“荆晓远”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115个，建议您升级VIP下载更多相关专利

[发明专利]一种人脸特征点跟踪方法-CN201610038361.4有效
发明人：杨敏;朱晓琪;荆晓远 -专利权人：南京邮电大学
申请日： 2016-01-20 - 公布日： 2018-11-09 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种人脸特征点跟踪方法，首先，建立人脸训练样本库，从而消除不同国家的人脸结构差别造成的匹配精度的问题，然后，在测试树莓派平台上，基于人脸训练样本库，分别训练建立人脸形状模型和人脸表观模型，最后，在保证配准的精度的前提下，基于主动表观模型算法，采用快速反向合成算法，减小配准计算过程中的复杂度，加快程序运行的速度，克服了现有技术中的缺陷与不足，能够有效提高人脸的跟踪精度。
一种特征跟踪方法

[发明专利]基于颜色名特征的行人重识别方法-CN201810495801.8在审
发明人：王彩玲;祁浩;高广谓;荆晓远 -专利权人：南京邮电大学
申请日： 2018-05-22 - 公布日： 2018-10-16 - 主分类号： G06K9/00 文献下载
摘要：一种基于颜色名特征的行人重识别方法，包括如下步骤：S1、对行人图像进行预处理；S2、对经过预处理后的行人图像进行划分处理；S3、从经过划分处理后的行人图像中提取颜色名特征，并将提取出的颜色名特征与HSV特征、SILTP特征进行融合；S4、将S3中经过融合后的特征用二次判别分析法进行行人重识别。本发明基于颜色名特征、充分利用了行人外观的颜色特征，将每个通道相应位置元素的概率进行相比，并取其中最大的那个通道，用该通道标签表示该位置的像素，使得其能够更好的解决光照和环境变化对颜色描述的影响，从而保证了本发明的使用效果。
预处理图像判别分析法环境变化通道标签位置元素颜色描述颜色特征融合像素光照概率保证

[发明专利]一种基于VGG深度网络的视觉目标跟踪方法-CN201810346647.8在审
发明人：王彩玲;徐烨超;荆晓远 -专利权人：南京邮电大学
申请日： 2018-04-18 - 公布日： 2018-10-16 - 主分类号： G06T7/246 文献下载
摘要：本发明揭示了一种基于VGG深度网络的视觉目标跟踪方法，包括如下步骤：S1、编译MatConvNet的运行环境；S2、构建VGG深度神经网络；S3、进行视频帧输入，并判断输入帧是否为初始帧，若输入帧为非初始帧，则进入S4，若输入帧为初始帧，则跳过S4、进入S5；S4、进行目标新状态估计，随后进入S5；S5、进行滤波器模型的在线更新。本发明与传统的视觉目标跟踪方法相比，在特征上包含了更多的语义信息，可以有更高的跟踪精度。而与利用高层深度特征的视觉目标跟踪方法相比，本发明所使用的低层数据既可以节约计算损耗，而又不缺失语义信息。因此，本发明在跟踪精度和跟踪速度上做了权衡，获得了优异的跟踪性能。
跟踪视觉目标初始帧输入帧语义信息滤波器模型低层数据跟踪性能深度特征神经网络运行环境在线更新传统的视频帧新状态构建跳过编译网络节约高层

[发明专利]一种无同类训练样本情形下的图像识别方法-CN201810335966.9在审
发明人：吴松松;王堃;孙广成;荆晓远;岳东 -专利权人：南京邮电大学
申请日： 2018-04-13 - 公布日： 2018-10-02 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种无同类训练样本情形下的图像识别方法，本方法能有效减少在无同类训练样本情形下图像识别过程中语义迁移和已知类别训练样本属性噪声问题带来的影响。我们采用正太分布虚拟出已知类别训练样本的真实属性来减少其属性噪声问题带来的影响，其次基于已知类别训练样本特征和其虚拟的真实属性利用编码器—解码器模型学习一个属性预测器来达到有效减少语义迁移问题影响的目的，最后通过最近邻分类器获得待测试未知类别样本的标签。与现有的其他方法相比，我们的方法在识别率和识别速率上均取得显著提高。
训练样本图像识别语义有效减少噪声问题真实属性迁移虚拟最近邻分类器解码器模型类别样本编码器识别率预测器标签测试学习

[发明专利]一种动态磁共振稳健PCA成像方法-CN201810141292.9在审
发明人：杨敏;周宝来;荆晓远;晏士友 -专利权人：南京邮电大学
申请日： 2018-02-11 - 公布日： 2018-09-28 - 主分类号： A61B5/055 文献下载
摘要：本发明公开了一种动态磁共振稳健PCA成像方法，属于图像重建领域。本方法首先根据压缩感知理论，进行部分k‑t空间测量的动态磁共振图像采样，然后引入低秩加稀疏模型，将其应用到欠采样动态磁共振成像，最后运用交替方向法（ADMM）解决稳健PCA优化问题。本方法不但保持了图像的结构信息，同时低秩加稀疏的特性，在同样欠采样的情况下提高了图像重建质量。
动态磁共振成像图像重建欠采样低秩稀疏压缩感知理论交替方向结构信息空间测量图像采样优化问题图像引入应用

