基于双模型融合的监控视频人数统计

针对垂直角度监控视频下的人数统计任务所遇到的角度特殊、检测精度较低等问题,提出了一种基于双模型融合的监控视频人数统计方法。在基于COCO数据集的YOLOv3预训练模型上,加入了垂直角度的训练样本进行迁移学习。分别训练两个模型,一个检测俯视视频中的行人,另一个检测俯视视频中的人头。将迁移学习训练后的行人检测模型和人头检测模型的检测结果进行融合,并引入基于卡尔曼滤波的跟踪方法得到了运动轨迹,利用运动轨迹信息实现了人数统计。通过多次实验,验证了在垂直角度监控视频中双模型融合方法较单一检测模型和预训练模型能取得更好的检测效果,最终获得更准确的人数统计结果。     

智能视频监控中基于机器学习的自动人数统计

提出了智能视频监控中基于机器学习的自动人数统计系统.该系统通过机器学习的方法对视频序列中人的头肩部位进行准确地检测,克服了传统检测方法如连通域分析和简单模板匹配的不足,对光线变化和人群拥挤等问题具有较好的稳健性,在对具体场景的初步测试中取得了较满意的效果.     

基于角点特征的几何同步数字水印算法

对图像的角点检测与水印同步进行分析和讨论,在此基础上提出了一种基于角点特征的几何同步数字水印算法.为抵抗几何攻击,在归一化的图像中提取出较好的角点信息,重点分析了Harris与MIC角点检测的优缺点,将2种方法合并应用到角点检测,摒弃了单纯的像素信息修改,利用圆环的几何形状来统计表示水印信息.实验结果表明,所提出的水印算法较其他算法不仅能抵抗一般的图像攻击,而且在抵抗旋转、放缩等几何攻击方面的稳健性也有较好的提高.     

一种基于角点与BP神经网络的文本检测及定位算法

检测并提取视频图像中的文本信息对视频图像和内容的理解意义重大。以现有的文本检测算法为基础,提出一种基于角点与BP神经网络相结合的文本检测算法。该算法首先应用多尺度角点算法提取文本角点信息并初步定位文本行,接着提取文本特征,最后应用BP神经网络精确定位文本。实验结果表明,此算法与经典方法相比具有更高的正确率和鲁棒性,视频中文本的正确检测率达到90.3%。     

基于角点傅里叶描述子及空中飞机识别

本文提出了角点傅里叶描述子，并将它作为二维目标的特征和神经网络的输入，用于构成一基于ＢＰ神经网络的飞机目标识别系统。该识别系统对旋转、位移、尺度变换具有不变性。计算机模拟结果表明该识别器对空中飞机的识别具有很高的识别率和联想能力。     

室内场景中密集小目标的人数统计方法

计算机视觉任务中,密集小目标的人数统计在人群行为分析、资源优化配置、现代安防等室内场景中具有重要的社会意义。现有的密集小目标统计方法存在着诸如目标相互遮挡造成的漏检、检测目标密集产生的错检以及目标小且人脸特征提取不足等问题。针对室内场景中密集小目标的漏检、错检以及特征不足等问题,提出一种基于YOLOv5框架的人数统计模型STO-YOLO。该方法首先在YOLOv5的主干网络加入针对密集小目标的检测模块以提升特征提取能力,然后在特征融合Neck网络中加入小目标检测模块来增强特征融合能力,从而改善远离监控的密集小目标的错检问题;其次引入OTA机制,将标签分配视作最优传输问题,同时结合上下文信息来减少模糊框的个数,从而有效减少目标遮挡产生的误差。在实际教学场景中自建数据集并验证所提方法。实验结果表明,与SOTA方法YOLOv5相比,STO-YOLO检测结果的precision和recall指标均得到了显著提升;相比最新的YOLOv8,recall和mAP等指标也得到了提升,充分验证了所提STO-YOLO方法的有效性。     

一种利用图像角点和边缘信息的阈值分割方法

阈值化算法是图像区域分割的一个基本算法.提出一种利用角点和边缘点的像素灰度值均值和全图像像素点灰度值均值加权相加的阈值选取方法.实验表明,该方法能对具有大面积目标的图像进行很好的分割.     

