基于多流架构与长短时记忆网络的组群行为识别方法研究

提出一种基于多流架构与长短时记忆网络的上下文建模框架,旨在克服组群行为识别的两个难点,其一对复杂场景中多视觉线索进行信息融合;其二对情景人物进行建模,以获得长视频上下文关系.并且,对基于全局信息和基于局部信息的识别结果进行决策融合,判定最终组群行为属性.该算法在CAD1和CAD2上分别取得93.2%和95.7%平均识别率.     

基于伪3D残差网络与交互关系建模的群组行为识别方法

针对复杂场景下群组行为特征的多样性以及交互关系难以建模的问题,提出一种全新的分层网络架构.第一层网络,利用伪3D残差网络与图卷积网络相结合捕获交互关系特征;第二层网络,利用伪3D残差网络捕获群组全局场景时空特征.根据上述特征之间的互补作用对它们的群组行为决策输出,提出一种权重自适应调整决策融合算法,对上面两层网络的群组行为类别自适应计算重要性权重,实现决策融合.该方法在CAD和CAE上分别取得了91.4%和97.9%的平均识别精度.     

基于机器视觉的石化场景人员危险行为识别

针对石油化工场景下传统的人体行为识别算法只关注人员自身行为,无法识别打手机、抽烟等属于人-物交互危险行为的问题,在基于骨骼点的人体行为识别任务中引入目标检测机制,提出基于深度学习的人-物交互行为识别算法.首先,采用OpenPose算法进行姿态估计,进而利用行为识别方法获取初始行为类别;其次,针对传统方法丢失背景和语义信息的问题,使用YOLOv3算法检测感兴趣物体,获得类别和位置信息;然后,通过判断人与物体的空间位置关系来表征人-物交互关系;最后,提出决策融合策略,对人的初始行为类别、物体信息、人-物交互关系进行决策融合,得到最终的行为识别结果.以打手机和抽烟行为为例对所提算法进行验证分析,结果表明,所提算法可以对石化场景下人员的危险行为进行准确识别.     

无人机“蜂群”的蜂拥涌现行为识别与抑制机理

为了抵消无人机"蜂群"所具有的非对称作战优势，从反控制其协同飞行的角度出发，将"蜂群"描述为具有涌现性特征的复杂系统，剖析无人机"蜂群"蜂拥涌现行为的产生机理，首次建立基于f-散度的"蜂群"涌现性度量模型.根据蜂拥控制算法所遵循的启发式规则提出"蜂群"蜂拥涌现行为的抑制机理，首次建立了干扰条件下蜂拥控制的失效判别模型.通过仿真实验，分析和讨论了干扰强度、干扰时机对抑制"蜂群"蜂拥涌现行为的影响.     

智融标识网络基础研究

现有互联网因其原始设计不足已在服务质量、资源利用率、管控能力等诸多方面暴露出严重弊端，难以支撑起"互联网+"新业态高速发展对通信网络与服务日趋复杂化、多元化的需求.因此，如何设计全新的互联网已成为信息领域最为迫切与核心的研究内容之一，受到学术界与产业界的高度重视.本文基于前期"标识网络"与"智慧标识网络"研究，创造性提出"智融标识网络"体系及其关键机制，通过全网多空间、多维度资源的智慧融合，实现个性化服务的按需供给与灵活化组网的有效支撑，为不同行业与用户提供高效的差异化、定制化通信网络服务，以普遍适用于高铁网络、工业互联网、车联网等各类迥异应用情景.     

基于场景相似性和光流的人群异常检测方法

针对视频中人群异常行为检测问题,提出一种基于场景相似性和光流的人群异常行为检测方法。该方法分别使用卷积网络和光流提取视频中人群的外观特征和运动特征。在外观特征方面,使用感知哈希算法得到场景相似性异常值;在运动特征方面,改进Shi-Tomasi特征提取算法,并利用局部光流法提取运动特征异常值。文中将两种特征的异常值融合作为异常行为的判定依据。在异常行为建模方面,使用单分类SVM对异常值进行建模。在UMN基准数据集上进行对比试验,文中提出的融合方法取得了较好的检测效果,AUC值能够达到0.91。     

多通道时空融合网络双人交互行为识别

提出一种基于多通道时空融合网络的双人交互行为识别方法,对双人骨架序列行为进行识别。首先,采用视角不变性特征提取方法提取双人骨架特征,然后,设计两层级联的时空融合网络模型,第一层基于一维卷积神经网络（1DCNN）和双向长短时记忆网络（BiLSTM）学习空间特征,第二层基于长短时记忆网络(LSTM)学习时间特征,得到双人骨架的时空融合特征。最后,采用多通道时空融合网络分别学习多组双人骨架特征得到多通道融合特征,利用融合特征识别交互行为,各通道之间权值共享。将文中算法应用于NTU-RGBD人体交互行为骨架库,双人交叉对象实验准确率可达96.42%,交叉视角实验准确率可达97.46%。文中方法与该领域的典型方法相比,在双人交互行为识别中表现出更好的性能。     

面向方面动态行为建模研究

静态模型和动态模型从不同角度反映了系统的结构与行为.横切关注点的静态模型反映了系统的静态结构,为进一步开发提供了静态视图;动态模型则描述了系统结构元素的动态特性及行为,描绘了参与用例的所有对象之问的交互,通过对象间交互实现系统的功能.由于面向对象系统的动态建模通常由UML交互图表示,所以本文在UML交互图基础上,建立面向方面横切关注点的动态模型.     