[发明专利]一种基于深度学习的行人检测方法-CN201810082310.0在审
发明人：孙炜程;朱松豪;荆晓远;代心灵 -专利权人：南京邮电大学
申请日： 2018-01-29 - 公布日： 2018-08-28 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于深度学习的行人检测方法，该方法包括以下步骤：首先将待检测的视频图像输入提取网络生成特征图，然后，将提取网络生成的特征图输入区域提议网络，利用区域提议方法检测最有可能是行人的区域，生成行人候选者以及行人候选者对应的分数，最后利用训练好的决策树算法确定行人候选者是否为真正的行人。本发明的优点是计算简单、快速，能够显著提高行人检测的准确率。
行人检测网络生成特征图决策树算法提议视频图像输入区域检测准确率学习网络

[发明专利]一种全变分的并行磁共振图像快速重构方法-CN201810141967.X在审
发明人：杨敏;晏士友;荆晓远;周宝来 -专利权人：南京邮电大学
申请日： 2018-02-11 - 公布日： 2018-08-28 - 主分类号： G06T11/00 文献下载
摘要：本发明提供了一种全变分的并行磁共振图像快速重构方法，属于磁共振成像领域。本发明针对Bregman分裂算子法采用固定步长求解速度慢的缺点，提出了一种变步长的Bregman分裂算法，有效处理了全变分正则项的非凸难以求解的问题。实验结果表明，该改进算法不仅能得到较好的图像恢复效果，而且具有良好的收敛性和稳定性。
磁共振图像求解重构算法并行磁共振成像固定步长图像恢复有效处理变步长收敛性算子分裂改进

[发明专利]一种低秩与稀疏矩阵分解的动态磁共振成像方法-CN201810141334.9在审
发明人：杨敏;周宝来;荆晓远;晏士友 -专利权人：南京邮电大学
申请日： 2018-02-11 - 公布日： 2018-08-24 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种低秩与稀疏矩阵分解的动态磁共振成像方法，涉及磁共振成像领域。本发明将低秩与稀疏模型引入动态磁共振成像；令低秩与稀疏分解通过非相关性要求分析，并完成改进；将改进的低秩与稀疏分解应用到欠采样动态磁共振成像的图像重建。采用本发明能够保证图像重建的质量和成像速度；在相同的欠采样率的情况下，改善了图像重建质量。
低秩动态磁共振成像图像重建稀疏分解稀疏矩阵欠采样分解磁共振成像稀疏改进引入应用分析保证

[发明专利]一种多机构中心的属性加密方法-CN201310647570.5有效
发明人：陈丹伟;汪晨;王志伟;荆晓远 -专利权人：南京邮电大学
申请日： 2013-12-04 - 公布日： 2018-03-02 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种多机构中心的属性加密方法，该方法通过把CP‑ABE扩展到多个授权机构，将单授权机构的信任和工作量分散到系统所有授权机构上，提高了系统的安全性和解密效率；该方法包括系统初始化通过CA中心的身份验证后，初始化产生密钥；密钥计算AA中心计算出用户的公私钥对，用于数据加密和解密运算；加密数据属主执行加密操作后，将密文上传到云端；解密用户端提交部分私钥后，执行预解密处理，处理后的密文发送到用户端，执行最终的解密运算；属性撤销当某个用户的属性被撤销后，执行密钥更新以及数据重加密操作，确保数据不被非法获取。
一种机构中心属性加密方法

[发明专利]基于双低秩表示和局部约束矩阵回归的鲁棒图像识别方法-CN201710569014.9在审
发明人：胡藏艺;高广谓;吴松松;荆晓远;庞会娟;岳东 -专利权人：南京邮电大学
申请日： 2017-07-13 - 公布日： 2017-11-24 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于双低秩表示和局部约束矩阵回归的鲁棒图像识别方法，属于图像识别领域。本方法首先运用双核范数正则的低秩表示方法对训练样本进行去噪处理，以获取干净的训练样本集；其次，通过局部约束块矩阵回归方法求得测试样本在去噪后的训练样本上某一尺度下的分类结果；最后，运用多尺度融合技术，输出待识别测试样本的类别。
基于双低秩表示局部约束矩阵回归图像识别方法

