“丁昕苗”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果13个，建议您升级VIP下载更多相关专利

[发明专利]一种方向自适应的多姿态点云人脸识别方法及系统-CN202310919344.1在审
发明人：郭文;丁昕苗;李冬;郝建林 -专利权人：山东工商学院
申请日： 2023-07-25 - 公布日： 2023-10-27 - 主分类号： G06V40/16 文献下载
摘要：本发明提出了一种方向自适应的多姿态点云人脸识别方法及系统，涉及人脸识别技术领域，具体方案包括：基于改进后的LightCNN网络，从待识别的点云人脸中，提取多姿态特征；通过待识别的点云人脸中面部关键点的位置，估计在不同旋转轴下人脸姿态的旋转角度；使用在不同旋转轴下人脸姿态的旋转角度，作为控制深度残差恒等映射模块的旋转系数，将多姿态特征映射到近似正面人脸特征；利用近似正面人脸特征，进行人脸识别，得到识别结果；本发明从建立特征层面上侧面人脸和正面人脸的映射关系出发，基于近似正面人脸特征进行识别，提高多姿态人脸的识别能力和鲁棒性。
一种方向自适应多姿态点云人脸识别方法系统

[发明专利]一种融合噪声感知的深度伪造图像检测方法及系统-CN202210486246.9在审
发明人： 丁昕苗;刘延武;郭文;李国军;庞帅 -专利权人：山东工商学院
申请日： 2022-05-06 - 公布日： 2022-06-28 - 主分类号： G06T7/00 文献下载
摘要：本公开属于机器视觉技术领域，具体涉及一种融合噪声感知的深度伪造图像检测方法及系统，包括：获取待检测图像；根据所获取的待检测图像和双重注意力计算，提取RGB流的特征，得到图像多尺度增强特征；对所获取的待检测图像进行噪声域特征的提取，根据所得到的图像多尺度增强特征和所提取到的噪声域特征，得到图像噪声流特征；将所得到的图像的噪声流特征和所提取到的RGB流的特征进行双流特征融合，得到图像双流融合增强特征；根据所得到的图像双流融合增强特征和局部一致性计算，完成图像的伪造检测。
一种融合噪声感知深度伪造图像检测方法系统

[发明专利]多视角专家组的区域建议预测的视觉跟踪方法及系统-CN202111088270.9在审
发明人：郭文;丁昕苗;单彬;王铭淏 -专利权人：山东工商学院
申请日： 2021-09-16 - 公布日： 2021-12-07 - 主分类号： G06K9/32 文献下载
摘要：本发明公开了多视角专家组的区域建议预测的视觉跟踪方法及系统，包括：获取待跟踪视频；其中，待跟踪视频中第一帧图像中设有待跟踪对象的目标区域框和待跟踪对象目标区域周围两倍大的区域框；基于第一帧图像的区域框，对分类器进行训练，得到训练后的分类器；基于多专家模型，对待跟踪视频的第i帧图像进行特征提取，得到最优特征；其中，i的取值范围为2～N；N为正整数；将最优特征输入到训练后的分类器中，输出得到一个粗略的正样本候选框；基于粗略的正样本候选框，得到最优候选框。以桥接区域建议网络预测学习跟踪器和多视角多专家修复方案，从而可以协同的提高其跟踪性能。
视角专家组区域建议预测视觉跟踪方法系统

[发明专利]一种基于身份再识别的多目标跟踪方法及系统-CN201910498068.X有效
发明人：郭文;金跃龙;丁昕苗;应龙 -专利权人：山东工商学院
申请日： 2019-06-06 - 公布日： 2021-01-22 - 主分类号： G06T7/246 文献下载
摘要：本公开提供了一种基于身份再识别的多目标跟踪方法及系统，该方法包括以下步骤：建立再识别检索库和轨迹树；获取当前时刻的检测视频序列，提取当前时刻检测视频序列中跟踪目标的再识别特征；遍历轨迹树的每条短轨迹中所有子节点，统计每条短轨迹的表观得分、身份再识别得分以及运动得分；将每条短轨迹的表观得分、身份再识别得分和运行得分进行融合，得到每条短轨迹多线索的总得分，并建立全局假设轨迹树集合。
一种基于身份识别多目标跟踪方法系统

