基于有监督的核局部线性嵌入的人脸性别识别

流形学习方法可以有效地发现存在于高维图像空间的低维子流形并进行维数约简,但它是一种非监督学习方法,其鉴别能力反而不如传统的维数约简方法,而且流形学习方法大多没有明晰的投影矩阵,很难直接对新样本进行维数约简.针对这两个问题,提出一种新的有监督的核局部线性嵌入算法(SKLLE,supervised kernel local linear embedding).该算法通过非线性核映射将人脸样本投影到高维核特征空间,然后将人脸局部流形的结构信息和样本的类别信息进行有效地结合进行维数约简,提取低维鉴别流形特征用于分类.SKLLE算法不仅能发现嵌入于高维人脸图像的低维子流形,而且增强了局部类间的联系,同时对新样本有较好的泛化性,实验结果表明该算法能有效的提高人脸性别识别的性能.     

基于一种改进的监督流形学习算法的语音情感识别

为了有效提高语音情感识别的性能,需要对嵌入在高维声学特征空间的非线性流形上的语音特征数据作非线性降维处理。监督局部线性嵌入(SLLE)是一种典型的用于非线性降维的监督流形学习算法。该文针对SLLE存在的缺陷,提出一种能够增强低维嵌入数据的判别力,具备最优泛化能力的改进SLLE算法。利用该算法对包含韵律和音质特征的48维语音情感特征数据进行非线性降维,提取低维嵌入判别特征用于生气、高兴、悲伤和中性4类情感的识别。在自然情感语音数据库的实验结果表明,该算法仅利用较少的9维嵌入特征就取得了90.78%的最高正确识别率,比SLLE提高了15.65%。可见,该算法用于语音情感特征数据的非线性降维,可以较好地改善语音情感识别结果。     

一种基于流形学习的手写体数字识别

针对手写字符识别中由于书写习惯和风格不同造成字符模式不稳定的问题，提出了一种基于流形学习的手写体数字识别方法。算法首先利用局部线性嵌入（LLE）对手写体数字图像进行字符特征的降维，然后再对降维后的特征进行分类识别。通过对MINST库中手写体数字数据库上的实验结果表明，利用LLE降维后的特征能够有效地区分字符，识别率达到91．7％，并能够发现高维空间的低维嵌入流形。     

面向高光谱图像分类的半监督Laplace鉴别嵌入

为有效提取出高光谱遥感图像数据的鉴别特征,该文阐述一种融合标记样本中鉴别信息和无标记样本中局部结构信息的半监督Laplace鉴别嵌入(SSLDE)算法。该算法利用标记样本的类别信息来保持样本集的可分性,并通过构建标记样本和无标记样本的Laplace矩阵来发现样本集中局部流形结构,实现半监督的流形鉴别。在KSC 和Urban数据集上的实验结果说明:该算法具有更高的分类精度,可以有效地提取出鉴别特征信息。在总体分类精度上,该算法比半监督最大边界准则(SSMMC)算法提升了6.3%~7.4%,比半监督流形保持嵌入(SSSMPE)算法提升了1.6%~4.4%。     

基于非线性流形学习的ISAR目标识别研究

详细分析了逆合成孔径雷达（Inverse Synthetic Aperture Radar, ISAR）二维像的非线性流形结构特点,指出ISAR二维像可以看作是由位置、姿态和尺度等内在参数共同作用而张成的一个在高维图像空间中的非线性流形。在此基础上,论文将非线性流形学习的思想引入到ISAR目标识别领域,提出了一种基于局部保持投影（Locality Preserving Projections, LPP）算法和k近邻分类器的ISAR二维像特征提取和目标识别方法。该方法首先利用LPP算法对维数较高的ISAR二维像进行降维,然后采用具有拒识功能的k近邻分类器对四类飞机目标进行了分类识别。仿真实验结果表明,LPP算法能够发现嵌入在高维ISAR图像空间中的低维非线性流形,并且能够利用LPP算法降维后的特征获得较高的识别率。     

应用于人脸识别的监督局部邻域保持嵌入算法

提出了一种应用于人脸识别的监督线性维数约简 算法。首先引入图像距离度量方法以确定人脸数据 之间的相似程度,之后将训练样本的类标先验信息融入到邻域保持嵌入(NPE,neighborhood preserving embedding)算法的目标函 数中,使得降维后的嵌入空间的投影数据呈多流形分布,不仅最优保持了样本空间的局部几 何结构,同时各类样本 投影的类内散度最小化,类间散度最大化,增大了各类数据分布之间的间隔,提高了嵌入空 间的辨别能力。在Extended Yale B和CMU PIE两个开放人脸数据库上进行了识别实验,结果表明,本文算法取得了很好 的识别效果。     

