基于多层自适应聚类模型的密集人群分群检测算法

针对存在更复杂运动模式的无序运动人群密集场景,提出了一种基于多层自适应聚类模型的分群检测算法.以基于高斯混合模型的背景去除算法和自适应初始化聚类算法为核心,通过建立多层自适应聚类模型实现密集人群的分群检测.实验数据库选用了大量真实室内外密集人群运动场景视频,并通过大量对比实验验证了算法的有效性、可靠性和优越性.     

融合多特征信息的密集场景人群分群检测算法

针对存在更复杂运动模式的无序运动人群密集场景,提出了一种有监督的密集场景人群分群检测算法,不仅能够实现运动前景的自动定位和跟踪,而且还能够在有先验信息的条件下准确定位分群区域。结合个体之间运动轨迹时空距离特征、运动方向特征、格兰杰因果性特征、热能图特征以及运动相关性特征,采用结构化支持向量机在训练集上进行训练,对测试集人群进行了分组测试。选用了大量真实室内外密集人群无序运动场景视频进行测试,试验结果表明,该方法对密集人群分组有较好的处理效果。     

人群密集场景中运动模式识别

针对从人群密集场景中识别运动模式的问题,提出了距离依赖中餐馆连锁店过程混合模型。该模型是一种引入依赖关系的层次化非参贝叶斯模型,能够通过引进独立于数据观测值的距离依赖信息,准确建模自然分组的数据,从中挖掘共享的数据模式。给出了模型的建立过程,并通过吉布斯采样的方法对模型进行求解,同时展示了相关的实验结果。通过对纽约广场火车站监控场景数据集中47 866条片段轨迹的建模分析,证明了模型可以自动确定场景中运动模式的个数,从不完整的轨迹中以98%的正确度学习并表达运动模式,并且能够在不同的运动模式之间共享公共的子模式。     

基于用户分群的超密集小区网络资源分配

为了降低超密集小区网络中的小区间干扰,给出一种利用用户信干噪比和干扰泄漏计算连续权值的用户分群方案。利用连续权值进行用户分群后,采用次优化的启发式算法为用户群分配资源。仿真结果表明,与现有的用户分群算法相比较,所给算法的系统吞吐量可提升20%~35%,同时单个小区的吞吐量也可提升5%~10%。     

一种基于脉线流卷积神经网络的人群异常行为检测算法

在计算机视觉领域，人群异常行为检测技术可以广泛应用于视频监控、智能视频分析、群体行为识别等领域，因此，受到了学者们的广泛关注。由于视频中人群目标具有尺度变化大、透视形变、标注偏置等特点，人群异常行为检测依然是一个具有挑战性的难题。为此，本文提出了一种基于脉线流和卷积神经网络的人群异常行为检测方法(Streak Flow CNN Abnormal Behavior Detection，简称SFCNN-ABD)。SFCNN-ABD通过卷积神经网络获取显著的人群行为空域特征，并通过脉线流结合卷积神经网络获取人群行为时域特征。SFCNN-ABD是一个双流网络，网络结构由两个深度残差网络作为骨干网络，分别为空域网络和时域网络。其中，空间域网络的输入是原始视频帧，提取人群行为的表观特征，而时域网络利用脉线流提取人群行为的运动特征，脉线流能更准确地识别场景中的空域和时域变化，因而能进一步提升人群异常行为检测的准确性。最后将两个网络的输出进行融合，完成人群异常行为的检测。在UMN和VIF两个公开基准数据集进行了测试，实验结果表明本文方法的性能优于当前主流算法，验证了本文方法的有效性。     

基于密集连接网络的晶圆图检测

晶圆图(WBM)检测是评估半导体生产工艺的关键手段,有效的检测方法能够提升生产效率与产品良率.本文提出了一种基于密集连接网络的晶圆图缺陷模式检测方法,并根据晶圆图特点对模型结构和损失函数进行了改进.此外,提出了一种受限均值滤波算法滤除噪声晶粒.在模型预测时,采用基于熵的蒙特卡洛Dropout算法来量化模型决策的不确定性...     

基于密集连接网络的驾驶疲劳状态检测方法

为了解决疲劳驾驶易造成交通事故的问题,提出了基于密集连接网络的驾驶疲劳状态检测方法.首先,借助摄像机采集驾驶状态视频,获取视频帧图像后利用图像处理技术进行图像预处理;利用自适应提升算法检测人脸,再用灰度积分投影和径向对称变换算法定位驾驶员的眼部区域;然后,通过密集连接网络精确判别眼睛状态,在网络中设置了3个密集连接块以减少特征参数和加快训练速度,且采用稀疏化结构以减少存储量和增强特征传播;最后,借助2个疲劳参数综合判断驾驶员的疲劳状态,使检测结果更为准确.定性和定量实验结果证明,该方法在准确率等方面优于现有技术.     

