本发明提出了一种基于姿态关节点的长时程快慢网络融合的行为识别方法，包括如下步骤：利用图卷积网络自动捕捉空间和时序内关节点结构特征和轨迹特征的模式；通过特征拼接网络模型生成每个视频片段的整体时空特征，并按片段顺序串接形成视频的整体时空特征，然后在卷积网络的高层融合输入视频中提取的RGB特征和姿态关节点特征；将两种特征通过支持向量机分类器，经过加权融合的方式输出该视频行为的分类结果。本发明通过提取姿态关节点特征，大大减少了数据量，去除了冗余信息。同时提取长时程多帧图像序列中的时空特征来进行特征补偿，提高了视频复杂行为的识别率和鲁棒性。
📄 2019102749830
📂 G06K9_00
👤 南京邮电大学
📅 2019-04-08
本发明涉及图像处理领域，具体涉及一种高阶多项式和深度网络融合的无人机视图失真校正方法，该方法包括以下步骤：分别使用几何编码器和空间编码器对失真图像进行解析，分析出径向畸变参数及切向畸变参数；分别输入两个编码器输出的径向畸变参数以及切向畸变参数到高阶多项式模型生成具体的校正流，并通过全连接层计算出校正流在每个像素对应的置信度；将两个编码器输出的校正流通过基于置信度的指数衰减函数进行融合得到最终校正流，并将最终校正流应用于失真图像上得到校正后图像。本发明能够在不依赖标定板等特殊硬件的情况下，稳定地对存在径向或切向失真的图像进行畸变恢复。
📄 2025100282769
📂 G06T5_80
👤 广东工业大学
📅 2025-01-08
柿子坊 · 知识产权运营
柿子坊知识产权运营平台