基于MS-KCF模型的图像序列中人脸快速稳定检测

为快速稳定地检测图像序列中角度变化较大、遮挡较为严重的人脸，结合快速精确的目标检测模型MobileNet-SSD （MS）和快速跟踪模型核相关滤波（KCF），提出一种新的自动检测-跟踪-检测（DTD）模式，即MS-KCF人脸检测模型。首先，利用MS模型快速精确地对人脸进行检测，并且更新跟踪模型；其次，将检测到的人脸坐标信息输入到KCF跟踪模型中进行稳定的跟踪，并加快整体的检测速度；最后，为了防止跟踪丢失，跟踪数帧后再次更新检测模型，重新对人脸进行检测。实验显示，在FDDB人脸检测基准中，MS-KCF模型的召回率为93.60%；在WIDER FACE人脸检测基准的Easy、Medium和Hard数据集中，MS-KCF模型的召回率分别为93.11%、92.18%和82.97%，平均速度为193帧/s。实验结果表明，MS-KCF模型具有稳定性和快速性，在图像序列中对严重遮挡和角度变化大的人脸具有很好的检测效果。     

基于ELM和核相关滤波器的自适应目标跟踪算法

针对传统的核相关滤波器(KCF)跟踪算法在目标快速运动、尺度变化和遮挡情况下通常会导致跟踪失败的问题,在传统的KCF算法的基础上引入极限学习机(ELM),提出一种基于ELM和KCF的自适应目标跟踪方法。根据过去时刻的目标位置信息,利用ELM预测出当前帧目标的可能位置;在该位置上以目标区域为基础进行多尺度目标图像特征采样,通过KCF确定目标的最终位置和最佳尺度;通过计算目标位置响应图的振荡程度来自适应地改变模型的更新速率。在36组公开视频序列上对所提算法与6种当前主流的相关滤波跟踪算法进行了实验,所提算法取得了最好的跟踪精度和成功率,能够有效处理目标遮挡、快速运动和尺度变化等问题,具有较为重要的理论研究和应用价值。     

基于改进KCF的多目标人员检测与动态跟踪方法

针对煤矿巷道光照不足、目标尺度变化剧烈、目标容易被遮挡和矿灯干扰等因素,导致对于井下的目标检测和跟踪存在成功率和准确度低的问题,提出一种基于改进核相关滤波（KCF）算法的多目标人员检测与动态跟踪方法,为避免井下复杂环境中由于光照不均引起检测失败,在改进的KCF算法中引入SSD检测算法,以提升对多目标人员检测能力。(1)读取待跟踪视频序列,使用经过井下数据集训练后的SSD算法检测图像中的目标,若没有发现目标则继续读取下一帧。(2)将检测到的目标放入跟踪器中,对图像进行预处理,通过比较将所有的检测框按照设定的阈值进行打分,并根据分值从高到低依次排列,高分的检测结果直接输出,低分的检测结果用于滤除不良信息,以提升检测速度。(3)通过KCF跟踪预测目标M帧后清空跟踪器,再重新进行目标检测。通过检测算法和跟踪算法的叠加,保证对目标的持续跟踪能力。实验结果表明：(1)该方法最后的损失值稳定在1.675附近,检测结果较为稳定。(2)经过训练后的SSD算法识别精度较训练前的SSD算法识别精度提高了52.7%。(3)该方法对矿井人员检测成功率、跟踪准确率分别为87.9%,88.9%,均高于其他4种算法（...     

基于深度学习的多船舶目标跟踪与流量统计

研究船舶的目标跟踪对提高水上目标视频图像智能监管的水平有着至关重要的作用,系统通过深度学习SSD模型进行对船舶目标定位检测,使用修正的KCF算法对检测到的船舶目标进行跟踪。把深度学习的方式引入船舶目标检测领域,与传统检测方法相比精准率大大提高,同时提出了一个修正的KCF算法对多船舶目标进行跟踪,较好地解决了目标漏检与重复统计的问题。对大量船舶目标样本进行训练学习后,船舶检测定位精准,检测成功率达到91%以上,船舶跟踪算法快速稳定,检测与跟踪算法达到30帧每秒,船舶目标流量统计准确率达到95%以上,整个系统框架满足实时性的要求。     

基于Adaboost和码本模型的手扶电梯出入口视频监控方法

针对传统视频监控方法无法对密集前景目标进行准确分割的问题,提出一种基于Adaboost和码本模型的多目标视频监控方法。首先,通过训练得到Adaboost人头分类器,利用码本算法为垂直拍摄的手扶电梯出入口图像建立背景模型,提取前景图像对其进行人头检测和跟踪;之后,剔除行人目标得到物件目标,对物件目标进行跟踪;最后,根据行人和物件的运动特征进行监控。对12段出入口视频序列的实验结果表明,监控方法能够准确稳定地跟踪行人和物件,完成逆行检测、客流统计、行人拥堵和物件滞留等监控任务,处理速度达到36帧/秒,目标跟踪准确率达到94%以上,行为监控准确率达到95.8%,满足智能视频监控系统鲁棒性、实时性和准确性的要求。     

