-
公开(公告)号:CN112016406B
公开(公告)日:2022-12-02
申请号:CN202010789819.6
申请日:2020-08-07
Applicant: 青岛科技大学
Abstract: 本发明公开了一种基于全卷积网络的视频关键帧提取方法,所述方法包括:将原始视频输入到预训练的卷积网络中进行特征提取,输出特征向量X;将所述特征向量X输入交叉注意力模块,经过关联操作和聚合操作,输出特征向量H';将所述特征向量H'和所述卷积网络的低层网络的输出特征向量F同时输入通道注意力模块,输出特征向量H";利用解码器对所述特征向量H"进行特征重建,获得最终重建特征,并基于所述最终重建特征获取视频帧,确定为视频关键帧。应用本发明,能提高提取视频关键帧的精确度。
-
公开(公告)号:CN103310233A
公开(公告)日:2013-09-18
申请号:CN201310268884.4
申请日:2013-06-28
Applicant: 青岛科技大学
IPC: G06K9/64
Abstract: 本发明公开了一种同类行为多视图间相似度挖掘方法及行为识别方法,所述行为识别方法基于所述相似度挖掘方法。所述相似度挖掘方法包括:对同类行为不同视图的视频流逐帧计算每帧灰度图像中每个像素点的Hessian矩阵响应的步骤;根据矩阵响应确定特征点的步骤;构建特征点的时空特征描述符、降维后获得姿态描述向量的步骤;以姿态描述向量为底层特征,计算相似度递归图矩阵的步骤;根据递归图矩阵获得递归性描述符的步骤以及对递归性描述符聚类的步骤。本发明通过时空特征点方法实现姿态建模,并通过递归图挖掘多视图间的递归相似度,避免了依赖于背景分割而容易导致人体姿态失真的问题,提高了相似度挖掘的精度及行为识别的鲁棒性。
-
公开(公告)号:CN107122780B
公开(公告)日:2022-12-20
申请号:CN201710116534.4
申请日:2017-02-28
Applicant: 青岛科技大学
IPC: G06V40/20 , G06V10/77 , G06V10/50 , G06V10/772
Abstract: 本发明提出一种基于时空特征点的互信息与时空分布熵的行为识别方法,其包括以下步骤:提取视频流时空中有效的时空特征点并构建描述符;对所有STIPs描述符进行聚类,将每个聚类中心作为视觉词典中的一个视觉单词;对得到视觉词典中的视觉单词两两之间的时空关系进行描述生成视觉词典共生矩阵;对每个视觉单词内的时空特征点的时空分布进行描述生成环形特征点直方图与时空分布熵;融合视觉单词、时空特征点共生矩阵、环形时空特征点直方图与时空分布熵三种信息作为一个视频序列的描述符,利用支持向量机SVM进行行为分类识别。该方案克服传统BOVW忽略了特征点之间的时空信息的缺点,兼顾了STIPs的全局时空信息与局部空间分布。
-
公开(公告)号:CN108764011B
公开(公告)日:2021-05-18
申请号:CN201810253398.8
申请日:2018-03-26
Applicant: 青岛科技大学
Abstract: 本发明公开了一种基于图形化交互关系建模的组群识别方法,所述方法包括下述过程:识别并跟踪人体目标;构建以多粒度信息融合模型表征的人体目标底层特征基础模型;基于基础模型进行深度学习,获得底层特征深度学习模型;基于底层特征基础模型和底层特征深度学习模型构建人体目标交互关系;基于交互关系识别组群的构成,并分析其群体行为属性。应用本发明,能够解决现有组群识别方法建立交互关系考虑的因素少而导致组群识别精度低、易产生误判等的技术问题。
-
公开(公告)号:CN104794449B
公开(公告)日:2017-11-28
申请号:CN201510205677.3
申请日:2015-04-27
Applicant: 青岛科技大学
Abstract: 本发明公开了一种基于人体HOG特征的步态能量图获取方法及身份识别方法。基于人体HOG特征的步态能量图获取方法包括:从人体步态视频图像序列中的每帧图像中提取人体侧像图;将人体侧像图模板化;利用设定的根窗口和部位窗口从模板化侧像图中分别检测出人体轮廓和人体部位,并标记部位窗口相对于根窗口的位置;计算每帧模板化侧像图中人体轮廓的HOG特征描述符和人体部位的HOG特征描述符;获得人体轮廓HOG特征的步态能量图、人体部位HOG特征的步态能量图及部位窗口相对于根窗口的总位置,并组合起来,构建HOG步态能量图特征向量,从而获取基于人体HOG特征的步态能量图。应用本发明,可以解决现有步态能量图不能完整反映人体行走特征的问题、进而导致人体识别不准确的问题。
-
公开(公告)号:CN103310233B
公开(公告)日:2016-03-23
申请号:CN201310268884.4
申请日:2013-06-28
