徐玉伟
- 作品数：12 被引量：15H指数：3
- 供职机构：南京信息工程大学更多>>
- 发文基金：江苏省自然科学基金国家自然科学基金江苏省教育厅自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种新的低秩分块稀疏表示的人脸识别算法被引量：5
- 2015年
- 针对人脸图像中表情变化、遮挡、光照的问题,本文提出了一种新颖的基于低秩分块稀疏表示的人脸识别算法。该算法采用了一种新的结构不相关的低秩矩阵恢复方法,同时采用离散余弦变换方法联合处理人脸图像中遮挡、掩饰和光照的问题,对处理过的图片采用一种独特的重叠分块方法,利用冗余信息有效地提高了算法的识别率。在分类阶段,利用Alignment pooling的方法,有效地提高了识别速度。该算法在标准人脸数据库上进行了多次实验,实验结果表明:与现有人脸识别算法相比,算法的识别准确率和计算效率都得到了一致提高。
- 胡昭华赵孝磊徐玉伟何军
- 关键词：人脸识别
- 基于支持向量机的多特征选择目标跟踪方法
- 本发明公开了基于支持向量机的多特征选择目标跟踪方法，其步骤为：获取正负样本，提取样本的多种特征；抽取候选目标，提取目标的多种特征；对所有特征进行核化处理；训练SVM分类器；计算置信值，判别候选目标；更新分类器；评估跟踪性...
- 胡昭华徐玉伟赵孝磊李容月欧阳雯金蓉
- 文献传递
- 多特征联合及选择的目标跟踪算法研究
- 目标跟踪是计算机视觉领域的一个重要研究方向。经过多年的发展,光照改变、遮挡、运动突变、背景杂波等问题依然是影响跟踪效果的重要因素。针对此问题,提出了两种基于目标外观模型的目标跟踪方法：基于稀疏表示的多特征联合目标跟踪方法...
- 徐玉伟
- 关键词：目标跟踪支持向量机分类器
- 文献传递
- 基于图像重构和哈希算法的人脸识别方法
- 本发明公开了基于图像重构和哈希算法的人脸识别方法，采用图像重构模型，利用尺度变量a<Sup>p</Sup>，有效地去除了人脸图像中遮挡、掩饰，解决了人脸图像中光照不均匀和图像漂移的问题。引入Hash矩阵，将高维的数据矩阵...
- 胡昭华赵孝磊邢卫国徐玉伟欧阳雯
- 文献传递
- 一种低秩分块稀疏表示的人脸识别方法
- 本发明公开了一种低秩分块稀疏表示的人脸识别方法，采用低秩矩阵分解并引入参考项，采用DCT算法，实现了图像的归一化，有效地解决了人脸图像中光照不均匀的问题。在分类阶段，利用聚类的思想，行之有效地提高了识别速度。将该算法用于...
- 胡昭华赵孝磊徐玉伟何军
- 文献传递
- 基于图像重构和哈希算法的人脸识别方法
- 本发明公开了基于图像重构和哈希算法的人脸识别方法，采用图像重构模型，利用尺度变量a<Sup>p</Sup>，有效地去除了人脸图像中遮挡、掩饰，解决了人脸图像中光照不均匀和图像漂移的问题。引入Hash矩阵，将高维的数据矩阵...
- 胡昭华赵孝磊邢卫国徐玉伟欧阳雯
- 一种多特征联合稀疏表示的目标跟踪方法
- 本发明通过对传统的稀疏编码跟踪器求解稀疏系数方法以及采用的目标特征进行分析和改进，提供一种多特征联合稀疏表示的目标跟踪方法，在光照影响较大、目标出现严重遮挡等复杂场景下保持目标跟踪的稳定性，提高目标跟踪器的精度。本发明包...
- 胡昭华吴佑林徐玉伟赵孝磊
- 文献传递
- 一种多特征联合稀疏表示的目标跟踪方法
- 本发明通过对传统的稀疏编码跟踪器求解稀疏系数方法以及采用的目标特征进行分析和改进，提供一种多特征联合稀疏表示的目标跟踪方法，在光照影响较大、目标出现严重遮挡等复杂场景下保持目标跟踪的稳定性，提高目标跟踪器的精度。本发明包...
- 胡昭华吴佑林徐玉伟赵孝磊
- 文献传递
- 多特征联合的稀疏跟踪方法被引量：6
- 2014年
- 针对目标跟踪中单一特征描述目标能力较弱的情况,提出一种多种特征联合的稀疏表示跟踪方法。在粒子滤波框架下,首先,提取目标模板和候选粒子的多种特征并对其进行核化处理;然后,用字典模板对各候选粒子进行联合稀疏表示,采用可核化的加速近端梯度(KAPG)方法求解稀疏系数并实现候选粒子的重构;最后,将具有最小重构误差的粒子作为跟踪结果。跟踪过程中,利用子空间学习的方法实现目标模板的更新。实验结果表明,与现有跟踪算法相比,该算法提高了跟踪精度,并在目标存在遮挡、光照变化、运动突变等情况时,均可以取得较好的跟踪效果。
- 胡昭华徐玉伟赵孝磊何军
- 关键词：视觉跟踪粒子滤波核函数
- 基于支持向量机的多特征选择目标跟踪被引量：5
- 2015年
- 目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败.为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果.在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器.实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.
- 胡昭华徐玉伟赵孝磊何军周游
- 关键词：分类器目标跟踪支持向量机子空间学习