基于视频的人群密度分类算法

群体异常行为的发生将对社会公共安全构成危害,而不同等级的群体异常行为对社会公共安全构成的危害性不同,因此,对应的关注度和敏感度也不相同.结合ViBe算法,提出一种改进的人群密度分类方法.最后,通过对自拍视频数据集进行实验测试,验证了该算法的有效性和准确性.     

Abnormal Crowd Behavior Detection Based on the Entropy of Optical Flow

To improve the detection accuracy and robustness of crowd anomaly detection, especially crowd emergency evacuation detection, the abnormal crowd behavior detection method is proposed. This method is based on the improved statistical global optical flow entropy which can better describe the degree of chaos of crowd. First, the optical flow field is extracted from the video sequences and a 2D optical flow histogram is gained. Then, the improved optical flow entropy, combining information theory with statistical physics is calculated from 2D optical flow histograms. Finally, the anomaly can be detected according to the abnormality judgment formula. The experimental results show that the detection accuracy achieved over 95% in three public video datasets, which indicates that the proposed algorithm outperforms other state-of-the-art algorithms.     

基于概率神经网络的人群密度估计

研究图像在频域中的纹理特性,实现了在频域中的人群密度估计.首先,对视频的每一帧进行离散余弦变换(DCT),将视频图像的空域性质转化到频域中;其次,统计分析视频图像DCT变换矩阵的纹理特性,提取能描述不同密度等级的纹理描述子作为特征向量;最后,用提取出的特征向量训练概率神经网络,并进行人群密度等级估计.实验表明,该方法可以很好地进行密度估计,获得了较高识别效率.     

FastGR:一种基于神经协同过滤的群组推荐算法

群组推荐问题的关键在于如何对组内各成员不同的偏好进行融合来适应所有成员的需求. 基于神经协同过滤框架和注意力机制的群组推荐算法从数据中动态地学习融合策略,相较于传统基于预定义策略的方法明显提升了推荐效果,但模型训练及推理时间较长. 本文在此基础上重构了群组偏好融合模块,引入卷积神经网络来提取群组成员的特征,从而实现偏好融合:在公开数据集上的实验表明,本文算法比现有的算法具有更优的精度,训练速度提高了14倍.     

基于局部特征图像匹配算法改进

本文针对SIFT算法存在着特征提取及匹配速度慢,在灰度变化相似的区域产生误匹配的缺陷,讨论了SIFT 的改进算法-SURF算法的原理及应用方法,对算法进行检验,指出SURF算法在提取特征点时更偏重于提取鲁棒性较强的点,同时,摒弃一些鲁棒性较弱的点,对鲁棒性强的特征进行匹配以减少计算时间,使SURF在实时性处理和大量图片...     

一种通用的基于抛物面模型的鱼眼图像校正算法

鱼眼镜头具有较大的视场,但所拍摄图像会产生严重的桶形畸变,使用时需要进行校正。提出一种新的基于抛物面的透视投影模型,分析了此模型下图像的投影特征及抛物面参数对校正效果的影响,利用鱼眼图像中的特征点拟合出抛物面的最佳参数值,最后通过拟合后的抛物面模型将鱼眼图像映射成透视投影图像,实现了对鱼眼镜头畸变的校正。实验表明,与传统的球面投影模型相比,该模型有更好的校正质量。     

基于均衡化和数学形态学的组合边缘检测法

在研究灰度图像的边缘检测问题中，针对像素灰度值的分布特点和图像的边缘特性，提出了一种基于直方图均衡化和数学形态学法的组合边缘检测方法，能够有效地抑制噪声，提高检测精度，保护边缘细节，并且算法易于编程实现，适用于大多数的实际图像。     

基于卷积神经网络的多尺度融合特征图在人群密度估计中的应用

提出了一种以Unet++为基础的卷积神经网络,适用于人群密度估计。该网络的优点是用并行连接的方式进行多尺度融合结合浅层网络的细节信息和深层网络的高阶语义信息来消除两者之间过大的语义鸿沟。此外,还引入了膨胀卷积来提高网络性能。在Shanghai Tech和UCF_CC_50两个通用人群密度估计数据集上进行实验选取平均绝对误差(MAE)和均方误差(MSE)作为评价指标。实验结果表明在这两个数据集上该网络均有效降低了MAE和MSE,说明其在人群密度估计方面有较好的准确度和鲁棒性。