-
公开(公告)号：CN107194950A
公开(公告)日：2017-09-22
申请号：CN201710287811.8
申请日：2017-04-26
申请人： 天津大学
摘要： 一种基于慢特征分析的多人跟踪方法，包括：采用基于部分的可变形模型方法检测视频中每帧出现的人；获取视频中人的运动轨迹的特征向量；将提取的特征向量作为输入，采用增量慢特征分析方法训练每个轨迹片段的个体传递函数，通过个体传递函数提取每个轨迹片段的慢特征；采用图匹配方法计算轨迹片段间的匹配分数，得到不同轨迹之间的相似性，其中相似性最大的为最佳匹配的轨迹片段，利用最佳匹配轨迹片段更新个体传递函数；重复上述过程，直至测试视频结束；将最佳匹配轨迹片段融合，得到每个跟踪对象的一个轨迹。本发明避免了变化的场景和对象遮挡对轨迹生成可靠性的负面影响，提高了跟踪精度，降低了计算的复杂度。
-
公开(公告)号：CN107194950B
公开(公告)日：2020-06-12
申请号：CN201710287811.8
申请日：2017-04-26
申请人： 天津大学
摘要： 一种基于慢特征分析的多人跟踪方法，包括：采用基于部分的可变形模型方法检测视频中每帧出现的人；获取视频中人的运动轨迹的特征向量；将提取的特征向量作为输入，采用增量慢特征分析方法训练每个轨迹片段的个体传递函数，通过个体传递函数提取每个轨迹片段的慢特征；采用图匹配方法计算轨迹片段间的匹配分数，得到不同轨迹之间的相似性，其中相似性最大的为最佳匹配的轨迹片段，利用最佳匹配轨迹片段更新个体传递函数；重复上述过程，直至测试视频结束；将最佳匹配轨迹片段融合，得到每个跟踪对象的一个轨迹。本发明避免了变化的场景和对象遮挡对轨迹生成可靠性的负面影响，提高了跟踪精度，降低了计算的复杂度。
-
公开(公告)号：CN106934755B
公开(公告)日：2019-09-20
申请号：CN201710129096.5
申请日：2017-03-06
申请人： 天津大学
IPC分类号： G06T1/00
摘要： 本发明公开了一种基于m序列的图像加解密方法，所述图像加解密方法包括以下步骤；通过序列的初始状态与本原多项式构造出与各子带大小相同的m序列作为密钥序列；采用基于比特平面的加密算法和基于不重要比特平面的加密算法，按照分辨率渐进的顺序对各子带进行加密，实现对数字图像的完全加密和保留轮廓信息的选择性加密；采用基于比特平面的解密算法和基于不重要比特平面的解密算法对加密后的图像进行解密，通过小波逆变换重建原始图像。本发明采用m序列作为密钥序列，使得算法结构简单，易于实现；所提出的方法具有很强的适应性，可以用于处理灰度图像的加解密问题。
-
公开(公告)号：CN106971195A
公开(公告)日：2017-07-21
申请号：CN201710108809.X
申请日：2017-02-27
申请人： 天津大学
CPC分类号： G06K9/6269 , G06T2207/10021 , G06T2207/20021 , G06T2207/20081
摘要： 本发明公开了一种基于检测器和跟踪器的3D对象检测方法，所述3D对象检测方法包括以下步骤：采用修正的TMD算法，在跟踪的过程中根据块区域的检测结果，对每一个块区域单独进行跟踪；利用检测和跟踪结果，在时间的约束下生成一组可靠的轨迹片段，轨迹片段是每个跟踪对象的表征特征；采用GS方法将得到的轨迹片段融合，得到图像中每个对象的标签。本发明避免了多目标场景下的对象遮挡对检测精度的影响，可以应用于解决3D场景中对象检测问题。
-
公开(公告)号：CN106934755A
公开(公告)日：2017-07-07
申请号：CN201710129096.5
申请日：2017-03-06
申请人： 天津大学
IPC分类号： G06T1/00
摘要： 本发明公开了一种基于m序列的图像加解密方法，所述图像加解密方法包括以下步骤；通过序列的初始状态与本原多项式构造出与各子带大小相同的m序列作为密钥序列；采用基于比特平面的加密算法和基于不重要比特平面的加密算法，按照分辨率渐进的顺序对各子带进行加密，实现对数字图像的完全加密和保留轮廓信息的选择性加密；采用基于比特平面的解密算法和基于不重要比特平面的解密算法对加密后的图像进行解密，通过小波逆变换重建原始图像。本发明采用m序列作为密钥序列，使得算法结构简单，易于实现；所提出的方法具有很强的适应性，可以用于处理灰度图像的加解密问题。
-
公开(公告)号：CN107424141B
公开(公告)日：2020-07-28
申请号：CN201710185733.0
申请日：2017-03-26
申请人： 天津大学
摘要： 本发明公开了一种基于概率块的面部图像质量评估方法，所述方法包括以下步骤：采用对数变换对图像进行归一化处理，放大低强度像素并压缩高强度像素，减少肤色之间的强度差异；对变换后图像中的每块归一化处理，使其具有零均值和单位方差，并提取二维DCT特征向量；采用位置化概率模型计算相应特征向量的概率，通过整合局部概率产生总体质量分数，反映图像质量。本发明避免了由投射阴影、模糊性以及自动面部定位导致的对准误差对人脸识别的影响，可以应用于解决面部选择和基于视频的人脸识别问题。
-
公开(公告)号：CN107424141A
公开(公告)日：2017-12-01
申请号：CN201710185733.0
申请日：2017-03-26
申请人： 天津大学
摘要： 本发明公开了一种基于概率块的面部图像质量评估方法，所述方法包括以下步骤：采用对数变换对图像进行归一化处理，放大低强度像素并压缩高强度像素，减少肤色之间的强度差异；对变换后图像中的每块归一化处理，使其具有零均值和单位方差，并提取二维DCT特征向量；采用位置化概率模型计算相应特征向量的概率，通过整合局部概率产生总体质量分数，反映图像质量。本发明避免了由投射阴影、模糊性以及自动面部定位导致的对准误差对人脸识别的影响，可以应用于解决面部选择和基于视频的人脸识别问题。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.015 秒)