基于智能视频的客流人数统计系统设计与实现

对于零售业如大型商场、购物中心、超市、连锁店以及机场、车站周边等场景,客流统计是一个非常重要的商业指标。由于销售额与客流量几乎成正比关系,基于人员计数的客流统计在大型连锁超市的管理和决策规划方面有重要的参考意义。项目主要是通过智能视频分析方法,利用图像识别技术来获取特定区域的人流量数据;进而对采集到的数据作统计分析,以直方图、扇形图等直观的数据可视化方式,实现在复杂环境中的实时商场客流自动统计、滞留人数自动估算统计、排队人数自动统计和顾客商业属性的自动检测或分类等功能。项目不仅可以让决策者获取充分的人流量统计数,还可以实现区域监控预警和微信管理功能,从而让大型商场或广场监控管理者能更方便地获取实时数据和做出更高效有理的决定。     

基于彩色视频图像处理的小区监视及人数统计

以数学形态学滤波和模糊推理为基础,提出一种基于彩色视频图像处理的小区监视及人数统计方法。首先确定监视区范围,然后使用形态学运算将差减后离散相邻的部分连在一起以确定人数,并在未进行形态学运算的差减图像中找到头顶、头宽,同时确定肤色、头发像素的百分比以及头部中央的灰度平均值,以肤色所占百分比和灰度平均值为模糊推理的前提条件进行模糊决策。实验结果表明,该方法能很准确地完成人数统计。     

基于图像的人数统计方法综述

人数统计一直是计算机视觉系统研究的一个重要内容,近年来广泛用于多种场合,利用图像信息对教室中的人数进行统计已经成为主流。文章首先通过对近年来的相关文献进行整理和归纳,总结出适用于教室环境中的人数统计方法,并将适用于教室环境中的人数检测算法分成3类进行讨论:基于人头检测的方法、基于肤色检测的方法、基于人脸检测的方法;其次,对典型的算法针对教室人数进行了仿真重现;最后对各种算法进行了分析和总结。     

基于谱回归特征降维与后向传播神经网络的识别方法研究

采用后向传播(BP)神经网络对空间目标进行识别时,高维的输入特征导致网络结构复杂,识别性能降低。针对上述难点,该文提出一种基于谱回归(SR)特征降维与BP神经网络的识别方法。该方法首先对空间目标进行HOG特征提取,然后将提取的高维HOG特征进行SR降维,最后把降维后的数据通过BP分类器进行训练识别。实验结果表明：该方法的降维和识别特性优于传统降维方法PCA, KPAC, LPP, KLPP等,能够兼顾实时性和准确性,提高了识别性能。     

基于深度堆栈编码器和反向传播算法的网络安全态势要素识别

网络安全态势要素识别的基础是对态势数据集进行有效的特征提取。针对反向传播(BP)神经网络对海量安全态势信息数据学习时过度依赖数据标签的问题,该文提出一种结合深度堆栈编码器和反向传播算法的网络安全态势要素识别方法,通过无监督学习算法逐层训练网络,在此基础上堆叠得到深度堆栈编码器,利用编码器提取数据集特征,实现了网络的无监督训练。仿真实验验证了该方法能有效提升安全态势感知的效能和准确度。     

基于可变剪接紊乱的乳腺癌亚型预测分析

可变剪接与多种复杂疾病的发生、发展存在密切的联系,包括肿瘤在内的多种疾病的产生往往伴随着可变剪接的紊乱发生。现有的乳腺癌亚型分析主要是基于单个剪接异构体出发,缺少考虑亚型之间由于可变剪接紊乱造成剪接异构体在整体分布上的差异。因此该文提出了基于可变剪接紊乱的乳腺癌亚型预测方法,主要使用Jensen-Shannon(JS)散度来找寻亚型之间的可变剪接紊乱差异较大的基因,并构建反向传播(BP)神经网络模型对乳腺癌亚型进行分类。结果表明,该方法不仅能有效发现肿瘤异质性分子,在乳腺癌亚型分类方面也有较好的识别结果,其平均F1值达到0.89,且能为患者提供个性化乳腺癌亚型药物推荐。该文的研究将有效促进基于可变剪接紊乱的乳腺癌亚型研究的发展。     

基于随机共振和信息几何的协作频谱感知方法

为提高频谱感知系统在低信噪比环境下对微弱信号的感知性能,提出了一种基于随机共振技术和信息几何理论的频谱感知方法。首先通过随机共振技术增强输入信号的能量,以提高感知信号的信噪比。然后,基于信息几何理论将信号矩阵的协方差矩阵对应成流形上的点,并计算流形上样本点之间的散度距离作为感知信号的特征数据。最后,采用BP神经网络对信号特征数据进行分类,有效避免了决策阈值的计算,快速实现了频谱决策。仿真实验证明,所提方法在低信噪比条件下具有更好的感知性能,有效提高了复杂环境下的频谱检测概率。     

