您的位置: 专家智库 > >

国家自然科学基金(61271288)

作品数:5 被引量:12H指数:1
相关作者:解梅马争顾菘蔡勇张抒更多>>
相关机构:电子科技大学空军工程大学云南民族大学更多>>
发文基金:国家自然科学基金广东省自然科学基金四川省科技计划项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 5篇期刊文章
  • 1篇会议论文

领域

  • 5篇自动化与计算...
  • 1篇理学

主题

  • 1篇召回率
  • 1篇人脸
  • 1篇人脸检测
  • 1篇图分割
  • 1篇字典学习
  • 1篇流形
  • 1篇流形距离
  • 1篇矩阵
  • 1篇混合线性模型
  • 1篇GRASSM...
  • 1篇IMPROV...
  • 1篇LOG

机构

  • 4篇电子科技大学
  • 1篇成都航空职业...
  • 1篇空军工程大学
  • 1篇云南民族大学

作者

  • 3篇解梅
  • 2篇顾菘
  • 2篇马争
  • 1篇陈跃斌
  • 1篇张抒
  • 1篇蔡勇
  • 1篇邢传玺
  • 1篇杨江峰

传媒

  • 2篇计算机应用研...
  • 1篇电子科技大学...
  • 1篇软件学报
  • 1篇云南民族大学...

年份

  • 1篇2021
  • 1篇2017
  • 2篇2016
  • 1篇2015
  • 1篇2013
5 条 记 录,以下是 1-6
排序方式:
基于Grassmann流形距离的动作识别被引量:1
2016年
利用时空兴趣点间的位置及局部特征相似度信息,提出一种局部邻域特征以描述局部数据结构,然后引入核主角度及Grassmann流形距离以度量2个邻域特征距离,通过构造随机流形森林学习数据样本在Grassman流形上的类条件概率密度函数,最后使用多核学习算法实现对随机流形树的剪辑及动作分类.在KTH及UCF-CIL动作数据库的实验证明:所提动作表示方法能有效描述人体运动信息,且该动作识别算法的识别率优于近年提出的典型动作识别系统.
杨江峰邢传玺陈跃斌
Improving the ScSPM Model with Log-euclidean Covariance Matrix for Scene Classification
The framework of the Sc SPM model is concise, but a good performance in scene classification is achieved. Howe...
Song GuJiangfeng Yang
文献传递
基于多时间划分的深度聚合特征的行为识别被引量:1
2021年
重点研究了视频中的人体行为识别问题,提出了基于多时域划分的深度聚合特征的行为识别算法。通过多时间划分的采样形式,丰富行为深度特征的多样性,并引入多聚合中心,量化深度特征与聚合中心的残差关系,进而形成人体行为的结构化建模方法,构建可以学习复杂行为特征分布的深度聚合模型,解决时间跨度较长时的人体行为分类问题。通过在开源行为数据集UCF101与HMDB51上的实验,验证了算法的有效性和先进性。
程石磊解梅马争李思琦
基于局部区域稀疏编码的人脸检测被引量:10
2013年
提出一种基于局部区域稀疏编码的人脸检测方法.首先提取人脸局部区域作为训练样本;然后学习得到一个具有较强判别性的字典,字典中的每个基与人脸各局部区域有明确的对应关系;接着,基于各检测窗口稀疏编码的响应判断人脸某一局部区域是否出现;最后,利用人脸局部区域的检测结果和位置约束进行投票,完成人脸定位.该方法的创新在于将稀疏编码和基于部件模型的思想相结合,实现人脸检测.在Caltech和BioID人脸数据库的实验结果表明:该方法适用于小样本问题,且在遮挡、复杂表情、人脸偏转等情况下具有较好的检测效果.
张抒蔡勇解梅
关键词:人脸检测字典学习召回率
混合线性模型在模板跟踪中的应用
2016年
模板跟踪在计算机视觉上已经有了很广泛的应用。利用图像的单应性特征,构建目标的运动模型,找出观察数据与目标运动参数的关系,估计目标的运动参数,实现目标跟踪的目的。提出了一种基于混合线性模型的模板跟踪方法,提取目标的运动参数和表观特征,建立数据集,利用全监督学习的方法计算出两者的映射关系,从而实现对目标的有效跟踪。这种方法既克服了由单一线性模型造成的非线性误差,又减少了非线性模型的计算量,提高了目标跟踪的精度。此外,还提出了一种快速学习的计算方法,克服了混合模型中每个子空间由于学习样本少而容易受到噪声影响的缺点,不仅增加了系统的鲁棒性,而且减少了计算量。实验结果表明该算法具有良好的跟踪效果。
顾菘马争解梅
关键词:混合线性模型
矩阵的低秩稀疏表达在视频目标分割中的研究
2017年
提出了一种视频目标跟踪与分割的在线算法。该算法将每帧图像中的超级像素作为一个数据点,根据已知的目标和背景建立模板,当前帧中待分割的目标可以看成已知模板的稀疏线性表达。根据此线性表达的系数可以建立描述当前帧与模板的相似性矩阵,即表达子。由于视频图像的连续性,表达子具有低秩和稀疏的特征。因此通过求解矩阵的低秩稀疏的优化问题可以得到当前帧中所有数据点属于目标的概率分布。为了获得基于像素级的分割结果,通过能量最小框架,并利用图分割的方法最终实现目标的分割。实验结果表明该算法具有良好的分割效果。
顾菘马争解梅
关键词:图分割
共1页<1>
聚类工具0