[发明专利]基于Noisy OR多示例学习的视频分类方法及系统-CN201911311156.0在审
发明人： 丁昕苗;郭文;吕文恬;刘延武;张艳丽;李国军 -专利权人：山东工商学院
申请日： 2019-12-18 - 公布日： 2020-04-24 - 主分类号： G06K9/00 文献下载
摘要：本公开公开了基于NoisyOR多示例学习的视频分类方法及系统，包括：获取待分类视频；对待分类视频进行预处理；从待分类视频中提取待分类视频的若干个关键帧或若干个语谱图；用多示例模型建模视频结构，即将每个视频看作一个包，视频提取的若干个关键帧或若干个语谱图看作该包内的多个示例；将待分类视频包的多个示例，输入到预训练的基于NoisyOR的多示例学习神经网络模型中，输出待分类视频的分类标签。
基于 noisy or 示例学习视频分类方法系统

[发明专利]一种基于多核融合的多示例多标签场景分类方法-CN201510344990.5有效
发明人：邹海林;陈彤彤;丁昕苗;柳婵娟;刘影;申倩 -专利权人：鲁东大学
申请日： 2015-06-19 - 公布日： 2019-02-22 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于多核融合的多示例多标签场景分类方法，包括：输入一个多示例多标签数据集，拆分成多示例数据集和一个多标签数据集；使用不同的阈值分别对多示例数据集中的每个包建立相关性矩阵；根据得到的相关性矩阵求同一阈值下每两个多示例数据包之间的基本核函数，基本核函数值组成基本核矩阵；将不同阈值下的基本核矩阵中相同位置的元素值进行凸组合，得到一个多核矩阵；利用多标签数据集训练，得到多个多核SVM分类器。多核SVM分类器用于对未知的多示例数据包的标签集进行预测从而实现场景分类。本发明的一种基于多核融合的多示例多标签场景分类方法，提高场景分类准确性。本发明还涉及一种基于多核融合的多示例多标签场景分类系统。
一种基于多核融合示例标签场景分类方法

[发明专利]一种基于多示例包特征学习的图像多标签标注算法-CN201610076444.2有效
发明人： 丁昕苗;郭文;刘延武;张帅;曲衍怀;范丽杰 -专利权人：山东工商学院
申请日： 2016-02-03 - 公布日： 2019-01-01 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种基于多示例包特征学习的图像多标签标注算法，包括：得到所有训练图像的图像分块的集合；对训练图像的图像分块的集合中的每个图像分块提取颜色直方图特征和方向梯度直方图特征；将一个训练图像看作一个图像包，得到多示例学习框架所需的图像包结构；将训练图像集合中所有图像包中的示例组成投影示例集合，每个图像包通过向该投影示例集合投影得到图像包的投影特征；选择出判别性高的特征作为图像包的分类特征；将学习出的训练图像集合的图像包的分类特征送入SVM分类器进行训练，得到训练模型的参数，用训练好的SVM分类器对测试图像标签进行预测。本发明的标注算法实现简单，训练器成熟可靠，预测快捷，更好的完成图像多标签。
一种基于示例特征学习图像标签标注算法

[发明专利]一种基于情感显著性特征融合的视频情感识别方法-CN201510534693.7有效
发明人： 丁昕苗;郭文;朱智林;王永强;华甄;刘延武 -专利权人：山东工商学院
申请日： 2015-08-27 - 公布日： 2016-08-31 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于情感显著性特征融合的视频情感识别方法，获得训练视频集合并对其中的视频提取视频镜头，对每个视频镜头选取情感关键帧；对训练视频集合中每个视频镜头提取音频特征和视觉情感特征，音频特征基于词包模型构成情感分布直方图特征；视觉情感特征基于视觉词典构成情感注意力特征，情感注意力特征与情感分布直方图特征进行自上而下的融合，构成具有情感显著性的视频特征；将训练视频集合中形成的具有情感显著性的视频特征送入SVM分类器进行训练，得到训练模型的参数，训练模型用于对测试视频的情感类别进行预测。本发明的融合算法实现简单，训练器成熟可靠，预测快捷，可以更高效的完成视频的情感识别过程。
一种基于情感显著特征融合视频识别方法

[发明专利]一种基于特征选择的多示例多标签学习方法及系统-CN201510551304.1在审
发明人：邹海林;陈彤彤;柳婵娟;丁昕苗 -专利权人：鲁东大学
申请日： 2015-08-31 - 公布日： 2015-11-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于特征选择的多示例多标签学习方法及系统，其中，所述方法包括：将已知数据集中所有的包特征映射到由已知数据集中所有示例组成的投影示例参考空间，得到包的特征向量；采用基于l_2,1范数约束的特征选择方法剔除掉投影示例参考空间中对包的标签标注无效的包的特征对应的投影示例，进而得到代表性投影示例参考空间；将包重新特征映射到代表性投影示例参考空间，得到包的新的特征向量；根据包的新的特征向量构造出一个线性决策函数，并采用兼顾标签相关性的优化算法训练出基于标签相关性的分类器。通过本发明提供的方法，利用已知数据集学习得到一个基于标签相关性的分类器，从而预测未知样本的标签集，提高了标签预测的准确率。
一种基于特征选择示例标签学习方法系统

