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。

    基于高斯混合模型的面具检测方法

    公开(公告)号:CN108830151A

    公开(公告)日:2018-11-16

    申请号:CN201810426435.0

    申请日:2018-05-07

    IPC分类号: G06K9/00

    摘要: 本发明涉及计算机视觉技术领域,尤其涉及一种基于高斯混合模型的面具检测方法,包括以下步骤:根据人脸图像样本建立高斯混合模型;从视频流中筛选含有人脸的关键帧,并从关键帧中提取人脸特征;将关键帧中提取的人脸特征送入高斯混合模型进行匹配,根据匹配结果判断关键帧中的人脸是否佩戴面具。通过使用本发明,可以实现以下效果:采用高斯混合模型将人脸图库进行分类,能有效地分辨真实人脸和面具;采用三次关键帧筛选,去除冗余帧,减少运算,提高检测效率。