-
公开(公告)号：CN118506437A
公开(公告)日：2024-08-16
申请号：CN202311562079.2
申请日：2023-11-21
申请人： 深圳大学
摘要： 本申请实施例属于视频大数据分析领域，涉及一种基于动态双流自注意力的群体行为识别方法，基于二维卷积骨干网络提取视频片段内各帧参与者的表观特征，并将表观特征堆叠成时空图；定义时空图内每个参与者的交互域，基于动态网络将交互域构建成参与者的动态交互域；基于缩放点积、余弦相似度方法将参与者的动态交互域中构建参与者之间的交互关系，并通过自注意力或图卷积神经网络将参与者之间的交互关系聚合成参与者与群体之间的群体交互特征；在提取参与者的表观特征后，将不同时间帧上的表观特征堆叠成一张时空图，分析时空图中群体行为的视频片段中的视频帧的时间权重。本申请还提供一种基于动态双流自注意力的群体行为识别系统。
-
公开(公告)号：CN112329527B
公开(公告)日：2023-12-08
申请号：CN202011053277.2
申请日：2020-09-29
申请人： 深圳大学
摘要： 本申请提供一种姿态估计方法、装置、电子设备及存储介质，该方法包括：根据姿态关节信息，确定各跟踪对象的姿态距离，并生成对应的姿态距离矩阵；根据姿态距离矩阵，在姿态关节信息中提取冗余姿态关节数据，以得到冗余姿态关节数据；基于预设的姿态关节数据融合规则，对冗余姿态关节数据进行加权融合处理，得到冗余姿态融合数据；将姿态关节信息中的冗余姿态关节数据替换为冗余姿态融合数据，得到目标姿态关节信息；根据目标姿态关节信息，确定跟踪对象的姿态估计结果。通过对姿态关节信息中的冗余姿态关节数据进行加权融合处理，以得到可靠性较高的目标姿态关节信息，进而提高了姿态估计结果的准确性。
-
公开(公告)号：CN116824201A
公开(公告)日：2023-09-29
申请号：CN202310173593.0
申请日：2023-02-28
申请人： 深圳大学
IPC分类号： G06V10/764 , G06T7/10 , G06V10/44 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/08
摘要： 本发明公开的基于轮廓的目标细粒化分类识别方法、系统和存储介质，所述方法包括：获取目标物体图像数据；将所述目标物体图像数据输入至预设基于轮廓的目标细粒化分类识别网络模型进行分析，通过目标物体轮廓提取子网络定位目标物体并分割出目标物体轮廓，得到目标物体轮廓图像数据；通过目标物体轮廓识别子网络对所述目标物体轮廓图像数据进行精细化分类，得到所述目标物体图像数据中目标物体的分类数据；将所述目标物体的分类数据发送至预设终端以进行显示。本发明通过目标物体轮廓对目标物体进行定位以及对目标物体种类进行识别，达到对目标物体进行细粒化分类的目的。
-
公开(公告)号：CN113723425A
公开(公告)日：2021-11-30
申请号：CN202110810714.9
申请日：2021-07-16
申请人： 深圳大学
摘要： 本发明适用于图像信息识别技术领域，提供了一种飞机型号识别方法、装置、存储介质及设备，所述方法包括：获取目标飞机任意视角下的可见光图像；利用预先训练的图像分割模型对可见光图像当中的目标飞机进行粗检测，并提取出目标飞机轮廓；使用内部距离形状上下文描述目标飞机轮廓的每个轮廓点特征；根据目标飞机轮廓的每个轮廓点特征，将目标飞机轮廓与预设飞机轮廓模板进行相似度匹配，预设飞机轮廓模板和目标飞机轮廓采用相同的特征描述子进行特征描述，且每一预设飞机轮廓模板均关联有预设的飞机型号；根据相似度匹配结果，识别出目标飞机的型号。本发明实现了基于多视角下可见光图像来有效、精准识别出飞机型号。
-
公开(公告)号：CN113435265A
公开(公告)日：2021-09-24
申请号：CN202110641552.0
申请日：2021-06-09
申请人： 深圳大学
摘要： 本发明公开了一种高光谱图像分类方法、装置、电子设备及存储介质，通过提取到的高光谱图像的像元建立对应的三阶局部空谱张量，利用类张量分解算法对该三阶局部空谱张量进行分解，得到像元光谱分量和像元空间分量，利用卷积网络分别对像元光谱分量和像元空间分量卷积，提取到对应的光谱特征矢量和空间特征矢量，并对光谱特征矢量和空间特征矢量进行级联，得到高光谱图像的空谱特征，基于空谱特征对高光谱图像进行分类。通过上述方法的实施，采用了类张量分解算法对高光谱图像进行了空间和光谱两个维度的特征分析，有效地去除了高光谱图像的像元中存在的冗余信息，提高了后续空谱特征提取的效率，从而提升了对高光谱图像的分类准确率。