基于特征的行为建模技术在天线结构设计中的应用

基于特征的参数化造型技术使用参数约束模型的结构尺寸，行为建模技术通过在设计过程中定义行为特征，并使用行为特征参数驱动参数模型，使模型具有行为智能，从而自动建立设计，实现设计过程的目标驱动。行为建模包括定义行为特征，评估模型的可行性、灵敏性或优化程度，以及设计研究等内容。使用行为建模技术可以很好地解决天线结构设计中反射角、平衡等诸多问题。     

基于稠密轨迹特征的红外人体行为识别

提出了一种使用基于稠密轨迹(DT)融合特征的红外人体行为识别(HAR)方法。主要流程如下:1)通过稠密采样获得输入行为视频的DT;2)计算DT的方向梯度直方图(HOG)、光流直方图(HOF)和运动边界描述子(MBH)3个描述子;3)基于DT的HOG、HOF和MBH,并采取词袋库模型和一定的融合策略,构建融合特征;4)以第3步所构建的融合特征为k近邻分类器(k-NN)的输入,完成人体HAR。实验以IADB红外行为库为研究对象,正确识别率达到96.7%。结果表明,提出的特征融合及识别方法能有效地对红外人体行为进行识别。     

中文语音情感常用特征识别性能分析

语音情感识别对于实现人机交互具有重要的应用价值.语音情感识别中,情感特征的选取与组合对于情感识别的准确率影响巨大.已有研究中,情感特征对识别率的贡献停留在定性分析中,未有定量的描述,不利于情感识别中特征的选择.本文针对中文语音情感识别中的常用特征进行定量分析,通过不同的情感特征进行组合,采用支持向量机进行分类,得到各情感特征对识别的贡献率.实验结果表明,单个特征中,梅尔倒谱系数贡献率最高,达到了78%;特征组合中,特征越多对识别率贡献越大.     

A WEIGHTED FEATURE REDUCTION METHOD FOR POWER SPECTRA OF RADAR HRRPS

Feature reduction is a key process in pattern recognition. This paper deals with the feature reduction methods for a time-shift invariant feature, power spectrum, in Radar Automatic Target Recognition （RATR） using High-Resolution Range Profiles （HRRPs）. Several existing feature reduction methods in pattern recognition are analyzed, and a weighted feature reduction method based on Fisher＇s Discriminant Ratio （FDR） is proposed in this paper. According to the characteristics of radar HRRP target recognition, this proposed method searches the optimal weight vector for power spectra of HRRPs by means of an iterative algorithm, and thus reduces feature dimensionality. Compared with the method of using raw power spectra and some existing feature reduction methods, the weighted feature reduction method can not only reduce feature dimen- sionality, but also improve recognition performance with low computation complexity. In the recognition experiments based on measured data, the proposed method is robust to different test data and achieves good recognition results.     

基于外形特征与运动特征的人体行为提取方法

针对传统外形特征表征方法描述行为动作能力有限和运动特征表征方法难以准确、稳定地捕捉目标运动特性等问题。提出运用人体外形特征和运动特征相结合的方法提取人体行为关键特征,利用谱聚类算法对特征进行降维,降低了数据维数,获得了最优的特征表征。仿真实验表明,该方法降低了样本维数,减少了数据冗余,并提高了训练精度,且保证了行为识别率。     

从单幅图像恢复立体景象的新方法

在研究单幅平面图像内在特性的基础上,提出了一种恢复立体视觉景象建模的新方法。对图像进行智能识别处理,可以求得许多线段的特征参数,并由此计算出消隐点和消隐线,从而可自动获得场景的立体结构信息。本算法的特点在于用一个代数表达式统一了三种典型的度量方法,无需传统的相机内校正参数,直接可计算出建模用立体信息。建模结果用VRML格式保存、输出,以便于网上浏览。众多的图像验证了该方法的有效性、适用性。     

一种孤立词语音识别的实现方法及改进

通过对特征提取模块2个重要部分：端点检测和线性预测倒谱（LPCC）相关原理的介绍分析,阐述了一种以线性预测倒谱（LPCC）为基础,进行特征提取的孤立词语音识别的具体实现方法,并对该方法所描述的系统进行了软件建模。通过分析研究,给出了提高识别率的具体改进方案。最后使用Matlab软件对相关方法及结论进行了验证,表明该方法确实在传统方法的基础上提高了识别率,且速度较快,具有实用性和良好的硬件可移植性,并讨论了它在一些关键环节的未来实现及改进方向。     

基于稀疏约束的SAR目标特征提取方法研究

特征提取是合成孔径雷达目标识别关键技术与核心任务。为了更好地提取目标特征,稀疏约束将被添加在非负矩阵分解法中,并应用于图像目标特征提取,通过利用稀疏约束的非负矩阵分解方法对sAR目标图像进行分解,构建具有稀疏性的目标特征矢量,提高了特征矢量的类内相似性与类间差异性。利用基于支持向量机的分类方法对MSTAR数据进行目标识别试验,试验结果表明,添加稀疏约束的NMF方法与PCA、ICA以及一般NMF特征提取方法相比,能够显著提高目标识别的稳定性和准确率。