基于KCF和SIFT特征的抗遮挡目标跟踪算法

为了解决KCF目标跟踪中由于目标遮挡和目标尺度的变化造成跟踪目标丢失的问题,对核相关滤波器(KCF)目标跟踪的框架进行了研究,提出了一种基于KCF和SIFT特征的抗遮挡目标跟踪算法,引入了一种目标跟踪丢失后重新搜索定位目标的策略。利用尺度金字塔估计出目标的尺度,实现跟踪框自适应目标尺度大小,通过核相关滤波器(KCF)跟踪算法对目标进行跟踪。跟踪过程中对目标遮挡情况进行判断,当目标遮挡时,对当前帧跟踪框内的目标提取SIFT特征,生成模板特征。提取下一帧视频图像的SIFT特征并与模板特征进行匹配,框出与模板特征相匹配的目标,对目标继续进行跟踪。通过TB数据库标准视频序列和实际环境拍摄的视频序列进行测试。实验结果表明,跟踪框能适应目标的大小,在目标发生遮挡的情况下,能够重新找到目标并进行准确跟踪。     

基于遮挡检测和时空上下文信息的目标跟踪算法*

基于时空上下文信息的目标跟踪算法利用目标与背景之间的时空关系,在一定程度上解决静态遮挡问题,但当目标出现较大遮挡或快速运动目标被背景中物体遮挡(动态遮挡)时,仍然会出现跟踪不准确或跟丢的情况.基于此种情况,文中提出基于遮挡检测和时空上下文信息的目标跟踪算法.首先利用首帧图像中压缩后的光照不变颜色特征构造并初始化时空上下文模型.然后利用双向轨迹误差对输入的视频帧进行遮挡情况判断.如果相邻帧间目标区域特征点的双向匹配误差小于给定阈值,说明目标未出现严重遮挡或动态遮挡,可以利用时空上下文模型进行准确跟踪.否则利用文中提出的组合分类器对后续帧进行目标检测,直至重新检测到目标,同时对上下文模型和分类器进行在线更新.在多个视频帧序列上的测试表明,文中算法可以较好地解决复杂场景下较严重的静态遮挡和动态遮挡问题.     

基于对目标理解和感知的检测跟踪算法

传统的核相关滤波器（KCF）目标跟踪算法利用目标的纹理特征进行相关运算定位,没有检测目标类别,因此在目标纹理被噪声干扰,例如目标运动模糊、快速抖动、目标遮挡等情况时的跟踪精度和成功率较低。针对这些问题,提出一种语义分割和多特征融合相结合的目标检测跟踪算法。该算法将目标跟踪分为检测和跟踪两个部分：在检测阶段使用全卷积网络（FCN）语义分割对场景进行语义分析,对场景中的目标进行分类;在定位阶段使用KCF算法进行跟踪定位,为了提高跟踪精度,将目标的方向梯度直方图（HOG）特征和颜色（CN）特征融合为新的特征。在标准数据集OTB-100视频序列上的实验结果表明,相较于KCF算法,所提算法的跟踪精度和成功率分别提高了14.3个百分点和13.2个百分点,有效提高了跟踪性能。     

基于异常值检测的KCF目标丢失预警方法研究

当目标受尺度变化、严重遮挡、相似目标干扰、光照变化和出视野等因素影响时,核相关滤波器（KCF）跟踪算法会出现目标丢失现象。目标一旦丢失,KCF跟踪算法本身是不能察觉的,并且跟踪器会将背景信息作为目标继续进行跟踪,导致目标彻底丢失。针对这一问题,在KCF跟踪算法的基础上,提出了一种基于异常值检测方法的目标丢失预警机制。该方法利用一组固定维数动态峰值数据的均值和标准差对每帧的响应峰值进行检测,如若发现异常峰值,则判定目标丢失或即将丢失,解决了KCF跟踪器在跟踪过程中目标丢失不能察觉的问题。实验结果表明,所提出的方法在KCF算法跟踪过程中目标丢失时,能够正确预警,成功率达到100%,具有很高的可靠性,为目标丢失后何时载入目标重检测定位提供可靠的依据。     

基于局部梯度强度图的动态规划检测前跟踪算法

针对传统动态规划检测前跟踪(DP-TBD)算法在背景复杂度高且信噪比低的红外弱小目标图像中检测概率低的问题,提出了一种基于局部梯度强度图的动态规划检测前跟踪(LIG-DP-TBD)算法。该算法首先采用局部梯度强度算法(LIG)对帧序列图像进行预处理,从而得到一个新的量测模型;再根据相邻帧值函数的相关性,构造一种全新的值函数;利用动态规划检测前跟踪算法(DP-TBD)对新的值函数进行多帧积累,从而实现对弱小目标的检测前跟踪。蒙特卡洛仿真实验结果表明,在信噪比低于4 dB的情况下,该算法的检测概率较传统DP-TBD算法和DBT算法相比提高了约10%。同时,在背景复杂的真实红外弱小目标序列图像中,该算法可以在恒定虚警率条件下有效地进行弱小目标的检测前跟踪,提高了目标的检测概率。     

Edge detection and motion detection

This paper presents an integrated theory of edge detection, curvature measurement and motion detection during the earliest stages of visual processing. No assumptions are necessary about the viewed objects or about surface properties and the viewing geometry. New methods are outlined for edge detection, curvature measurement and correspondence matching by successive refinement.     

