基于自适应混合模型和区域特征的多目标跟踪与检测

文章提出了一种基于自适应混合模型和区域特征的多目标跟踪与检测算法。背景分割算法采用高斯混合模型描述每一被观察像素的近期色彩历史，建立自适应背景模型，然后根据背景模型匹配原则决定当前帧中每一像素的类别。在分割结果基础上，以区域特征值之间的欧几里德距离平方作为匹配尺度，将当前图像帧中每一被检测出的区域与历史记录表中的区域相匹配。跟踪过程中，采用卡尔曼滤波器对被检测出的运动区域进行运动参数估计和预测。实验结果表明，这种方法是可行的且鲁棒的。     

针对视频序列分类的快速抠像技术

针对视频序列分类的问题提出了一种快速抠像技术.根据视频序列间的相关度进行关键帧的区分,得到关键帧、序列间变化细微的非关键帧、序列间变化较大的非关键帧;对于关键帧,采用闭合式的抠像方法来进行处理,获得透明度值、前景像素值和背景像素值;对于变化细微的非关键帧,提出了一种基于帧间连续性的透明度值估计和优化方法;对于变化较大的非关键帧,提出了一种基于特征流传递的机制来传递关键帧的有效信息.实验结果表明,最终在获得与传统方法相比可接受的抠像效果条件下,这种快速抠像技术缩短了处理时间.     

一种基于纹理和颜色置信融合的运动目标检测方法

针对运动目标检测中单特征背景模型存在的局限性,如基于颜色特征的背景模型对光照和阴影敏感,基于纹理特征的背景模型易产生空洞,提出了一种以置信度融合RGB颜色特征和SILTP(Scale Invariant Local Ternary Pattern)纹理特征的运动目标检测方法。以像素点SILTP纹理信息值和RGB颜色信息值及他们各自的置信度构建背景模型。分别计算当前像素点与背景模型的纹理差异度和颜色差异度,通过置信度融合的方法计算当前像素与背景模型的总体差异度,以达到更好的融合效果。采用ViBe算法的更新策略更新背景模型。通过前景像素点8邻域内的背景像素点的统计方法去噪点。wallflower和Data2014数据集上的实验结果表明,所提出的融合方法能有效抑制阴影,对光照有良好的鲁棒性,在复杂动态背景下能取得良好的效果。     

基于改进高斯混合模型的前景检测

针对自适应混合高斯背景模型执行速度慢、检测前景时容易产生“鬼影”等问题,提出一种改进的混合高斯背景建模方法。该方法通过对高斯分布权值和生存时间的限制,建立高斯分布退出机制,使模型能根据场景自适应选择每个像素的高斯分布个数,从而去除多余高斯分布,加快算法执行速度。在模型更新过程中,通过融入帧间差分,将每帧图像分成运动像素、背景像素及非真实运动像素,并通过对非真实运动像素赋予较大学习率来加速移出背景的恢复,从而避免“鬼影”和拖影现象。实验结果表明,与传统检测方法相比,该方法可以获得更好的目标检测效果。     

基于贝叶斯框架的目标分割方法研究

运动目标的检测与分割是视频监控系统的基础,所分割出的目标的完整性对视频的后续处理如目标分类、跟踪及行为理解产生重要影响。实际场景通常很复杂包括静态的背景和动态的背景及运动目标。该文提出了基于贝叶斯框架的目标检测方法。首先求相邻两帧之差,通过自适应阈值把帧差图二值化为变化部分和静止部分。每个像素维护两个表分别对应静止和运运两种状态,表中表项记录像素最近最重要的概率信息,检索这些概率代入贝叶斯公式,求出当前帧像素点的最大后验概率,根据贝叶斯分类原则,对当前帧的像素进行分类。最后,对室内、室外拍摄的两个视频做实验进行验证,实验表明该方法在较复杂环境下,也具有较好的目标检测能力。     

适应光照突变的运动目标检测算法

针对光照突然变化条件下的运动目标检测存在的问题,提出一种基于局部二值模式(LBP)的背景建模算法.首先分别计算背景帧和当前帧的LBP纹理特征图,然后将其对应像素进行异或运算,得到的当前像素作为前景的概率,并根据该概率自适应地更新背景,可以使其很快接近真实背景,再用背景减除法得到目标.实验结果表明,文中算法能有效地处理光照的突然变化,背景更新速度快,检测出的目标接近真实目标.     

视频序列中的运动目标检测

针对室内安全监控的场景特点,提出一种稳健的运动目标检测方法,对每个背景像素使用多个矢量表示,利用当前帧和背景帧像素的色度分量差分进行运动检测,并选择性地更新背景模型.实验表明,该方法能有效消除背景中振动对象的干扰,提高运动目标检测的准确性,有利于消除由于虚假目标而导致的误报警.     