基于双谱LLE降维的PUE攻击检测

针对认知无线电中的主用户仿冒攻击检测问题,给出了基于矩形积分双谱的局部线性嵌入降维算法,用于识别主用户(PU)和仿冒用户(SU)。选择矩形积分双谱作为识别特征参数,利用局部线性嵌入算法(LLE)进行特征数据约简,通过基于核函数的支持矢量机(SVM)进行个体识别。实验结果表明,该方法具有较高的识别率,并能够较好解决PUE攻击检测问题。     

基于KLLE和KNR的雷达目标一维像识别

局部线性嵌入(LLE)是一种有代表性的流形学习算法,利用核技术将LLE进行推广,得到核局部线性嵌入算法,并将其应用于雷达目标一维距离像的特征提取。然后采用一种基于核的非线性分类器,对所提取的特征进行分类。对3种飞机的实测数据进行识别实验,结果表明,该方法具有较优的识别性能。     

基于光谱梯度角的高光谱影像流形学习降维法

为了挖掘高光谱数据的光谱局部特征,从高光谱遥感数据内在的非线性结构出发,提出了一种基于光谱梯度角的高光谱影像流形学习降维方法。采用局部化流形学习算法局部保持投影（LPP）对高光谱遥感数据进行非线性降维,对距离度量进行改进,将能够更好刻画高光谱影像光谱局部特征的光谱梯度角相似性度量应用于LPP方法,并用真实高光谱图像进行降维实验,取得了优于LPP方法和采用光谱角的LPP方法的结果。结果表明,在光谱规范化特征值方面,所提方法优于LPP方法和采用光谱角的LPP方法;在信息量的保持方面,具有更好的局部细节信息保持量。采用光谱梯度角的流形学习方法用于高光谱影像降维能取得较好的降维效果。     

基于扩展LLE方法的非线性系统故障诊断研究

针对非线性系统故障诊断难以解决的问题,提出了一种基于扩展局部线性嵌入映射(Locally Linear Embedding,LLE)的故障诊断方法.通过引入切空间距离代替欧氏距离,可以更加科学的满足算法近邻点局部线性的要求,从而可以更好的保留原始数据的局部流形特征.另外,将故障状态与高维空间分布结合起来,通过确定数据点在空间超球内的分布完成故障的检测,在这个过程中将超球的确定与LLE算法中基于核函数的样本外数据扩展相结合,减少了计算量,提高了算法的实时性,从而为复杂非线性系统的故障诊断提供了一种新的有效的方法.     

基于时空LBP加权社会力模型的人群异常检测

针对基于传统社会力模型的人群异常行为检测算法忽视了场景中各个区域信息差异性的问题,考虑到时空LBP序列谱特征的计算简单性和区域代表性,提出了一种基于时空LBP加权社会力模型的人群异常行为检测算法,将时空LBP序列谱特征所包含的时域特性和区域信息融入社会力模型,使得社会力模型更为精确地对人群行为进行建模。实验证明,与传统算法相比,改进后的算法在异常行为的查准率与查全率上有很大的提高。     

Adaptive Crowd Segmentation Based on Coherent Motion Detection

In order to obtain effective crowd relationships for crowd behavior analysis, an adaptive crowd segmentation method based on coherent motion detection is proposed. This method can improve the accuracy of segmentation results and be adaptively applied to various collective scenes that have different distributions at different scales. Firstly, an orientation clustering algorithm and a spatial joint strategy are proposed to preliminarily profile all agents into several partitions with different motion orientations. Then, the Natural Nearest Neighbor algorithm is introduced to construct the adaptive crowd motion networks combining with the profiling results, which can describe the neighborhood relationships of agents with stronger coherence. Finally, the improved Coherent Neighbor Invariance optimized by fusing motion information of neighbors is proposed to segment crowds with coherent motions from the crowd motion networks. The experiment results on videos depicting real-world crowd scenes indicate that the proposed method is effective and adaptive to various scenes.     

