“孙永宣”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6个，建议您升级VIP下载更多相关专利

[发明专利]一种基于自适应时间结构深度网络的偷窃行为识别方法-CN202210087197.1在审
发明人：谢昭;江朝晖;王冠;吴克伟;孙永宣 -专利权人：合肥工业大学
申请日： 2022-01-25 - 公布日： 2022-05-10 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种自适应时间结构深度网络的偷窃行为识别方法。本发明采用分段方式，实现对长时视频的处理。针对段内特征相似度高而产生的信息冗余问题，通过估计段内时间结构的距离阈值，来计算段内每个视频帧的二值采样标记，去除段内冗余的视频帧，减少段内模型计算量。针对视频段的语义信息重要性估计问题，设计了子行为原型参数矩阵，学习每个视频段的子行为相关的语义描述，并估计视频段的时间注意力，进行视频段的特征增强。最后，对多视频段的特征串联，并使用三层感知器，实现偷窃行为识别。本文发明具有时间自适应能力强，对长时视频中段内的冗余视频帧，和段间的语义信息分析，都具有较好的鲁棒处理能力，可有效实现偷窃行为识别。
一种基于自适应时间结构深度网络偷窃行为识别方法

[发明专利]个体时空关系推理的群体暴力行为检测方法-CN202110933953.3在审
发明人：谢昭;徐永钢;焦畅;吴克伟;孙永宣 -专利权人：安徽友荣胜通信科技有限公司
申请日： 2021-08-10 - 公布日： 2021-11-26 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种个体时空关系推理的群体暴力行为检测方法，包括：群体暴力行为的人体检测；群体暴力行为的空间关系表达；群体暴力行为的多尺度组合关系表达；群体暴力行为的时空关系推理表达；群体暴力行为检测模型训练；群体暴力行为检测。本发明重点实现了群体暴力行为的空间关系表达、多尺度组合关系表达、时空关系推理表达三个关键任务。针对群体人物之间的关系建模，在考虑人物个体特征相似度的基础上，考虑人物的距离接近程度，提供不同行为作用范围的行人空间关系，同时，引入多尺度组合操作，实现密集的空间关系建模。在空间关系基础上，融合时间隐状态特征，实现时空关系建模，有效表达群体暴力行为。
个体时空关系推理群体暴力行为检测方法

[发明专利]基于旋转深度学习的人物遮挡轮廓检测方法-CN201810557555.4有效
发明人：谢昭;吴克伟;张顺然;孙永宣 -专利权人：合肥工业大学
申请日： 2018-06-01 - 公布日： 2021-10-26 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于旋转深度学习的人物遮挡轮廓检测方法，首先，通过对输入人物图像进行分割与合并获得图像初始分割；经过颜色和内容的区域合并，提取出目标的分割轮廓；其次，根据旋转角集合对图像进行旋转、采样、标记获得边缘图像块集合；基于卷积神经网络，构建出边缘朝向检测的深度模型；并利用旋转图像块采集集合，训练出浅层模型和深层模型；最后，使用训练后的边缘朝向检测深度模型，来检测局部轮廓朝向；并对局部轮廓朝向进行一致性评价，提取人物分割轮廓朝向。
基于旋转深度学习人物遮挡轮廓检测方法

[发明专利]一种基于匹配误差抑制的成像坐标校正方法-CN201711223610.8有效
发明人：杨兴明;谢昭;张鹿鸣;吴克伟;纪松;孙永宣;周亚辉;童赟 -专利权人：合肥工业大学
申请日： 2017-11-29 - 公布日： 2021-08-06 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于匹配误差抑制的成像坐标校正方法，手工标记测量图像背景区域，获取其匹配点对。并基于匹配点对利用迭代误差法建模几何校正映射矩阵，提高了实验结果的精度。据此，利用欧式距离及阈值，检测并抑制噪声匹配点。再次利用迭代误差拟合求解新的映射矩阵，并对参考图像进行校正。将测量图像与边缘二值掩膜融合，获取足部坐标。再将测量图像边缘与几何校正后的参考图像进行融合，根据足部点误差，水平平移获得足部对齐的参考图像。本发明具有直观有效，鲁棒性强，场景适应度高等优点，不仅能够解决成像坐标在对齐标定中受到背景信息、复杂结构混杂信息、足部近邻结构信息的干扰，而且也能够解决多幅参考图像拟合结果的不一致性。
一种基于匹配误差抑制成像坐标校正方法

[发明专利]基于场景深度映射的道路目标深度估计方法-CN201610528752.4有效
发明人：吴克伟;孙丹;孙永宣;杨兴明;谢昭 -专利权人：合肥工业大学
申请日： 2016-07-06 - 公布日： 2020-12-04 - 主分类号： G06T7/579 文献下载
摘要：本发明公开了一种基于场景深度映射的道路目标深度估计方法，通过获取场景深度映射关系和目标定位两个要素，实现场景目标深度估计。在场景边缘检测和直线检测基础上，针对消失点和消失线定位不确定问题，使用最大期望算法，精确估计中心消失点和中心视野消失线；并利用摄像机模型，完成场景的深度映射关系构建。针对场景目标定位不准确问题，在场景分割基础上，采用Adaboost分类器训练并识别分割区域的类别标记；分析垂直目标的地面接触线，查找深度映射关系表，获得场景目标深度估计。
基于场景深度映射道路目标估计方法

[发明专利]基于层次独立成分编码的运动异常检测方法-CN201710236963.5有效
发明人：王雨廷;谢昭;吴克伟;孙永宣;段士雷;孙丹 -专利权人：合肥工业大学
申请日： 2017-04-12 - 公布日： 2019-10-08 - 主分类号： G06T7/207 文献下载
摘要：本发明公开了一种基于层次独立成分编码的运动异常检测，在获取光流区域块的第一层训练集基础上，构建归一化矩阵及其特征向量，并对特征向量进行正交化作为初始基元，采用双曲正切变换损失函数进行基元学习，挖掘运动高频模式作为S1层基元；使用S1层学习基元对光流图像卷积获得初始响应，采用截断线性校正获取C1层响应；对C1层响应利用空间采样构建第二层训练集，学习S2层独立成分基元，采用截断线性校正获取C2层响应，挖掘获得S3层独立成分基元；对测试视频序列的光流进行S1层、S2层、S3层基元的逐层卷积获得运动模式响应，利用聚类方法生成多聚类中心，使用多高斯核密度估计实现异常概率估计，实现运动异常检测和区域标记。
基于层次独立成分编码运动异常检测方法