“北京影谱科技股份有限公司”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183个，建议您升级VIP下载更多相关专利

[发明专利]视频分割方法和装置-CN201810068616.0有效
发明人：吉长江 -专利权人： 北京影谱科技股份有限公司
申请日： 2018-01-24 - 公布日： 2020-07-14 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种视频分割方法和装置，该方法包括：全局特征分析步骤、局部特征分析步骤和镜头分割步骤，其中，全局特征分析步骤基于颜色空间计算视频的每一帧与该帧的前一帧之间的第一相似度，根据第一相似度确定新镜头的候选起始帧；局部特征分析步骤分别计算所述候选起始帧与其前一帧中关键点的描述子到视觉词的距离值，将描述子与视觉词相对应，分别构建视觉词直方图，计算第二相似度；镜头分割步骤对所述第二相似度进行判断，对候选起始帧进行归并和确认。该方法将全局特征分析和局部特征分析相结合，在使用全局特征衡量镜头变化的同时，进一步参考画面的局部特征，解决了镜头分割不准确的问题。
视频分割方法装置

[发明专利]基于神经网络的音频信号时序处理方法、装置及系统及计算机可读存储介质-CN201911262324.1有效
发明人：孙腾 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-12-11 - 公布日： 2020-07-14 - 主分类号： G10L21/0232 文献下载
摘要：本发明实施例公开了一种基于神经网络的音频信号时序处理方法、装置及系统及计算机可读存储介质，涉及语音数据处理领域，所述方法包括：创建组合网络模型，所述组合网络模型包括第一网络和第二网络；获取音频信号的时频图；对所述时频图进行优化，得到网络输入数据；利用网络输入数据对第一网络进行训练，并进行特征提取，得到多维特征图；利用所述多维特征图组建新的特征向量；将所述新的特征向量输入第二网络进行训练。本发明实施例能够解决现有基于时间序列的映射变换模型不能满足多模态信息的应用需求的问题。
基于神经网络音频信号时序处理方法装置系统计算机可读存储介质

[发明专利]基于生成对抗网络的回环检测方法和装置-CN201911032224.X在审
发明人：吉长江 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-10-28 - 公布日： 2020-07-03 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种基于生成对抗网络的回环检测方法和装置，涉及回环检测领域。该方法包括：将数据集中的所有图像输入生成对抗网络进行训练，生成器进行计算后输出特征点概率图和深度特征描述子，鉴别器根据特征点概率图和深度特征描述子进行判别处理，输出图像来自真实数据的概率，获取当前位置的图像，输入到训练好的生成对抗网络，计算其与多个待比较图像中每一个图像的相似性，根据相似性计算结果确定有图像符合相似性条件时，确定发生回环。该装置包括：处理模块、计算模块、判别模块和检测模块。本申请利用神经网络出色的判断能力提升了回环检测的性能，提升了回环检测的准确率，而且使得训练的过程不完全依靠数据集。
基于生成对抗网络回环检测方法装置

[发明专利]自动生成足球比赛射门集锦的方法、装置及设备及计算机可读存储介质-CN201911351659.0有效
发明人：合敏慈 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-12-25 - 公布日： 2020-05-19 - 主分类号： H04N5/91 文献下载
摘要：本发明公开了一种自动生成足球比赛射门集锦的方法、装置及设备及计算机可读存储介质，获取历史足球比赛的录像数据，根据所述历史足球比赛的录像数据进行训练得到足球比赛录像处理模型；根据所述足球比赛录像处理模型对所述目标足球比赛录像进行处理，得到所述目标足球比赛录像的视频数据和解说员音频数据；从所述视频数据中提取包括出现球门的连续图像帧形成待选视频片段；对所述解说员音频数据进行识别处理得到在所述目标足球比赛录像中出现预设射门相关词语的关键词出现时间；根据所述待选视频片段和所述关键词出现时间生成所述目标足球比赛的射门集锦。本发明可以自动快速地根据足球比赛录像生成相应的射门集锦。
自动生成足球比赛射门集锦方法装置设备计算机可读存储介质

[实用新型]一种用于广告播放的显示装置和设备-CN201921823291.9有效
发明人：付莹 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-10-28 - 公布日： 2020-05-19 - 主分类号： G06Q30/02 文献下载
摘要：本实用新型公开一种用于广告播放的显示装置和设备，涉及显示技术领域。显示装置包括：显示面板；所述显示面板上设有显示模块和摄像模块；所述显示模块和摄像模块与主控板电连接。本申请还提供一种显示设备包括：箱体和显示装置。采用本实用新型的技术方案，可以在任何地方进行广告投放，实现触摸和互动，便于为用户提供迎合用户喜好的广告产品，实现为用户提供针对性的服务。
一种用于广告播放显示装置设备

