一种基于关键帧的分布式视频分析解耦机制

近年来云计算逐渐应用于海量视频数据分析,但视频的处理单位是视频帧,而视频帧的大小是不固定的,所以不能直接用云平台处理视频,否则会出现帧不完整、找不到视频头文件、视频解码不成功等情况.通常的解决办法是对视频数据进行预处理,将视频分成若干独立可解码的视频块提交到文件系统中进行处理,但是当数据量很大时,预处理的工作量也很大.因此提出了一种基于关键帧的分布式视频分析解耦机制,将文件系统中的视频块按关键帧位置对视频数据进行巧妙分片.实验表明,提出的分布式视频分析解耦机制可有效对视频进行并行处理,保证了帧的完整性,且与云平台默认的分块方式相比计算负载更加均衡,提高了整体处理效率.     

面向人脸识别的分块自适应光照处理算法

为改善复杂光照条件下的人脸识别率急剧下降问题,提出一种基于双标准图的分块自适应Gamma算法(DRHGIC)。首先根据人脸光照分布特点,将人脸进行分块,然后对不同的块采用基于双标准图的方法搜索最优Gamma值,最后对人脸图片进行自适应Gamma变换。实验证明,该算法能够有效的提高复杂光照条件下的人脸识别率。     

几何性特征的眉毛模型的研究

提出一种新的基于几何性特征的眉毛模型,相比传统的基于眉毛的全局数学特征建立的眉毛模型,它可以直观地描述和反映眉毛的几何外观形状,这种特性在人脸识别等基于面部视觉特征的应用是关键的.首先获取人脸单边眉毛图像并统一归一化尺寸为80×30的大小,使用阈值化和Blob分析得到眉毛归一化的二值图像,然后由二值图像计算眉毛模型的几何参数,包括眉毛区域的面积、长度、平均宽度、弯曲程度和走向趋势等.实验表明,提出的眉毛模型可以准确有效地描述眉毛的几何外观形状.     

基于MapReduce的并行视频处理技术的设计与实现

随着互联网的发展,视频数据量快速增长,用单机处理海量视频数据非常耗时,因此提高视频处理效率已成为视频领域新的挑战。本文设计了基于MapReduce的视频处理输入输出格式,并应用该设计实现对视频数据的并行处理,有效提高了视频处理效率。     

云平台上基于图像特征索引的并行检索系统技术研究

为了提高建立索引、检索图像的速度,提出云架构上基于图像特征索引的并行检索系统.该检索系统主要有3个模块:海量小图片分布式存储(Store)、并行建立图像特征索引(Indexing)、并行图像检索(Retrieve).在Store模块中提出针对海量图片的合并存储,Indexing模块中提出索引缓存模式,避免重写索引的输出接口,Retrieve模块中对索引进行分片管理,以及并行检索.实验结果表明,相对于其他图像检索系统,基于图像特征索引的检索系统有效减少了图像特征索引建立时间,缩短了图像的检索时间,提高了图像检索速率.     

基于事件分析的多摄像机鲁棒跟踪算法

提出了一种新的基于事件分析的目标跟踪算法来解决多个目标分离或遮挡时的可靠跟踪问题.首先提出使用仿射变换来获得多个摄像机之间重叠画面的映射关系,实现目标交接,为后面的目标识别奠定基础.然后当单摄像机目标跟踪过程中发生候选目标多于一个或者多个目标对应一个候选目标的情况时,提出一种判别目标出现遮挡事件或分离事件的新方法,并且通过多摄像机的目标交接准确识别出发生遮挡或分离事件的目标标号,解决目标发生遮挡或分离后跟踪失败的问题.实验结果证明:所提出的方法突破了一般跟踪算法受目标底层特征约束的难点,具有更高的鲁棒性.     

基于并行框架的鲁棒自适应前景检测算法

视频监控数据TB级的增长,从海量视频数据中高效准确的分离出视频监控场景中的运动物体,是计算机视觉领域的研究重点和挑战。提出了基于云平台的视频数据处理的并行计算框架及一种改进的基于混合高斯模型(GMM)的自适应前景提取算法,通过对混合高斯分布的自适应学习和在线 EM(期望最大化)算法获得最优参数组合,并将改进算法融合到视频处理并行计算框架。实验结果表明,该方法不但能大大提高视频处理的效率,并对复杂环境下准确提取前景目标也有良好的鲁棒性。     

竹叶黄酮壳聚糖缓释微球的制备及其性能研究

以壳聚糖为载体材料,戊二醛为交联剂,竹叶黄酮作为模型药物,采用乳化交联法,制备了载竹叶黄酮壳聚糖缓释微球。研究了载药比对微球的形貌、药物收率、包埋率和载药量的影响。结果表明:竹叶黄酮-壳聚糖微球呈规则球形,粒径10~50μm;竹叶黄酮经壳聚糖加载后,其释放时间长,释药均匀,具有良好的缓释性能。