[发明专利]一种基于上下文稀疏表示的恐怖视频识别方法及装置-CN201410065197.7在审
发明人：李兵;胡卫明;丁昕苗;祝守宇 -专利权人：中国科学院自动化研究所
申请日： 2014-02-25 - 公布日： 2014-06-11 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于上下文稀疏表示的恐怖视频识别方法及装置，该方法包括：对训练视频样本进行镜头分割，然后针对每个镜头选取一幅关键帧来代表该镜头；提取每个关键帧的视觉特征，并提取整个训练视频样本的音频特征；建立起每一个训练视频样本内部各个关键帧之间的上下文关系图；提取待识别视频的视觉特征、音频特征；构建待识别视频与训练视频样本之间的代价矩阵；基于上下文稀疏表示模型，利用所有训练视频样本对所述待识别视频进行重构，重构误差最小的训练视频样本的类别即为待识别视频的类别；其中所述上下文稀疏表示模块以所述训练视频样本的上下文关系图作为稀疏表示的词典，并利用所述代价矩阵对其进行约束。
一种基于上下文稀疏表示恐怖视频识别方法装置

[发明专利]基于线性调频信号的矿山井下精确定位系统及定位方法-CN201310630875.5有效
发明人：魏书田;张岩;魏广芬;张守祥;丁昕苗;高群 -专利权人：山东工商学院
申请日： 2013-12-02 - 公布日： 2014-02-26 - 主分类号： G01S5/06 文献下载
摘要：本发明涉及一种基于线性调频信号的矿山井下精确定位系统及定位方法，属于定位方法技术领域。包括具有收发线性调频信号的标签、在井下工作面区域及狭长巷道内间隔安装的多个锚节点，锚节点包括定位锚节点、中继锚节点、控制通信锚节点，将相近区域的多个锚节点划分为一个子网，实现本区域内的定位功能；本发明结构设计合理，能基于线性调频信号到达时间法实施测距，实现矿山井下的精准定位和实时显示，满足矿山井下的安全生产监控与救援要求。
基于线性调频信号矿山井下精确定位系统方法

[发明专利]基于多视角多示例学习的恐怖视频场景识别方法-CN201310376618.3有效
发明人：胡卫明;丁昕苗;李兵 -专利权人：中国科学院自动化研究所
申请日： 2013-08-26 - 公布日： 2013-12-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多视角多示例学习的恐怖视频识别方法，其包括：对训练视频集合中的视频提取视频镜头，并针对每个视频镜头选取情感代表帧和情感突变帧；对训练视频集合中每个视频镜头提取音频和视觉特征，其中视觉特征基于所提取的情感代表帧和情感突变帧提取；对于每一个视频提取其四个视角特征向量，构成训练视频集合的多视角特征集合；对所得到的训练视频集合对应的多视角特征集合和待识别视频的多视角特征向量进行稀疏重构，得到稀疏重构系数；根据所述稀疏重构系数计算待识别视频的多视角特征向量与训练视频集合中恐怖视频集合与非恐怖视频集合分别对应的多视频特征集合的重构误差，进而确定待识别视频是否为恐怖视频。
基于视角示例学习恐怖视频场景识别方法

[发明专利]基于判别性示例选择多示例学习的恐怖视频识别方法-CN201310376064.7有效
发明人：胡卫明;丁昕苗;李兵 -专利权人：中国科学院自动化研究所
申请日： 2013-08-26 - 公布日： 2013-11-27 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于判别性示例选择多示例学习的恐怖视频识别方法。该方法包括：提取训练视频集中每个视频的视频镜头，针对每个视频镜头选取情感代表帧和情感突变帧表示该镜头；提取对每个镜头的音频和视频特征作为视频示例，组成视频示例集合；从所述视频示例集合中选择出判别性视频示例；计算训练视频集合中每个视频示例与所述判别性视频示例之间的相似性距离，得到特征向量集合；将待识别视频的特征向量与训练视频集合对应的特征向量集合进行稀疏重构，根据重构误差识别视频的类别。本发明提出了一种新的基于判别性示例选择的多示例学习模型应用到恐怖电影场景识别中，该技术具有重要的学术意义和社会意义，并具有广阔的应用前景。
基于判别示例选择学习恐怖视频识别方法

1
共 13 条