提取准确度高;考虑到隐藏状态序列中的前后隐藏状态之间的关系,提高了提取的准确度;在原子事件标签提取之后进行检测和纠错,提高了提取的准确度。

    基于显著语境稀疏表示的目标追踪方法

    公开(公告)号:CN109087334A

    公开(公告)日:2018-12-25

    申请号:CN201810635733.0

    申请日:2018-06-20

    IPC分类号: G06T7/246

    摘要: 本发明提供了基于显著语境稀疏表示的目标追踪方法,属于图像处理领域,包括提取样本图像的特征映射,分别对中心区域和边缘区域的特征映射,将得到的特征映射进行融合处理;对融合后的图像进行稀疏处理,基于处理后的图像进行遮挡求解,对待测视频中的两个连续帧进行建模,基于已建立的模型进行遮挡判断,当判断出现遮挡时,使用前述内容计算当前帧的可视显著性映射,在得到的显著性图中与每个目标模板进行比较,选取权重最高的目标模板作为追踪结果。通过将目标对象被提取为一个显著特征映射,用稀疏表示和显著的语境校正部分遮挡和突然运动的目标,本方法计算简单,提升了目标追踪的有效性和准确性,抗干扰能力也大大提高。

    基于矩阵分解的Webshell检测方法

    公开(公告)号:CN109033815A

    公开(公告)日:2018-12-18

    申请号:CN201810620475.9

    申请日:2018-06-15

    IPC分类号: G06F21/51 H04L29/06

    摘要: 本发明提供了基于矩阵分解的Webshell检测方法,属于信息安全领域,包括建立以三元组保存得分信息的计分矩阵;从待检测文本中选取预设数量的特征构建特征集合,基于特征集合中的特征获取对三元组中分数参数进行预测,根据预测结果判定待检测文本中存在WebShell的可能性。基于机器学习算法,能够快速、准确地了解WebShell页面的特点。该方法克服了传统特征匹配方法的缺点,提高了网络炮弹检测的准确性和召回率。通过对已知现有和非现有WebShell页面的分析和学习特性,该算法可以对未知页面进行预测,效率高,具有较高的精度和召回率。

    人眼检测方法
    10.
    发明授权

    公开(公告)号:CN108960040B

    公开(公告)日:2021-09-28

    申请号:CN201810426431.2

    申请日:2018-05-07

    IPC分类号: G06K9/00

    摘要: 本发明提供了人眼检测方法,属于计算机视觉领域,包括:在仅能检测到第一只目标人眼图像上开设有滑动窗口,令滑动窗口推测第二只目标人眼的推测图像,将第一只目标人眼图像与推测图像送入卷积神经网络后送入高斯混合模型进行匹配,根据匹配结果判断是否为第二只目标人眼图像,如果匹配结果表明不为第二只目标人眼图像,则滑动窗口重新推测第二只目标人眼的推测图像,将推测图像送入卷积神经网络后再送入高斯混合模型进行匹配,直至匹配结果判断为第二只目标人眼图像,从而提高了检测结果的准确性。