一种基于图像匹配的地面交通标志实时识别方法

地面交通标志检测识别是智能驾驶领域的一个研究方向,实时性、准确率是该研究的重点。图像匹配的方法是常用的模式识别方法。文中介绍了一种结合先验知识和图像匹配的地面交通标志检测识别方法。算法包括两部分:预处理和检测识别。预处理阶段包括图像压缩、感兴趣区域提取、形态学处理、中值滤波和逆透视等步骤,实现图像降噪和正畸,为检测识别做准备。检测识别阶段包括轮廓提取、面积过滤、图像匹配等步骤,目的是判断待测图像是否含有地面交通标志及其种类。实验证明,该算法实时性好、鲁棒性强、准确率高。     

电子政务网络办公系统的安全策略与实现

以北京市科委农村中心网络系统的安全设计为实例,从网络安全拓扑结构、防火墙的策略、访问控制权限和政务系统的安全算法等多方面详细介绍了电子政务网络办公系统的安全设计策略与实现过程.     

基于时空注意力图卷积网络模型的人体骨架动作识别算法

针对现有的人体骨架动作识别算法不能充分发掘运动的时空特征问题,提出一种基于时空注意力图卷积网络（STA-GCN）模型的人体骨架动作识别算法。该模型包含空间注意力机制和时间注意力机制：空间注意力机制一方面利用光流特征中的瞬时运动信息定位运动显著的空间区域,另一方面在训练过程中引入全局平均池化及辅助分类损失使得该模型可以关注到具有判别力的非运动区域;时间注意力机制则自动地从长时复杂视频中挖掘出具有判别力的时域片段。将这二者融合到统一的图卷积网络（GCN）框架中,实现了端到端的训练。在Kinetics和NTU RGB+D两个公开数据集的对比实验结果表明,基于STA-GCN模型的人体骨架动作识别算法具有很强的鲁棒性与稳定性,与基于时空图卷积网络（ST-GCN）模型的识别算法相比,在Kinetics数据集上的Top-1和Top-5分别提升5.0和4.5个百分点,在NTURGB+D数据集的CS和CV上的Top-1分别提升6.2和6.7个百分点;也优于当前行为识别领域最先进（SOA）方法,如Res-TCN、STA-LSTM和动作-结构图卷积网络（AS-GCN）。结果表示,所提算法可以更好地满足人体行为识别的实际应用需求。     

基于实例分割的车道线检测及自适应拟合算法

车道线检测是智能驾驶系统的重要组成部分。传统车道线检测方法高度依赖手动选取特征,工作量大,在受到物体遮挡、光照变化和磨损等复杂场景的干扰时精度不高,因此设计一个鲁棒的检测算法面临着很大挑战。为了克服这些缺点,提出了一种基于深度学习实例分割方法的车道线检测模型。该模型基于改进的Mask R-CNN模型,首先利用实例分割模型对道路图像进行分割,提高车道特征信息的检测能力;然后使用聚类模型提取离散的车道线特征信息点;最后提出一种自适应拟合的方法,结合直线和多项式两种拟合方法对不同视野内的特征点进行拟合,生成最优车道线参数方程。实验结果表明,该方法提高了检测速度,在不同场景下都具有较好的检测精度,能够实现对各种复杂实际条件下的车道线信息的鲁棒提取。     

一种鲁棒性的多车道线检测算法

机器视觉被广泛应用于智能汽车领域,车道线检测成为人工智能领域内的研究热点。为了得到更具鲁棒性的车道线检测效果,采用一种基于多条件约束的车道线特征滤波器,并提出了一种新的对车道线特征进行聚类的算法。运用卡尔曼滤波对车道线位置进行实时跟踪和预测;利用基于透视投影线性关系的车道线“位置-宽度”函数设置自适应动态ROI;另外,利用车道线的特点形成约束条件以获得更加稳定的检测效果。在真实道路环境下的实时检测结果表明,该算法鲁棒性强、实时性好,且具有稳定的检测效果。     

图像重排序技术的研究进展

近年来,数字多媒体图像出现了爆炸式的增长,人们在互联网搜索过程中遇到的问题也越来越多,提高图像的搜索效率极具挑战性。图像搜索是图像领域的研究热点,目前已有多种搜索技术在各商业领域得到应用,但搜索的结果并不能完全满足用户的需求,“语义鸿沟”的存在使得搜索结果仍存在一定的噪声。图像重排序为解决此问题提供了很好的帮助,在初始搜索的基础上进行重排序可使搜索结果更加准确和丰富。文中着重介绍图像重排序技术的研究进展,对已有研究方法进行总结和分析,比较各自的优缺点以及近年来突破的主要关键技术;关注最新的研究进展,总结了目前图像重排序的典型数据集以及针对特定领域研究建立的数据集,并对图像重排序领域未来的发展进行了展望。     

基于CORBA和移动Agent的网络管理系统

分析CORBA和移动Agent 2种网管技术的特点和不足,提出一种基于CORBA和移动Agent的网络管理系统的设计方法。系统模型采用Java虚拟机作为运行平台,ORB作为底层通信设施,KQML作为通信语言。考虑网络规模对2种网管模式性能的影响,系统对不同网管任务分别采用CORBA对象和移动Agent。性能分析与实验结果表明,与基于CORBA或移动Agent网络管理系统相比,该网络管理系统具有较好的网管性能。     

基于XML矢量图形SVG应用的软件体系结构研究

在单个SVG文档的模块化与结构化的基础上,分析了SVG实体的特征和组织方式,描述了SVG实体、对象、类的结构组成,提出了基于SVG应用的软件开发的体系结构SSA和系统框架设计。在SSA中,设计了一个转换算法,算法针对大量的SVG实体进行分类、提取SVG图元,并将SVG图元存储在关系数据库中,解决了包含大量SVG实体的应用系统存在的运行速度的问题、SVG组件的数据重用问题和基于数据库系统的SVG开发问题。设计了一个基于SSA的数字文物导航平台系统,通过该系统与传统的基于H tm l/Im age的文物展现模式的比较,验证了SSA开发模式的有效性。     

互联网社群图像标签排序研究进展

互联网社群图像标签排序是目前计算机视觉、机器学习等领域最热门的课题之一。图像标签序列的合理性直接影响到图像检索等应用的效果。目前图像标签排序的方法多种多样,根据标签排序方法的不同将其划分为基于语义相关度与基于视觉显著性的标签排序,着重介绍了两类方法的典型标签排序方法,分析其各自的优缺点。最后就图像标签排序的评价方法以及发展趋势做了简单的论述。     

基于指部关联特征的多模态图像采集系统

针对基于单个生物特征的身份认证安全性和稳定性不足的问题,设计了基于指部关联特征的多模态图像采集系统,采用单个双波段摄像头分时采集同一根手指的指纹、指节纹和指静脉图像。指纹和指节纹采用非接触反射采集方式,指静脉采用单侧近红外光源与反射镜面相结合的透射采集方式,并根据静脉图像质量评价动态调控光源,根据特征点信息量动态调整各个特征的权重。实验结果表明,该多模态采集系统在认证通过率、误识率和拒登率等指标都优于指纹或指静脉的单模态采集系统,认证通过率达到99.1%,误识率为0.000 1%,不存在拒登现象。