[发明专利]用于人脸识别的基于LBP特征的结构型稀疏表示分类方法-CN201710222367.1在审
发明人：周航;荆晓远;岳东 -专利权人：南京邮电大学
申请日： 2017-03-31 - 公布日： 2017-09-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种用于人脸识别的基于LBP特征的结构型稀疏表示分类方法（LBP‑SSRC），对于传统的SRC算法来说，样本的局部性相较于其稀疏性一样是极其重要的，局部特征是一种非常有用的特征信息，该算法首先从原始样本集中提取样本的LBP直方图特征，考虑到训练样本的分块结构性，接着设计了两种结构型稀疏表示的算法模型（SSRC），最后将提取到的LBP特征输入到SSRC算法模型中，充分利用样本LBP特征的局部性以及SSRC的分块结构性，因此该算法使测试样本可以尽可能的选择用与其同类别的训练样本来重构得到，可以很好的提升分类识别效果。通过在公共的AR人脸库上的对比实验，可以充分验证所提算法的有效性。
用于识别基于 lbp 特征结构稀疏表示分类方法

[发明专利]一种基于核统计不相关的多视图的图像分类方法-CN201710212996.6在审
发明人：奚晓钰;荆晓远;岳东 -专利权人：南京邮电大学
申请日： 2017-04-01 - 公布日： 2017-09-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种用于图像分类的基于核统计不相关的多视图算法，其为一种用于多视图的核分类方法，该方法对样本经过训练获得的投影变换矩阵加入统计不相关约束，以获得新的满足统计不相关约束的投影矩阵。并利用核方法，将上述计算扩展到非线性空间，引入核函数。本发明加入统计不相关约束，使得获得的投影矩阵满足统计不相关的关系，加入应用于多视图学习中的核技巧，将样本从低维线性不可分映射至高维的线性可分，得到加入核方法的高维特征投影空间。将本发明所述的方法在Multi‑PIE人脸数据库上的实验验证了所提方法是高性能的；在提高分类算法的效果的同时，降低了计算复杂度。
一种基于统计不相关视图图像分类方法

[发明专利]一种用于图像识别的基于邻域保持和核子空间对齐的方法-CN201710206962.6在审
发明人：许明微;荆晓远;岳东 -专利权人：南京邮电大学
申请日： 2017-03-31 - 公布日： 2017-08-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种用于图像识别的基于邻域保持和核子空间对齐的方法,首先利用核映射函数将源域和目标域图像都映射到同一个高维空间中，使得在这个高维空间中源域和目标域图像线性可分。然后对高维空间中的源域图像和目标域图像使用主成分分析法PCA降维，得到源域子空间和目标域子空间。接着，学习一个对齐矩阵将源域子空间和目标域子空间对齐，同时保证在原始空间中属于不同类别的源域样本在对齐后的空间中尽可能的分开。最后，利用学习得到的对齐矩阵对新的图像进行分类。本发明方法通过邻域保持和核子空间对齐缓解了源域和目标域样本分布不同导致传统的图像识别方法的识别准确率下降的问题，相对于传统的方法本发明取得了更高的图像识别准确率。
一种用于图像识别基于邻域保持核子空间对齐方法

[发明专利]基于属性低秩表示的零样本图像识别方法-CN201710145493.1在审
发明人：吴松松;郁俊;高广谓;汪禄;荆晓远;岳东 -专利权人：南京邮电大学
申请日： 2017-03-13 - 公布日： 2017-07-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于属性低秩表示的零样本图像识别方法首先通过寻求已知类别属性对未知类别属性的低秩表达来挖掘已知类别与未知类别在属性上的内在联系；然后利用这种属性联系虚拟出未知类别的训练样本；最后基于已知类别和未知类别的训练样本学习出属性预测器。在对未知类别样本进行标签预测时，用训练好的属性预测器预测出未知样本的属性，之后把预测的属性与原型属性进行比对通过最近邻分类器得到未知样本的类别标签。与已有的零样本图像识别方法相比，本发明算法能取得更高的识别准确率。
基于属性表示样本图像识别方法

[发明专利]一种基于鉴别性样本属性学习的零样本图像识别方法-CN201710145628.4在审
发明人：吴松松;汪禄;高广谓;郁俊;荆晓远;岳东 -专利权人：南京邮电大学
申请日： 2017-03-13 - 公布日： 2017-07-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于鉴别性样本属性学习的零样本图像识别方法，首先我们在源域和目标域共同学习投影矩阵，并使用源域和目标域每类的原型来调整学习到的投影矩阵。然后，利用学习到的投影矩阵把目标域的图像特征映射到属性空间得到其属性表示。最后，在属性空间上利用最近邻分类器对图像进行分类。对目标域而言，已有的投影矩阵学习方法由于未考虑目标域与源域的分布差异从而更容易导致域迁移问题，而我们的算法通过综合利用源域和目标域的样本信息缓解这种影响，能够取得了更高的图像识别准确率。
一种基于鉴别样本属性学习图像识别方法