[发明专利]基于深度学习的细粒度图像识别方法和装置-CN201911193231.8在审
发明人：宋波 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-11-28 - 公布日： 2020-04-17 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种基于深度学习的细粒度图像识别方法和装置，方法通过深度卷积神经网络对ImageNet数据库上的预训练模型进行加载和训练，训练过程中先对深度卷积神经网络的全连接层进行训练，将全连接层的参数进行优化后再训练所述深度卷积网络的其余层，从而得到优化后的细粒度图像识别模型，最后通过YOLO目标检测将待检的目标图像输入到深度卷积神经网络中，生成该目标图像所对应的检测框，由所述细粒度图像识别模型的置信度对所得到的检测框进行阈值处理，并输出图像识别结果。本发明可以很好的避免背景错误，避免了长时间的图像候选区域提取过程，提高了检测速度，可学到物体的泛化特征，迁移到其他领域，在准确率方面也得以提升。
基于深度学习细粒度图像识别方法装置

[发明专利]计算机视觉系统的视频中人体动作识别方法和装置-CN201911142506.5在审
发明人：吉长江 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-11-20 - 公布日： 2020-04-10 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种计算机视觉系统的视频中人体动作识别方法和装置，涉及人体动作识别领域。该方法包括：获取计算机视觉系统的视频，对所述视频进行数据预处理；采用并联多特征融合网络算法，对所述数据预处理后的视频进行特征信息提取；根据提取的特征信息，对深度学习模型进行人体动作的训练；采用训练好的深度学习模型对待识别的视频进行分类识别。该装置包括：获取模块、提取模块、训练模块和识别模块。本申请提高了动作识别的准确率以及分类识别的准确率。
计算机视觉系统视频人体动作识别方法装置

[发明专利]一种基于运动状态的关键帧选取方法及装置-CN201911142539.X在审
发明人：李春宾 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-11-20 - 公布日： 2020-04-10 - 主分类号： G06T7/20 文献下载
摘要：本申请公开了一种基于运动状态的关键帧选取方法及装置。所述方法将相邻的若干组图像依次存储到关键帧序列F中，每组图像包含相邻的两帧图像；从图像中提取特征点，并将第i张图像的特征点依次与后面图像的特征点进行匹配，直到匹配到的特征点数达到预设阈值为止，形成新的关键帧序列F；计算新的关键帧序列F中相邻帧间的基本矩阵E并将其分解为旋转矩阵R和平移矢量将非奇异的旋转矩阵R按照坐标轴方向分解，得到各坐标轴的偏转角度；将偏转角度和预定的阈值作比较，将偏转角度大于阈值的当前帧选作关键帧，添加到最终的关键帧序列中。所述装置包括初始化模块、特征点匹配模块、分解模块、偏转角度计算模块及关键帧选择模块。
一种基于运动状态关键选取方法装置

[发明专利]基于模板匹配和SURF的视频跟踪方法和装置-CN201911143995.6在审
发明人：宋波 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-11-20 - 公布日： 2020-04-10 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种基于模板匹配和SURF的视频跟踪方法和装置，属于视频跟踪领域。该方法包括：实时获取视频；在初始第一帧中定位包含目标对象的跟踪框，对目标对象进行跟踪；将后续的每一帧作为当前帧，将前一帧中的动态模板和跟踪结果视为对象模板，采用平方差分匹配方法在当前帧中的搜索区域内进行搜索，得到与对象模板相似的区域，将其作为模板匹配的结果；判断该结果是否偏离目标对象，如果是则利用SURF进行特征点匹配，对该结果进行恢复。该装置包括：获取模块、跟踪模块、匹配模块和恢复模块。本申请可以成功跟踪对象，在场景发生变化时，利用SURF特征点匹配进行故障恢复，补偿模板匹配，提高了计算性能和追踪效率。
基于模板匹配 surf 视频跟踪方法装置

[发明专利]基于边缘的动态投影映射对象跟踪方法和装置-CN201911108272.2在审
发明人：宋旭博 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-11-13 - 公布日： 2020-04-10 - 主分类号： G06T7/246 文献下载
摘要：本申请公开了一种基于边缘的动态投影映射对象跟踪方法和装置，涉及对象跟踪领域。该方法包括：检测已知的三维目标模型的轮廓；获取包括目标物体的当前帧；对所述当前帧中的目标物体进行实时跟踪，提取所述目标物体的二维边缘，将所述目标模型的轮廓与所述目标物体的二维边缘相对应，通过最小化所述目标模型的轮廓与所述二维边缘之间的距离，从所述当前帧中估计出所述目标物体的三维姿态。该装置包括：检测模块、获取模块和估计模块。本申请实现了动态投影映射，在保持边缘检测的高速特性的同时，提高了边缘检测的实时性和鲁棒性。
基于边缘动态投影映射对象跟踪方法装置