快速鲁棒的交通标志检测方法

如何从实景中有效地提取出交通标志是交通标志识别系统的关键,在分析中国道路限速交通标志的颜色和几何形状两种先验特征的基础上,以一种新的颜色滤波方法为基础,获得红色像素在Lab颜色空间中聚类范围的椭圆模型,提取出图像中的红色区域,得到二值化图像,然后采用基于梯度信息的Hough变换圆检测方法获得二值化图像中的圆和椭圆区域,从而实现一种将交通标志先验特征与机器学习算法相融合的智能检测方法。     

动态阈值的Vibe运动目标检测

Vibe算法是一种高效的像素级背景建模算法,但是它同混合高斯模型一样,不能适应光线突变的问题,在对Vibe算法的基础上提出了一种在静态场景下对光照变化鲁棒的运动目标检测方法。该方法首先利用Vibe模型建立背景样本集,并利用Vibe模型对判别为背景的像素对背景帧进行更新。其次视频当前图像帧与背景帧差分,并采用Otsu算法计算图像的分割阈值来检测运动目标。实验结果表明,改进的方法能够很好地消除由于环境光照变化引起的“曝光”现象,提高了运动目标检测的精确度,并且改进的算法对室内场景下的阴影也有较好的抑制作用。     

基于可变模型的目标实时跟踪

为了在图像序列中实现目标的快速定位和实时跟踪,该文提出了一种基于可变模型的快速目标跟踪算法,在已知模型条件下,利用区域模型相关匹配的思想对目标模型进行实时更新,充分利用目标莲续运动过程中目标形状在两个连续帧中变化不大、相邻两帧中目标的速度和位移变化不大的特点,以当前帧目标模型作为下一帧的先验模型;综合运用模型梯度信息、运动信息和模型区域特征匹配的方法来跟踪目标。由于算法综合考虑了目标模型的区域信息和轮廓信息,因此对背景干扰不太敏感。在头部跟踪实验过程中,该文算法跟踪移动目标的实时性和准确性比较好,抗干扰能力较强,基本上可以满足鲁棒性和快速性的要求。     

位置信息记录中基于期望最大化的名称消重算法

在包含位置信息的签到记录中,每条记录仅包含名称和位置(经纬度)两个属性。传统的名称消重算法通过匹配实体的属性值或者计算实体间的名称相似性进行消重,忽略了位置信息的特殊性。为了提高位置信息记录中名称消重的质量,提出了一种基于期望最大化的位置名称消重算法。首先,提出了一种包含核心单词和背景单词的文本名称模型,并给出了计算模型参数值的期望最大化算法。其次,在文本名称模型中引入位置信息,将整个地图划分为若干个网格,分别计算每个网格中核心单词和背景单词的分布情况,并提出了一种考虑位置的文本名称模型。最后,将位置文本名称模型用于位置信息记录中的名称消重,并给出了相应的名称消重算法。实验表明, 与传统的名称消重模型相比,提出的位置名称消重模型可以更好地识别出名称中包含的核心词汇,因而在名称消重时具有更好的性能。     

一种新的邮件过滤技术研究

为了改进已有邮件过滤算法的不足之处,提出一种新的邮件过滤算法。以往的大部分过滤算法采用的都是邮件属性精确匹配算法,并未使用模糊匹配思想,因此邮件的漏检率较高,并且发现未知邮件的效率较低。针对以往邮件过滤算法中漏检率比较高的不足之处,文中提出的邮件过滤算法的改进思路是：首先使用传统的黑白名单过滤技术对已知的邮件进行分类,那些是正常邮件,那些是垃圾邮件。在此基础之上使用相似性算法来计算未知邮件与已知邮件的相似度,从而达到对未知邮件分类目的,最后使用MMTD算法对的邮件相似度的好坏做出衡量,并且以此为邮件过滤提供有效的依据,经过以上的三个步骤之后,最后进行邮件的过滤。     

融合《知网》和搜索引擎的词汇语义相似度计算

针对当前《知网》的词语语义描述与人们对词汇的主观认知之间存在诸多不匹配的问题,在充分利用丰富的网络知识的背景下,提出了一种融合《知网》和搜索引擎的词汇语义相似度计算方法。首先,考虑了词语与词语义原之间的包含关系,利用改进的概念相似度计算方法得到初步的词语语义相似度结果;然后,利用基于搜索引擎的相关性双重检测算法和点互信息法得出进一步的语义相似度结果;最后,设计了拟合函数并利用批量梯度下降法学习权值参数,融合前两步的相似度计算结果。实验结果表明,与单纯的基于《知网》和基于搜索引擎的改进方法相比,融合方法的斯皮尔曼系数和皮尔逊系数均提升了5%,同时提升了具体词语义描述与人们对词汇的主观认知之间的匹配度,验证了将网络知识背景融入到概念相似度计算方法中能有效提高中文词汇语义相似度的计算性能。     

