基于动态距离的模糊社区识别算法

社区识别技术是公共安全领域潜在危害行为预警预测和已发生危害行为追踪溯源的基础，针对传统社区识别算法将社区视作单一集合而无法描述社区主次成员的问题，提出一种基于动态距离的模糊社区识别算法。该算法将传统的单一社区结构划分为核心区域和边际区域，以边际区域来描述社区的模糊区间。该算法首先将网络设想为动态演变模型，网络中的任意节点均会与其他节点产生互动，互动将改变各节点间距离，距离也反过来影响互动。在阈值的界定下，受到多个社区吸引的节点被划分到边际区域，最终距离分布趋于稳定，各个社区结构得以显现。通过对比实验验证了CDFDD算法在社区识别上的有效性。     

Stream-Based Data Sampling Mechanism for Process Object

Process object is the instance of process. Vertexes and edges are in the graph of process object. There are different types of the object itself and the associations between object. For the large-scale data, there are many changes reflected. Recently, how to find appropriate real-time data for process object becomes a hot research topic. Data sampling is a kind of finding c hanges o f p rocess o bjects. There i s r equirements f or s ampling to be adaptive to underlying distribution of data stream. In this paper, we have proposed a adaptive data sampling mechanism to find a ppropriate d ata t o m odeling. F irst o f all, we use concept drift to make the partition of the life cycle of process object. Then, entity community detection is proposed to find changes. Finally, we propose stream-based real-time optimization of data sampling. Contributions of this paper are concept drift, community detection, and stream-based real-time computing. Experiments show the effectiveness and feasibility of our proposed adaptive data sampling mechanism for process object.     

基于时空的弱点状运动目标检测技术

如何在复杂背景下持续有效地检测目标位置,一直是研究者们需要面对的主要挑战。本文在研究红外点状移动目标特征的基础上,根据目标无纹理,无形状的特性,提出一种改进的形态学目标增强算法,并利用目标连续时空不变性检测目标。首先,建立多尺度的图像金字塔,在每层上采用改进的形态学算法快速、粗糙定位小目标。然后进一步的根据目标在时空上的位置相关性,提出基于目标运动特征分析的精确检测方法。得到精确稳定的检测结果。最后实验结果表明与经典的形态学检测算法及其他算法相比,该技术能更有效地检测弱小目标,具有更高的鲁棒性。     

Visual detection and tracking with UAVs,following a mobile object

ABSTRACT

Conception and development of an Unmanned Aerial Vehicle (UAV) capable of detecting, tracking and following a moving object with unknown dynamics is presented in this work, considering a human face as a case of study. Object detection is accomplished by a Haar cascade classifier. Once an object is detected, it is tracked with the help of a Kalman Filter (KF), and an estimation of the relative position with respect to the target is obtained. A linear controller is used to validate the proposed vision scheme and for regulating the aerial robot's position in order to keep a constant distance with respect to the mobile target, employing as well the extra available information from the embedded sensors. The proposed system was extensively tested in real-time experiments, through different conditions, using a commercial quadcopter connected via wireless to a ground station running under the Robot Operative System (ROS). The proposed overall strategy shows a good performance even under disadvantageous conditions as outdoor flight, being robust against illumination changes, image noise and the presence of other people in the scene.     

采用信息增益率的混合入侵检测模型设计

针对现有混合入侵检测模型仅定性选取特征而导致检测精度较低的问题，同时为了充分结合误用检测模型和异常检测模型的优势，提出一种采用信息增益率的混合入侵检测模型.首先，利用信息增益率定量地选择特征子集，最大程度地保留样本信息；其次，采用余弦时变粒子群算法确定支持向量机参数构建误用检测模型，使其更好地平衡粒子在全局和局部的搜索能力，然后，选取灰狼算法确定单类支持向量机参数构建异常检测模型，以此来提高对最优参数的搜索效率和精细程度，综合提高混合入侵检测模型对攻击的检测效果；最后，通过两种数据集进行仿真实验，验证了所提混合入侵检测模型具有较好的检测性能.     

优化特征提取的互动式人脸活体检测研究

针对人脸识别系统中出现的通过照片或视频“欺诈”解锁问题，提出一种活体检测方法，通过随机指令判断被检测对象是否为真人。利用HOG特征和随机森林算法对摄像头采集的图像进行人脸检测，预测脸部68个特征点位置，把68个特征点位置和脸部位置的相对位置归一化后作为姿态的特征，提取的姿态特征与SVM分类器相结合，训练出分类效果较好的头部姿态估计分类器。通过多次实验，对特征提取方法进行优化，进一步提高检测准确率。最后，使用随机互动式命令序列对被检测人发出指令，实现活体检测。该方法对头部姿态估计具有较高的鲁棒性，并且可以有效地防范照片和视频认证攻击。     

一种基于改进NMS的牛脸检测方法

针对牲畜牛身份认证的多牛脸检测场景，本文给出一种基于改进Faster R-CNN的牛脸检测方法。使用Inception v2替换ZF网络作为Faster R-CNN的基础网络，模型精度得到显著提升；针对多牛检测场景对NMS（Non-Maximum Suppression）进行相应优化，使模型的召回率得到显著提升。通过和其他目标检测模型对比实验，本文的改进模型在精确率和召回率上均优于其他模型。     

基于自回归谱外推的全聚焦成像分辨力提升

针对相邻缺陷全聚焦超声成像混叠问题，结合低阶、宽有效频带自回归谱外推方法，压缩超声波时域脉冲宽度，实现亚波长级全聚焦（Total focusing method，TFM）成像分辨力。建立碳钢试块模型，设置两个中心间距1.8 mm，直径1.3 mm圆孔，选用中心频率2.25 MHz，32阵元相控阵探头采集全矩阵数据。针对全矩阵数据，选择自回归阶数为2，信号频谱最大幅值下降14 dB为有效频带，建立自回归模型并外推有效频带外的高频与低频成分，随后对全矩阵数据进行延迟叠加处理和TFM成像。仿真结果表明，低阶、宽有效频带自回归谱外推处理方法具有较高的鲁棒性和准确性，TFM成像后可有效分离中心间距0.7λ（λ为超声波长）圆孔，保留缺陷横向位置信息的同时，定位误差不超过0.73%。对碳钢试块中相同位置及尺寸的圆孔进行试验验证，定位误差不超过1.06%，有效地提高TFM成像分辨力。