-
公开(公告)号：CN107832793B
公开(公告)日：2021-08-06
申请号：CN201711090175.6
申请日：2017-11-08
申请人： 深圳大学
IPC分类号： G06K9/62
摘要： 本发明适用于图像分类，提供了高光谱图像的分类方法，包括：将高光谱图像分为训练集和测试集，并提取局部特征点，通过K‑means算法对训练集的局部特征点进行计算形成词典，采用KNN算法在词典中为测试集的待分类局部特征点形成最近邻单词，并为测试集图像的待分类特征点查找最近邻特征点，在最近邻单词中查找出光谱维距离最短的近邻单词，引入近邻特征点、近邻单词和光谱维距离三重约束，通过求解约束最小乘拟合问题，得到编码系数，通过最大池化算法池化编码系数，并将得到的编码系数作为高光谱图像的特征描述符对测试集进行分类。本发明解决了高光谱图像特征点和词典单词建立映射关系时存在的不确定性的问题，提高了相似图像的识别力。
-
公开(公告)号：CN110263968B
公开(公告)日：2021-04-30
申请号：CN201910375579.2
申请日：2019-05-07
申请人： 深圳大学
摘要： 本发明提供了一种新的时间序列的预测方法，包括：接收输入的原始滑坡时间序列{X(t),t＝1,2,3,…,n}；判断原始滑坡时间序列是否具有混沌特征；若原始滑坡时间序列具有混沌特征，则确定出原始滑坡时间序列的延迟时间；确定出原始滑坡时间所要嵌入的相空间的嵌入维数；将延迟时间和嵌入维数代入到目标volterra级数模型，目标volterra级数模型迭代训练核函数的系数，当核函数的系数达到预设误差要求时，输出目标volterra级数模型的参数、核函数的系数、以及预测出的目标滑坡时间序列。在本发明将延迟时间和嵌入维数直接嵌入volterra级数的数学模型中，将传统的把滑坡时间序列相空间重构后得到的输出序列再输入到volterra级数模型中的两步直接变成了一步，提高了运算效率。
-
公开(公告)号：CN109101939B
公开(公告)日：2021-04-06
申请号：CN201810964649.3
申请日：2018-08-23
申请人： 深圳大学
摘要： 本发明适用于交通监控领域，提供了一种车辆运动状态的确定方法，包括：获取目标车辆在检测区域的检测视频中的位置集合；根据所述位置集合中的坐标信息确定所述目标车辆的位移矢量，以所述位移矢量确定所述目标车辆的运动轨迹；根据所述目标车辆的运动轨迹，采用模糊运动状态来确定所述目标车辆的运动状态。本发明实施例通过模糊运动状态来衡量目标车辆的运动状态，能够在目标车辆的轨迹时刻变化时，在检测区域中确定目标车辆的运动状态。
-
公开(公告)号：CN112131944A
公开(公告)日：2020-12-25
申请号：CN202010845486.4
申请日：2020-08-20
申请人： 深圳大学
摘要： 本发明公开了一种视频行为识别方法及系统，对待识别视频的进行多级特征提取；利用深度全卷积网络对目标对象的ROI进行初检测；利用马尔科夫随机场进行ROI的微调，获得最终目标对象的ROI集合；基于最终目标对象的ROI集合分别同时进行单人行为识别和群体行为识别。本发明不仅考虑到了群体内部时序信息的一致性，同时也考虑到了个体时序信息的差异性，基于ROI时序推理的单人行为识别有助于更好地提取具有判别性的单人行为特征，提升识别精度；基于ROI匹配递归卷积网络可以融合和传播时域中的单人的ROI的信息，是解决视频行为识别问题的有效方法。
-
公开(公告)号：CN112131943A
公开(公告)日：2020-12-25
申请号：CN202010844141.7
申请日：2020-08-20
申请人： 深圳大学
摘要： 本发明公开了一种基于双重注意力模型的视频行为方法及系统，利用空间注意力模型将图像的全局特征和局部特征间的依赖关系进行结合，对特征信息进行筛选，抑制非目标区域的特征，使得网络在特征提取过程中更关注目标区域特征；利用通道注意力模型对特征的通道信息进行建模，捕获每个特征图中各通道之间的依赖性，增强重要特征并抑制次要特征。因此本申请提供的视频行为识别方法，不仅考虑到了视频图像中不同像素之间的关联信息，同时也考虑到特征图中各通道间的依赖性，一定程度上提升特征的判别能力和特征的表示能力，提高单人行为和群体行为的识别准确率，并且具有更高的精度和鲁棒性。
-
-
-
-
-
-
-
-
-
搜索结果
154 条记录 (耗时 0.041 秒)