[发明专利]基于图像或视频人群计数的密度图生成方法和装置-CN201911108295.3在审
发明人：樊硕 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-11-13 - 公布日： 2020-04-10 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种基于图像或视频人群计数的密度图生成方法和装置，涉及密度图领域。该方法包括：获取包括人群的图像或视频；使用Chan‑Vese分割算法在所述图像或视频的背景中计算出距离头部的最近点，分割出头部区域，将所述头部区域以外的所有区域确定为外部区域，并确定所述头部区域与外部区域的边界；采用二维高斯滤波器去除所述头部区域的噪声；根据去除噪声后的头部区域和所述外部区域进行人群密度估计，创建全局密度图。该装置包括：获取模块、分割模块、去噪模块和估计模块。本申请能够生成精度更高的地面实况人群密度图，能帮助人群计数模型获得更高的准确度和效率，并促进了视频人群计数领域的发展。
基于图像视频人群计数密度生成方法装置

[发明专利]面向拥挤场景的无监督异常轨迹检测方法和装置-CN201911194882.9在审
发明人：宋旭博 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-11-28 - 公布日： 2020-04-07 - 主分类号： G06T7/246 文献下载
摘要：本申请公开了一种面向拥挤场景的无监督异常轨迹检测方法和装置，涉及异常轨迹检测领域。该方法包括：获取拥挤场景视频的多个帧；使用多物体跟踪器在每个帧内确定多个包含人群区域的候选框，每个帧的所有候选框均不重叠；在每个候选框内检测低级特征，跟踪检测到的所有特征点的质心，得到跟踪物体的运动轨迹；根据运动轨迹的密度、形状、平均位置和标准偏差，对运动轨迹上的所有数据点进行聚类分析；在得到的所有聚类中，根据香农熵检测出异常轨迹，使用投票机制对检测出的异常轨迹进行筛选。该装置包括：获取模块、确定模块、跟踪模块、聚类模块和检测模块。本申请提高了检测的准确率，解决了现有方法面向拥挤场景时检测准确率降低的问题。
面向拥挤场景监督异常轨迹检测方法装置

[发明专利]基于语义概率网络的手势识别方法-CN201911144025.8在审
发明人：李春宾 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-11-20 - 公布日： 2020-04-03 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种基于语义概率网络的手势识别方法，用于在使用语义概率网络的视频序列中进行均匀识别，该方法涉及使用预定义的领域本体，将事件和场景描述为简单概念和变量的层次结构分解他们之间的关系，然后，本体用于自动贝叶斯网络生成，这使我们能推断观察场景中的事件和场景，输入变量的转换图用于预测事件和方案，快速且稳健，提高收拾识别的效率及准确性。
基于语义概率网络手势识别方法

[发明专利]多目标三维物体跟踪的方法和装置-CN201911157471.2在审
发明人：彭浩 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-11-22 - 公布日： 2020-04-03 - 主分类号： G06T7/246 文献下载
摘要：本申请公开了一种多目标三维物体跟踪的方法和装置，属于检测跟踪领域。该方法包括：获取视频的多个帧；根据所述视频的第一帧建立三维物体的外观模型；将后续的每一帧作为当前帧进行预处理；在所述预处理后的当前帧中，使用所述外观模型检测到多个目标，并提取所述多个目标的特征；根据提取的所述多个目标的特征，采用三维卡尔曼滤波模式对所述多个目标进行跟踪，生成所述多个目标的运动轨迹。该装置包括：获取模块、建立模块、处理模块、检测模块、跟踪模块。本申请具有较强的鲁棒性，可以抵抗不同角度、不同姿态和不同视角对图像的影响。
多目标三维物体跟踪方法装置

[发明专利]基于深度信念网络的多姿态人脸识别的方法和装置-CN201911194907.5在审
发明人：彭浩 -专利权人： 北京影谱科技股份有限公司
申请日： 2019-11-28 - 公布日： 2020-03-24 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种基于深度信念网络的多姿态人脸识别的方法和装置，属于人脸识别领域。该方法包括：获取人脸图像的训练集并进行预处理；将深度信念网络分解成多层相邻量程构成的受限玻尔兹曼机，输入所述预处理后的训练集通过贪心算法预训练所述深度信念网络的参数；使用自编码器对训练好的深度信念网络进行参数微调；在所述微调后的深度信念网络中添加极限学习机，对多姿态人脸图像进行分类识别。该装置包括：获取模块、训练模块、微调模块和识别模块。本申请将深度信念网络与极限学习机相结合，在复杂函数的非线性问题方面具有优异的性能，克服姿态变化的非线性和分辨率低的影响，分类时间和识别效果都具有明显的提升。
基于深度信念网络多姿态人脸识别方法装置