远场光学探测与近场光学探测

介绍了远场光和近场光的物理图景 ,根据它们的不同性质并结合应用 ,指出远场光学探测的空间分辨能力受光学衍射极限的约束 ,近场光学探测可以突破光学衍射极限。应用近场光学设计新的传感器和探测器 ,能够提高灵敏度和分辨力     

一种改进的二次失效检测算法

通过研究和分析经典、主流失效检测算法,对基于检测点的二次失效检测算法进行改进：对心跳消息预计到达时间增加反馈修正,将网络延迟误判和丢包误判进行区分。实验结果表明优化改进的算法能提高失效检测的效率和及时性。     

Problem detection

Problem detection is the process by which people first become concerned that events may be taking an unexpected and undesirable direction that potentially requires action. Previous accounts [e.g., Cowan (Acad Manage Rev 11(4):763–776, 1986)] described problem detection as the accumulation of discrepancies until a threshold was reached. In reviewing incidents taken from a variety of natural settings, we found that discrepancy accumulation did not apply to the incidents we reviewed, because (a) cues to problems may be subtle and context-dependent, and (b) what counts as a discrepancy depends on the problem-solvers experience and the stance taken in interpreting the situation. In many cases, detecting a problem is equivalent to reconceptualizing the situation.     

基于快速检测和AdaBoost的车辆检测

为给激光雷达三维点云目标检测提供一种更智能、更稳健的信息处理算法,提出一种基于激光雷达获取的点云数据的车辆目标检测算法。采用局部高程对地面进行拟合,对目标场景进行预分类;根据目标的几何尺寸建立ROI(感兴趣区域),对该区域内的点云数据进行聚类分析,大致检测出目标物体。由于现实场景中往往存在与目标高程相近的物体,采用基于Harr-like特征的AdaBoost分类器对ROI进行复核,划定检测目标。实验结果表明,在目标遮挡率为50%的情况下,算法的检测准确率也能将近90%。     

Value-added tax fraud detection with scalable anomaly detection techniques

The tax fraud detection domain is characterized by very few labelled data (known fraud/legal cases) that are not representative for the population due to sample selection bias. We use unsupervised anomaly detection (AD) techniques, which are uncommon in tax fraud detection research, to deal with these domain issues. We analyse a unique dataset containing the VAT declarations and client listings of all Belgian VAT numbers pertaining to ten sectors. Our methodology consists in applying AD methods to firms belonging to the same sector and enables an efficient auditing strategy that can be adopted by tax authorities worldwide. The high lifts and hit rates observed in most sectors demonstrate the success of this approach. Sectoral differences exist due to varying market conditions and legal requirements across sectors and we show that the optimal AD method is sector dependent. We focus on three methodological problems that show issues in the related literature. (1) Can we design suitable input features? We develop new fraud indicators from specific fields of the VAT form and client listings and show the predictive value of the combination of these features. (2) Can we design fast algorithms to deal with the large data sizes that can occur in the tax domain? New methods are developed and we demonstrate their scalability both theoretically as well as empirically. (3) How should fraud detection performance be assessed? A new evaluation methodology is proposed that provides reliable performance indications and guarantees that fraud cases are effectively detected by the proposed methods.     

基于重叠社团发现的微博话题检测方法

微博话题检测是当前研究的热点,提出一种基于复杂网络重叠社团发现的微博话题检测方法。该方法对一段时间内的微博数据进行预处理,在分词后,根据词性以及词的时域分布抽取出主题词,在相关度高的主题词之间构造边得到复杂网络。引入社团独立模块度的概念,并通过社团独立模块度最大化模型发现重叠社团,把每个社团看成一个微博话题。重叠社团发现的方法可以解决由一个或多个主题词属于多个话题引起的话题检测准确率低的问题。实验结果证明了该方法在微博话题检测中的有效性。     

模糊边缘检测算法在水印模糊检测中的应用

在防伪印刷纸张质量检测系统中，纸张防伪水印的模糊是其检测的重要指标之一。为了保证实际防伪印刷纸张质量检测的实时性和准确性，提出了一种水印模糊检测算法，该算法运用一种改进的快速模糊边缘检测算法来进行水印图像的边缘轮廓检测，以得到目标图像的边缘轮廓，然后根据边缘轮廓的边缘信息，通过对边缘轮廓像素进行梯度运算得到边缘的灰阶变化，以边缘像素灰阶变化设计了水印模糊判定函数。经过实验，该算法运算速度较快，准确度较高，具有良好的应用前景。