一种基于深度卷积网络的鲁棒头部姿态估计方法

针对头部姿态估计方法受特征提取限制导致姿态估计效果不佳的问题,提出使用深度卷积网络自动学习有效特征并进行分类的头部姿态估计方法。首先,利用DCNN非线性映射和自动提取图像结构信息的能力,设计一个深度卷积网络实现对姿态鲁棒特征的提取;然后再将提取的特征用于分类器训练并最终实现头部姿态估计。在Pointing’04和FacePix数据库上的测试结果表明,本文设计的深度卷积网络能有效的进行特征学习,避免了人工设计特征的不足,与现有的基于人工设计特征方法相比,本文方法在两个数据库上达到的预测平均绝对误差分别为4.05〫和2.04〫,充分证实了本文算法的稳定性和可靠性。     

《中国图象图形学报》视频身份识别技术专刊简介

<正>随着“智慧城市”和“平安城市”等项目建设,众多公共场所均部署了大量的监控摄像头,形成了庞大的监控摄像头网络。利用这些摄像头的内容关联分析来确定肇事者或重点关注行人身份越来越重要,其中行人重识别和步态识别等技术,是当前计算机视觉领域的研究热点,具备广泛的应用场景。     

红外—可见光跨模态的行人检测综述

可见光图像在光照充足的条件下可以提供一系列辅助检测行人的信息,如颜色和纹理等信息,但在低照度场景下表现并不理想。红外图像虽然不能提供颜色和纹理信息,但红外图像根据热辐射差异成像而不依赖于光照条件这一特性,使其可以在低照度场景下有效区分行人区域与背景区域并提供清晰的行人轮廓信息。由于红外和可见光两种模态之间直观的互补性,同时使用红外和可见光图像的行人检测任务被认为是一个很有前景的研究方向,受到了广泛关注,大幅促进了在安防（如安全监控和自动驾驶）和疫情防控等领域应用的发展。本文对红外—可见光跨模态的行人检测工作进行全面梳理,并对未来方向进行深入思考。首先,该课题具有独特性质。可见光图像对应三通道的颜色信息而红外图像对应单通道的温差信息,如何在两种模态存在本质差异的前提下,充分利用二者的互补性是红外—可见光跨模态行人检测领域的核心挑战和主要任务。其次,近几年红外—可见光跨模态行人检测研究针对的问题可分为两类,即模态差异大和实际应用难。针对模态差异大的问题,可分为图像未对准和融合不充分两类问题。针对实际应用难的问题,又分为标注成本、实时检测和硬件成本3类问题。本文依次对跨模态行人检测的主要研究...     

联合软阈值去噪和视频数据融合的低质量3维人脸识别

目的 低质量3维人脸识别是近年来模式识别领域的热点问题;区别于传统高质量3维人脸识别,低质量、高噪声是低质量3维人脸识别面对的主要问题。围绕低质量3维人脸数据噪声大、依赖单张有限深度数据提取有效特征困难的问题,提出了一种联合软阈值去噪和视频数据融合的低质量3维人脸识别方法。方法 首先,针对低质量3维人脸中存在的噪声问题,提出了一个即插即用的软阈值去噪模块,在网络提取特征的过程中对特征进行去噪处理。为了使网络提取的特征更具有判别性,结合softmax和Arcface(additive angular margin loss for deep face recognition)提出的联合渐变损失函数使网络提取更具有判别性特征。为了更好地利用多帧低质量视频数据实现人脸数据质量提升,提出了基于门控循环单元的视频数据融合模块,实现了视频帧数据间互补信息的有效融合,进一步提高了低质量3维人脸识别准确率。结果 实验在两个公开数据集上与较新方法进行比较,在Lock3DFace(low-cost kinect 3D faces)开、闭集评估协议上,相比于性能第2的方法,平均识别率分别提高了0.28%和3...     

大庆西部农村老人心理状况分析

该研究以大庆西部地区七个自然村屯中的317名老年人作为被调查对象,以老年人心理状况简易问卷作为研究工具,采用一对一深度访谈的方式进行现场调查.研究分析当前农村老年人心理现状、心理问题产生的原因、以及应该采取的对策.目的是呼吁当地政府及有关部门能够广泛动员社会力量,结合当地村屯实际情况,加大课题研究、政策扶持、资金投入、和教育引导力度,通过改善和优化农村老年人生活环境的持续努力,帮助农村老年人排除不良心理、引导和培养健康的价值取向.让农村老人与城市老人一样,能够生活在健康、温馨、快乐的氛围中,安度自己的晚年.     

基于奇异点的字典模型指纹方向场去噪方法*

方向场估计是指纹识别过程中非常重要的步骤。传统方法如基于梯度的方法等在处理潜指纹图像时很容易受噪音干扰,而最近提出的基于字典模型的方法无法解决“真词错误”的问题。针对上述问题,本文提出一种融合了零极点模型的字典模型的指纹方向场去噪方法,即将指纹方向场看做是零极点控制的方向场和平滑的残差方向场相叠加的结果,通过首先用零极点模型生成正确的零极点控制的方向场,然后用字典模型修正残差方向场方向场,最后将零极点模型生成的方向场与去噪后的残差方向场融合形成重建方向场,通过基于奇异点的字典模型,我们解决了“真词错误”的问题。为了验证算法的有效性,在NIST SD27潜指纹图像数据库上进行了实验。实验结果表明：对于潜指纹,本文算法能获得比字典模型更精确的方向场,继而可以更好地增强潜指纹图像,并在后续的匹配实验中取得更好的结果。     

基于差分特征的多视角人脸检测

针对真实环境下的多视角人脸检测问题,提出了一种基于差分特征的多视角人脸检测算法。它综合运用2种不同的差分特征:一阶NPD特征与二阶Laplace特征,结合Gentle Adaboost算法与分类回归树(CART),分别训练基于一阶和二阶差分特征的人脸检测器,再将这2种差分特征的检测结果进行融合,得到最终的人脸检测结果。本文的差分人脸检测器充分利用了2种差分特征的互补性,结合了一阶特征对光照的鲁棒性和二阶特征对旋转的鲁棒性,从而更好地实现了复杂环境下的多视角人脸检测。在CMU-MIT和FDDB两大公开人脸检测数据集中对提出的方法进行验证,结果证明了本文提出的差分人脸检测器的有效性,能够较好地检测复杂环境下的多视角人脸。     

基于主动学习的唐卡主尊标注研究

唐卡是藏文化中一种特色绘画，有较高的学术价值。为降低唐卡主尊检测任务中数据标注的人力成本，文中采用主动学习流程训练目标检测模型，并针对唐卡主尊分布特点提出最大框选法和最大框不确定性方法，用以优先选取未标注样本中对神经网络最有益的样本。采用Faster R-CNN目标检测模型进行唐卡主尊主动学习实验，结果表明：所提出的最大框不确定性方法优于随机采样主动学习方法，仅400张训练数据即可达到98.19%的平均准确率（mAP），与全监督下1 249张数据训练的模型结果（98.17%）接近；在500张数据时mAP可达到最高，为98.31%。所提最大框不确定性采样法可高效挑选出高信息量唐卡主尊数据，不但可以降低训练所需数据量，减少网络训练时间，而且能够减少低信息量数据对模型的影响，对模型的性能具有显著提升效果。     

基于水印的XML文档完整性保护算法

数字签名是一种传统的用于XML文档完整性保护的方法,为XML文档的完整性保护,提出了一种新的基于水印技术的解决方案。实验表明,相比数字签名机制,提出的算法在时间复杂度和空间复杂度有所降低。