期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于动作图的视角无关动作识别 被引量:5
1
作者 杨跃东 郝爱民 +2 位作者 褚庆军 赵沁平 王莉莉 《软件学报》 EI CSCD 北大核心 2009年第10期2679-2691,共13页
针对视角无关的动作识别,提出加权字典向量描述方法和动作图识别模型.将视频中的局部兴趣点特征和全局形状描述有机结合,形成加权字典向量的描述方法,该方法既具有兴趣点抗噪声强的优点,又可克服兴趣点无法识别静态动作的缺点.根据运动... 针对视角无关的动作识别,提出加权字典向量描述方法和动作图识别模型.将视频中的局部兴趣点特征和全局形状描述有机结合,形成加权字典向量的描述方法,该方法既具有兴趣点抗噪声强的优点,又可克服兴趣点无法识别静态动作的缺点.根据运动捕获、点云等三维运动数据构建能量曲线,提取关键姿势,生成基本运动单元,并通过自连接、向前连接和向后连接3种连接方式构成有向图,称为本质图.本质图向各个方向投影,根据节点近邻规则建立的有向图称为动作图.通过Na?veBayes训练动作图模型,采用Viterbi算法计算视频与动作图的匹配度,根据最大匹配度标定视频序列.动作图具有多角度投影和投影平滑过渡等特点,因此可识别任意角度、任意运动方向的视频序列.实验结果表明,该算法具有较好的识别效果,可识别单目视频、多目视频和多动作视频. 展开更多
关键词 动作识别 角度无关 动作图 兴趣点 Nave BAYES
下载PDF
基于紧凑十字阵列的角度无关的宽带太赫兹带阻滤波器(英文)
2
作者 宁玉鹏 娄淑琴 +2 位作者 贾洪志 刘锡丹 孙璞 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2019年第6期716-721,共6页
介绍了一种可以在一些特殊的频率选择表面上激发额外的反对称模式的紧凑阵列设计.基于这种设计,本文提出了一种角度无关的宽带太赫兹(THz)带阻滤波器.紧凑十字架阵列由两层十字架金属阵列组成,其中第二层金属十字架的中心与第一层四个... 介绍了一种可以在一些特殊的频率选择表面上激发额外的反对称模式的紧凑阵列设计.基于这种设计,本文提出了一种角度无关的宽带太赫兹(THz)带阻滤波器.紧凑十字架阵列由两层十字架金属阵列组成,其中第二层金属十字架的中心与第一层四个金属十字架单元的中心对齐.数值结果显示紧凑阵列可以激发出一种额外的谐振模式.与传统的周期设计相比,基于紧凑阵列的滤波器在带宽、通带平坦度和阻带衰减均有很大的性能提升.提出的滤波器具有良好的滤波能力,其在1.2 THz的中心频率处具有0.75 THz的10 dB带宽且在0°~60°的范围内对角度不敏感.此外,紧凑阵列可以被拓展运用到多种不同的结构,如耶路撒冷十字架结构,Ⅰ型以及Ⅱ型等结构. 展开更多
关键词 太赫兹滤波器 频率选择表面 紧凑阵列 角度无关 反对称模式
下载PDF
一种角度无关的Gabor-SVM昆虫识别 被引量:10
3
作者 黄世国 周明全 耿国华 《小型微型计算机系统》 CSCD 北大核心 2010年第1期143-146,共4页
传统的昆虫识别方法费时费力,应用图像处理技术提取昆虫图像视觉特征,实现昆虫机器自动识别,可以解决传统方法的不足.本研究依据纹理是昆虫分类的重要特征,应用角度无关的Gabor滤波器提取昆虫图像的纹理特征,然后用SVM算法分类,实验结... 传统的昆虫识别方法费时费力,应用图像处理技术提取昆虫图像视觉特征,实现昆虫机器自动识别,可以解决传统方法的不足.本研究依据纹理是昆虫分类的重要特征,应用角度无关的Gabor滤波器提取昆虫图像的纹理特征,然后用SVM算法分类,实验结果表明:角度无关Gabor-SVM昆虫识别方法正确率为80%,是比传统Gabor和灰值游程矩阵更好的识别算法,该方法能较准确识别昆虫,省时省力. 展开更多
关键词 角度无关的Gabor 纹理 SVM 昆虫识别
下载PDF
基于时空注意力深度网络的视角无关性骨架行为识别 被引量:4
4
作者 丰艳 李鸽 +1 位作者 原春锋 王传旭 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2018年第12期2271-2277,共7页
针对单视角骨架数据包含噪声且其特征完全依赖于该视角的问题,提出一种基于时空注意力的深度网络模型进行角度无关性骨架行为识别,该模型主要由特定视角子网和公共子网串联组成.首先通过特定视角子网学习每个视角序列的判别性特征,同时... 针对单视角骨架数据包含噪声且其特征完全依赖于该视角的问题,提出一种基于时空注意力的深度网络模型进行角度无关性骨架行为识别,该模型主要由特定视角子网和公共子网串联组成.首先通过特定视角子网学习每个视角序列的判别性特征,同时利用空域注意力和时域注意力模块分别重点关注关键关节点和关键帧;然后特定视角子网的输出特征作为公共子网的输入,通过公共子网进一步学习角度无关性特征;最后输出行为分类结果.为了保证网络的有效训练,提出一个正则化交叉熵损失函数来推动网络多模块共同学习.实验结果表明,该模型在目前最大的骨架数据集NTU数据集上识别准确率为76.3%. 展开更多
关键词 深度网络 时空注意力 角度无关 骨架行为识别
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部