关于系统级故障诊断的烟花-反向传播神经网络算法

为了更快速且精确地诊断出大规模多处理器系统中的故障单元,该文首次将改进的烟花算法和反向传播(BP)神经网络相结合,提出一种新的系统级故障诊断算法—烟花-反向传播神经网络故障诊断算法(FWA-BPFD)。首先,在烟花算法中引入双种群策略、协作算子以及最优算子,设计新的适应度函数,优化变异算子、映射规则和选择策略。然后,利用烟花算法全局搜索能力和局部搜索能力的自调节机制,优化BP神经网络中的权值和阈值的寻优过程。仿真实验结果表明,该文算法相较于其他算法不仅有效地降低了迭代次数和训练时间,而且还进一步提高了诊断精度。

     

Aggregate volumetric estimation based on PCA and momentum-enhanced BP neural network

This paper proposes a Back Propagation (BP) neural network with momentum enhance-ment aiming to achieving the smooth convergence for aggregate volumetric estimation purpose. Net-work inputs are first selected by optically measuring the eight geometry-related parameters from the given particle image. To simplify the network structure, principal component analysis technique is applied to reduce the input dimension. The specific network structure is finalized based on both em-pirical expertise and analysis on selecting the appropriate number of neurons in hidden layer. The network is trained using the finite number of randomly-picked particles. The training and test results suggest that, compared to the generic BP network, the training duration of the proposed neural network is greatly attenuated, the complexity of the network structure is largely reduced, and the es-timation precision is within 2%, being sufficiently up to technical satisfaction.     

基于小波神经网络的掌纹识别方法的研究

为提高掌纹图像识别率,首先利用手掌的几何轮廓对所采集到的掌纹图像进行预处理,进行分割得到感兴趣的区域.再利用小波变换对掌纹图像分别进行多层分解,进而提取小波特征.最后利用BP神经网络进行分类.通过仿真实验表明,与单一的神经网络方法进行掌纹识别相比,这种将小波分析与神经网络相结合的方法收敛步数少、用时短、具有较高的识别率.     

一种新的基于信息测度和神经网络的边缘检测方法

本文构造了不同的信息测度来定量描述阶跃边缘的三个本质特征,并给出由相应的三个分量组成的特征向量.用人工得到的样本对一BP神经网络进行训练,将训练后的神经网络直接用于图像的边缘检测.本文方法无需定阈值;在特征的选取上充分考虑了边缘和噪声的本质区别,具有优异的抗噪性能.实验证明本文方法具有令人满意的效果.     

航空鸟击雷达鸟情探测研究

鸟击问题是全世界航空业共同的难题,受到国际学术界的普遍关注.基于雷达的鸟情探测的研究取得了很大进展,在一些发达国家已经建立起实用的雷达鸟击预警系统.本文首先总结了雷达鸟情探测研究的概况,介绍国外雷达鸟情探测系统的发展现状,鸟类雷达目标回波信息的特点、识别和检测方法.然后介绍了雷达鸟类目标探测的新进展:地理信息系统(GIS)、人工神经网络、计算机网络等新技术应用于雷达鸟情探测系统,构成了高效、实时的三维雷达鸟情探测网.最后提出了雷达鸟类识别研究的未来发展方向.     

一种基于拓扑信息的预测疾病相关的MicroRNAs方法

研究表明,micRNAs（miRNA）突变或者异常会导致多种疾病,鉴定出与疾病相关的microRNA可以帮助诊断和治疗相关疾病.然而,通过生物实验方式获取准确关联关系,花费大,而且周期长.因此,本文中提出了一种基于网络内部拓扑信息的机器学习方法（HNDLM）预测疾病-miRNA关联关系.HNDLM避免搭建相似网络,而是将近年提出的network embedding方法应用在生物网络上.实验结果显示,HNDLM相较于MIDPE,MIDP,WBSMDA,RLSMDA,CPTL,HDMP经典算法在准确率和AUC值上效果更好.此外,在案例学习中,HNDLM推荐的前30个候选miRNAs,基本都能通过先前实验得到证实,HNDLM能发现潜在疾病-miRNA关系,有助于进一步研究疾病发病机制,推动生物信息学发展.