基于时域梯度相似度的视频质量评价模型

频质量评价有助于多媒体网络系统优化和视频编解码算法改进,近年来已成为图像质量评价领域的热门研究方向。在图像质量评价模型(FSIM)的基础上,结合视频局部多帧之间的时域相关性,通过采用新型的三维梯度算子计算原始视频序列与失真视频序列间的梯度相似度矩阵,提出了一种基于时域梯度相似度的视频质量评价模型(TGSM FSIM)。在LIVE视频数据上的测试结果表明,所提模型与视频主观评价有较好的一致性,SROCC与PLCC指标优于VSSIM和VQM两种广泛使用的视频质量评价算法。     

基于扩展接口语义的Web服务匹配模型研究

分析了Web服务组合的类型以及其中的接口匹配关系，通过对WSDL标准接口描述语言进行语义扩展，提出了一种轻量级的Web服务语义描述模型。该模型从服务接口的消息参数层、消息层和操作层分别扩展语义描述，将服务接口的描述从语法层提升到语义层，从而能够全方位地描述Web服务的功能、行为约束等属性。在此基础上，从这三个层次计算Web服务接口的语义匹配度，提出了多层次Web服务接口语义匹配模型。     

一种基于自适应混合模型的背景减除法

针对局部二进制相似度(LBSP)背景建模方法易受外界环境变化如动态背景、光照改变、相机抖动等干扰的问题,在融合像素纹理与亮度信息的基础上,建立一种自适应混合背景模型进行运动目标检测。首先,利用每个像素的多通道自适应局部二进制相似度(LBSP)信息和亮度信息建立混合背景模型。然后,根据当前像素与混合背景模型的比较结果对其进行分类,并采用随机更新机制更新背景模型。实验结果表明,本方法不仅在正常外界环境下取得了较好的检测结果,而且还可以有效地减少动态背景、光照变化等复杂外界环境条件造成的干扰,提高检测结果的准确性。     

基于非负矩阵分解与相似性分析的运动目标检测

提出一种结合修正的非负矩阵分解与向量相似性分析进行运动目标检测的方法。该方法首先使用修正后的非负矩阵分解算法从连续图像序列中恢复出背景图像，然后分析待检测帧像素点与恢复出来的背景模型之间的相似性，根据相似性的高低区分背景与前景。为了减少计算量，降低动态背景对检测结果的干扰，该方法在进行相似性分析之前，通过核密度估计的方法对运动区域进行估计。实验结果表明，该方法能够较为精确地恢复出背景图像，并有效地检测出运动目标。     

DDRLD：支持局部扩散的定向扩散算法*

在定向扩散协议中,中间节点以泛洪的机制向网络中的所有邻居节点转发接收到的兴趣报文,导致网络能源的浪费。为此,提出一种支持局部扩散的定向扩散算法DDRLD。它通过设置梯度扩散深度阈值,缩小了兴趣报文扩散的范围,降低了网络中传输的数据量;通过设置节点剩余能量门限值,增加了每个节点被选取为转发节点的概率,延长了节点的平均工作时间,改善了网络负载平衡。仿真结果表明DDRLD大大缩短了数据报文端到端的平均延迟,降低了网络功耗,增加了网络生存时间。     

非均匀有理B样条曲线优化匹配组合

目的 为了解决从曲线库(轮廓线集合)中筛选出与期望曲线相匹配的相似曲线段问题,研究基于Kabsch算法的NURBS(非均匀有理B样条)曲线优化匹配组合方法。方法 首先提出一种基于Kabsch算法的曲线相似性判断方法,针对两条NURBS曲线上相同个数点阵,经最优旋转和平移变换得到其最小均方根偏差,进而依据基于最小均方根偏差和相似度指标判断曲线相似性;在此基础上,提出一种类似二分查找法的曲线优化匹配组合方法,对于给定相似度和最小搜索步长,通过曲线分割和相似性判断得到期望曲线分割段数最少的相似组合曲线。结果 给定一条期望的3D曲线,在相似度为0.025和最小搜索步长为0.05情况下,采用所提方法从包含4条3D曲线的曲线库中依次筛选出10段基元构建相似组合曲线。结论 提出了一种新的NURBS曲线优化匹配组合方法,实验结果表明,对不同期望曲线能高效稳定构建相对应的相似组合曲线,适用于类似碎片拼接重构问题。     

基于模型和区域相关融合的鲁棒跟踪算法

提出了一种模型部分匹配的相似度量方法,利用匹配的完整度、归一化的匹配点相对于模型的偏移量期望和方差的加权和作为相似性度量。在此基础上建立模型匹配算法,利用模型匹配和区域相关融合的方法进行目标跟踪。算法能够在摄像机静止和运动的情况下进行稳定的跟踪,能够适应目标的部分遮挡、光照和姿态的变化。利用参数化的模型能够在复杂的背景环境中实现实时的多目标跟踪。