Applicant: 青岛科技大学
IPC: G06K9/64
Abstract: 本发明公开了一种同类行为多视图间相似度挖掘方法及行为识别方法,所述行为识别方法基于所述相似度挖掘方法。所述相似度挖掘方法包括:对同类行为不同视图的视频流逐帧计算每帧灰度图像中每个像素点的Hessian矩阵响应的步骤;根据矩阵响应确定特征点的步骤;构建特征点的时空特征描述符、降维后获得姿态描述向量的步骤;以姿态描述向量为底层特征,计算相似度递归图矩阵的步骤;根据递归图矩阵获得递归性描述符的步骤以及对递归性描述符聚类的步骤。本发明通过时空特征点方法实现姿态建模,并通过递归图挖掘多视图间的递归相似度,避免了依赖于背景分割而容易导致人体姿态失真的问题,提高了相似度挖掘的精度及行为识别的鲁棒性。
-
公开(公告)号:CN104794449A
公开(公告)日:2015-07-22
申请号:CN201510205677.3
申请日:2015-04-27
Applicant: 青岛科技大学
Abstract: 本发明公开了一种基于人体HOG特征的步态能量图获取方法及身份识别方法。基于人体HOG特征的步态能量图获取方法包括:从人体步态视频图像序列中的每帧图像中提取人体侧像图;将人体侧像图模板化;利用设定的根窗口和部位窗口从模板化侧像图中分别检测出人体轮廓和人体部位,并标记部位窗口相对于根窗口的位置;计算每帧模板化侧像图中人体轮廓的HOG特征描述符和人体部位的HOG特征描述符;获得人体轮廓HOG特征的步态能量图、人体部位HOG特征的步态能量图及部位窗口相对于根窗口的总位置,并组合起来,构建HOG步态能量图特征向量,从而获取基于人体HOG特征的步态能量图。应用本发明,可以解决现有步态能量图不能完整反映人体行走特征的问题、进而导致人体识别不准确的问题。
-
公开(公告)号:CN104392223A
公开(公告)日:2015-03-04
申请号:CN201410734845.3
申请日:2014-12-05
Applicant: 青岛科技大学
CPC classification number: G06K9/00342 , G06K9/4642 , G06K9/6269
Abstract: 本发明公开了一种二维视频图像中的人体姿态识别方法,包括下述步骤:将原始视频图像按照尺度大小进行分组;对每组图像计算一个指定尺度的采样图像,并对该采样图像计算HOG;以每组内的一个采样图像的HOG预测计算组内其它指定尺度采样图像对应的HOG;根据所得的多尺度HOG,结合训练好的SVM分类器检测所述原始视频图像中不同尺度下的人体目标区域;采用训练好的随机森林分类器将检测的人体目标区域的像素进行分类,确定所述人体目标区域中的肢体部位区域;将各肢体部位连接形成人体轮廓,实现人体姿态识别。应用本发明的方法,在不降低检测精度的基础上,加速了多尺度底层特征的计算速度,提高了姿态识别速度和精度。
-
公开(公告)号:CN103235944A
公开(公告)日:2013-08-07
申请号:CN201310178080.5
申请日:2013-05-15
Applicant: 青岛科技大学
Abstract: 本发明公开了一种人群流分割方法及人群流异常行为识别方法,所述人群流分割方法包括下述步骤:获取视频流,计算视频流中每一视频帧内运动粒子的二维速度场;根据二维速度场及流体力学中的脉线计算方法获得视频帧中的所有脉线及每条脉线的倾向流,将脉线及倾向流作为所述视频帧中人群流的底层特征;采用聚类算法对脉线及倾向流进行聚类,形成若干子人群流,实现人群流的分割。基于人群流分割方法对人群流分割之后,可以对分割后的子人群流进行异常行为识别。本发明在对人群流进行分割时,将人群流作为特殊的流体,采用脉线和倾向流作为人群流的底层特征作为聚类基础,实现人群流的分割,提高了人群流分割的精确度。
-
公开(公告)号:CN102509089B
公开(公告)日:2013-06-19
申请号:CN201110386107.0
申请日:2011-11-29
Applicant: 青岛科技大学
Abstract: 本发明公开了一种逐行扫描识别斑马线及测量斑马线距离的方法,所述识别斑马线的方法包括下述步骤:构建包括奇小波函数和偶小波函数在内的小波函数模板;逐行扫描待检测图像,将每扫描行中所有像素点的灰度值向量分别与奇小波函数和偶小波函数作卷积运算;定义响应函数公式,并根据公式计算扫描行中所有像素点对应的响应函数向量;根据响应函数值及设定阈值识别斑马线。在识别出斑马线之后,通过预先对成像设备所成图像与成像设备距离进行标定,可以获得首次检测到斑马线的扫描行距离成像设备的距离,从而实现对斑马线距离的测量。本发明利用小波模板对图像采取逐行扫描来识别斑马线,斑马线识别抗干扰能力强,识别精度高,识别速度快。
-
-
-
-
-
-
-
-
-