[发明专利]基于多任务学习的动态纹理识别方法在审
| 申请号： | 201710568209.1 | 申请日： | 2017-07-13 |
| 公开（公告）号： | CN107563276A | 公开（公告）日： | 2018-01-09 |
| 发明（设计）人： | 洪金剑;王勇 | 申请（专利权）人： | 苏州珂锐铁电气科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 苏州市中南伟业知识产权代理事务所(普通合伙)32257 | 代理人： | 冯瑞 |
| 地址： | 215000 江苏省苏州市工*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明具体涉及一种基于多任务学习的动态纹理识别方法，为了提出一种提高动态纹理识别准确率而设计。本发明基于多任务学习的动态纹理识别方法，首先对动态纹理视频中的每个像素时间序列，提取混沌特征向量，这样视频就变为混沌特征向量矩阵。然后用词袋模型来对视频建模，得到直方图特征。将识别问题转化成组稀疏来表示，并用ADMM算来计算。本发明通过多任务学习的方法，来对动态纹理识别，可广泛应用于视频监控系统、视频会议系统、工业产品检测系统、机器人视觉导航系统、军事目标检测分类系统等各类民用及军用系统中，具有广阔的市场前景和应用价值。 | ||
| 搜索关键词： | 基于 任务 学习 动态 纹理 识别 方法 | ||
【主权项】：
一种基于多任务学习的动态纹理识别方法，其特征在于，包括：计算每个视频中每个像素点位置的混沌特征向量，其中混沌特征向量F＝[τ，m，Di，mean]，其中D是信息维数，τ和m分别是嵌入延迟和嵌入维数，mean代表像素时间序列的平均值；基于用词袋模型对视频建模，得到直方图特征；将总模型W分解为组稀疏模型部分l1，∝和元素稀疏部分l1，1，组稀疏模型部分得到多任务之间的共性特征，而元素稀疏模型则是获取各个特征的个性部分，用ADMM算法计算。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州珂锐铁电气科技有限公司，未经苏州珂锐铁电气科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710568209.1/，转载请声明来源钻瓜专利网。
