摘要：一种面向生物特征识别的交互式定位方法，包括以下步骤：1、交互式定义虚拟关键点；2、根据虚拟关键点采集图像。该方法根据被采集部位的特点，在注册时用户自定义虚拟关键点所在的位置，然后系统保存用户定义的关键点的位置，为该用户在以后的每次图像采集中提供参考。在保证关键点定位准确性的同时，最大限度地保证了用户友好性。同时减少了对准的难度和时间，提高了系统性能。

摘要：本发明提供一种移动互联网掌纹身份认证方法，分为注册和识别两个阶段。在注册阶段，通过智能移动设备自带的摄像头获取待注册用户的掌纹图像，并通过网络上传到服务器，服务器端经过手掌定位与感兴趣区域提取、掌纹特征提取等一系列算法，将该用户的信息存储于数据库中。在认证阶段，通过智能移动设备自带的摄像头获取用户的掌纹图像，并上传到服务器，服务器端通过同样的算法得到待认证用户的掌纹特征，与数据库中存储的掌纹特征进行匹配，进而判断该用户是否为已注册用户。本方法既摆脱了传统掌纹识别不便携的缺点，又不受智能移动设备硬件性能的限制，同时由于算法的核心部署在服务器上，增强了系统的安全性，大大扩展了掌纹识别的应用领域。

摘要：本发明公开了一种基于人体生物特征的云考勤方法，不仅利用了人体生物特征识别技术，避免了传统的基于标识物方式的易丢失、易造假等缺点，而且还采用了云技术，解决了目前工作流动性较强、工作场所范围大等场合下的考勤系统存在的问题。本发明将基于人体生物特征的考勤和远程考勤结合起来，实现了一种基于人体生物特征的云考勤方法。本发明充分利用了这两种技术的优势，在不便于集中考勤的情况下，用户可以在工作场所范围内通过自己的人体生物特征完成签到和签退。本发明利用普通计算机或智能移动设备自带的传感器来采集相关的人体生物特征，通过安装软件来实现考勤，且使用统一的云考勤服务器，无需另外添设硬件设备，降低了成本。

摘要：本发明公开了一种基于循环回归网络的快速目标跟踪方法，所述方法包括如下步骤：步骤一、使用ResNet50网络作为回归网络的基本网络；步骤二、在训练完回归网络之后，在其基础上引入LSTM网络形成最终的循环回归网络来捕捉目标在跟踪过程中出现的各种外观变化；步骤三、使用Smooth‑L1损失函数对循环回归网络进行训练。本发明整个过程利用一个神经网络进行目标跟踪，运用深层监督在不同尺度的特征上回归目标框坐标，并使用长短时记忆网络来捕捉目标在跟踪过程中出现的各种外观变化。较现有的目标跟踪方法，在不需要进行在线更新的情况下，就能较为准确的定位目标，具有良好的鲁棒性。

摘要：本发明公开了一种基于金字塔特征注意的图像显著性检测方法，所述方法针对深度卷积神经网络的不同层次特征，使用多种注意力机制，获取更加有效的图像显著性特征。本发明的方法可以很好的进行显著性目标检测，并在多个数据库上取得了最好的结果。本发明整个过程利用一个神经网络进行图像显著性检测，运用注意力机制获取有效的多尺度多层次信息，并使用特别的边缘保持损失函数监督显著性边缘部分的生成。较现有的图像显著性检测方法，在不需要后处理的情况下，显著性图像边缘清晰，具有良好的鲁棒性。

摘要：本发明公开了一种基于级联的上下文感知框架的目标跟踪方法，所述方法提出了一个基于两个网络的级联的上下文感知框架，其包括两个子网络：一个基于图像的上下文感知网络ICANet和一个基于图像块的上下文感知网络PCANet。该框架渐近地建模了各种目标与其上下文信息之间的各种变化。第一个网络关注的是目标与其上下文之间最具判别力的信息以及目标粗略的结构，第二个网络关注的是目标自身的细致的结构信息。根据这两个网络的输出—最终的上下文感知图，可以灵活地生成目标的定位框，有效地区分目标与其周围干扰物等背景信息。本发明所获得的FCA map能够灵活地嵌入到多种跟踪框架中。

摘要：本发明公开了一种基于特征分离和重建的跨模态检索方法，所述方法包括如下步骤：步骤一、获得视觉表示；步骤二、将单词序列转化为文本表示；步骤三、通过视觉和文本多层感知器进行线性变换，分别得到视觉空间和文本空间的特征向量；步骤四、将不同模态空间的特征向量分解为模态信息、语义信息、特定信息三部分；步骤五、利用特征分离模块将模态信息、语义信息和特定信息从视觉/文本表示中分离出来，得到视觉表示和文本表示的模态信息、语义信息和特定信息；步骤六、结合图像三种不同的信息进行图像重建；步骤七、对文本三种不同的信息进行文本重建。本发明的方法可以很好地进行跨模态检索，并在多个数据库上取得了具有竞争力的结果。

摘要：本发明公开了一种基于知识蒸馏的多出口全卷积网络的目标跟踪方法，所述方法包括如下步骤：步骤一、构建基于知识蒸馏的多出口全卷积网络；步骤二、基于知识蒸馏的多出口训练。本发明提出了一种基于知识蒸馏的多出口全卷积结构用于基于分类的跟踪，凭借知识蒸馏的优势，鼓励前序出口模仿学习后续出口的概率输出，从而提高前序出口的判别能力。本发明通过利用多个RoIAlign层来提取不同尺度的区域特征，并在每个出口融合以上区域特征来提高判别能力。本发明使用不同种类的注意力模块来捕获不同的目标特定信息，提高了目标与背景及其干扰物区分能力。本发明在取得更高的跟踪精度的同时，还拥有相对较快的处理速度。

摘要：本发明公开了一种基于胶囊网络和自然语言查询的目标跟踪方法，所述方法包括如下步骤：一、给定当前帧的搜索区域和相应的文本查询，将搜索区域送入视觉编码器提取视觉的特征表示，将文本查询送入文本编码器提取文本的特征表示；二、利用视觉编码器提取的视觉的特征表示构建视觉胶囊，利用文本编码器提取的文本的特征表示构建文本胶囊，在视觉胶囊和文本胶囊的基础上设计视觉‑文本路由模块和文本‑视觉路由模块；三、将视觉‑文本路由模块和文本‑视觉路由模块的输出进行串联并通过解码器生成目标的响应图。本发明在仅利用自然语言进行初始化跟踪器，就能接近其它方法，同时利用自然语言查询和初始边界框进行初始化的结果，具有良好的鲁棒性。

摘要：本发明公开了一种基于调制器的自适应回归跟踪方法，所述方法包括如下步骤：步骤一、设计基于注意力的时空上下文网络，生成与时空上下文对应的仿射参数；步骤二、设计轨迹网络，产生与轨迹对应的仿射参数；步骤三、将步骤一和步骤二产生的两种参数融入到通用回归网络的各层参数中，自适应地调整通用回归网络的参数，使其对特定目标具有较高的响应。相比于现有技术，本发明具有如下优点：模型在跟踪过程中不需要效率低下的微调过程；上下文预测网络对过去帧中相关的重要时空背景进行编码，有助于从背景中区分目标；轨迹为当前帧中目标的定位提供了必要的先验知识。