基于改进SSD的人群异常行为检测算法研究

针对人群异常行为检测任务中存在的算法复杂度较高,重叠遮挡等带来的检测精度低等问题,本文提出一种基于改进SSD（Single Shot Multi-box Detector）的人群异常行为检测算法。首先采用轻量级网络MobileNet v2代替原始特征提取网络VGG-16,并通过可变形卷积模块构建卷积层来增强感受野,然后通过将位置信息整合到通道注意力中来进行特征增强,能够捕获空间位置之间的远程依赖关系,从而可以较好处理重叠遮挡问题。实验结果表明,本文提出的算法对人群异常行为具有较好的检测效果。     

融合LBP与GLCM的人群密度分类算法

针对中高密度人群图像检测分类对公共安全的重要性,提出融合局部二值模式LBP与灰度共生矩阵GLCM特征提取的人群密度分类方法。首先用旋转不变的LBP算子进行滤波,得到LBP图像,然后提取滤波后图像的GLCM特征,这样既可以避免LBP算子特征降维带来的损失,又能充分利用LBP和GLCM纹理特征提取的有效性,最后采用有向无环图支持向量机DAGSVM进行密度分类。在Pets2009基准数据库中的实验结果显示该算法具有较高的准确率。     

Passive indoor human daily behavior detection method based on channel state information

The daily behavior detection of indoor human based on CSI is developing rapidly in the field of WSN.At present,most of the research is still in the environment of 2.4 GHz,so the detection rate,robustness and overall performance still need to be improved.In order to solve this problem,a passive indoor human behavior detection method HDFi (Human Detection with Wi-Fi) based on CSI signal was proposed.The method was used to detect the indoor human daily behavior in a 5 GHz band environment,which was divided into three steps:data acquisition,data processing,feature extraction,online detection.Firstly,the experiment collected typical daily behavioral data in complex laboratory and relatively empty meeting room.Secondly,the amplitude and phase data with more obvious features were extracted and processed by low-pass filtering to obtain a set of stable and noise-free data,and then the fingerprint database was established effectively.Finally,in the real-time detection stage,the collected data features were classified by SVM algorithm to extract more stable eigenvalues,and a classification model of indoor human daily behavior detection was established,and then matched the data in the fingerprint database.The experimental results show that the proposed method has the characteristics of high efficiency,high precision and good robustness,and the method does not need any testing personnel to carry any electronic equipment,so it has high practicability.     

结合光流法与信息熵的人群状态分析

随着近年来危害公共安全的群体性事件频繁发生,对人群场景下的人群状态分析与异常行为检测成为计算机视觉领域研究的热点问题。目前提出的诸如纯光流法,社会力模型,时空运动模型等算法,在检测准确率方面已能满足需求,但是算法复杂度普遍较高,运算量较大,在实际应用中难以保证实时性。鉴于此,首先,引入了人群移动区域面积的概念并定义了人群状态指数,来描述人群状态的变化,通过光流法获得人群运动矢量场,基于人群运动矢量场定义了人群运动强度指数来描述人群运动强度,基于人群运动矢量场与信息熵定义了人群混乱指数来描述人群运动方向的混乱程度。其次,基于降低算法运算量的考虑,根据上面提到的三个描述人群运动状态的特征变量设计了一种分层处理的人群异常行为检测方案,实验结果证明方案具有很好的效果。      

采用CP-GMM模型的实时人群异常检测

针对人群异常检测中出现的检测速度慢、检测精度低的问题,提出一种新的人群参数混合高斯模型(CP-GMM)算法来对人群参数进行建模分析,并通过筛选出小概率特征来检测人群监控视频中发生的异常现象.算法立足于人群中显著点,通过统计分析人群中显著点的特征来提取人群特征,并使用参数分析模型对感兴趣区域内速度大小、方向等参数进行异常...     

空谱结构保持的高光谱图像分类

高光谱遥感图像具有特征（波段）数多、冗余度高等特点,因此特征选择成为高光谱分类的研究热点。针对此问题,提出了空间结构与光谱结构同时保持的高光谱数据分类算法。考虑高光谱图像的物理特性,首先对图像进行加权空谱重构,使图像的空间结构信息自动融入光谱特征,形成空谱特征集;对利用最小二乘回归模型保存数据集的全局相似性结构的基础上,加入局部流形结构正则项,使挑选的特征子集更好地保存数据集的内在本质结构;讨论了窗口大小和正则参数对分类精度的影响。对Indian Pines、PaviaU和Salinas数据集的实验表明,该算法得到的特征子集的总体分类精度达到93.22%、96.01%和95.90%。该算法不仅充分利用了高光谱图像的空间结构信息,而且深入挖掘了数据集的内在本质结构,从而得到更有鉴别性的特征子集,相比传统方法明显提高了分类精度。     

基于互信息纠正的人群运动特征提取方法

针对光流法在估计人群运动速度时对噪声敏感的问题,提出一种基于互信息(Mutual Information,MI)纠正的人群运动特征提取方法。以稠密光流场为数据空间,在局部可重叠区域内计算各个速度向量与区域速度期望之间的无参数测度MI,通过直方图统计出MI偏小的速度向量,然后将这些向量向区域速度期望向量做出纠正处理,直至MI符合预设条件为止。实验表明,经MI纠正后可得到光滑的速度场,为后续分析人群行为提供增强的人群运动特征。