特征融合与训练加速的高效目标跟踪

基于孪生网络的目标跟踪,存在特征信息欠丰富,跟踪效率有待提高,大型数据集上训练时间长等问题。针对上述问题,提出特征融合与训练加速的高效目标跟踪。增加主干网络参考特征层级,减小下采样,融合多层级参考特征图,提取目标更深度、丰富的语义信息。深度互相关操作得到候选窗口响应（Response of Candidate Windows,RoWs）,在其中构建区域建议网络（Region Proposal Network,RPN）,通过权衡正负锚点的数量比,使孪生网络性能更加高效、稳定。大型数据集训练孪生网络时,使用均匀滑动漂移采样,代替随机漂移采样算法,在抑制中心偏置现象的同时,显著加快了孪生网络的训练速度。跟踪基准VOT2018上的评估实验结果表明,与所有参考的主流目标跟踪算法相比,所提算法具有最佳的跟踪性能。     

基于邻域相关性和帧间连续性的前景目标分割

提出了一种新的运动目标分割算法。首先利用像素的颜色、空间的和帧间的特性信息结合贝叶斯判别定理对视频图像进行粗分割,得到一个前景目标的二值图,由于该类方法基于像素间彼此独立的假设,导致分割出的前景目标不完整存在很多空洞。其次,基于前景目标局部邻域空间的一致性假设,计算该邻域内像素间的互相关系数;同时,基于背景的帧间连续性和前景的不连续性,计算像素帧间的互相关系数。最后,依据像素的互相关系数在该邻域内进行二次判决,以填补粗分割中前景目标内部的空洞。实验表明,在复杂背景交通视频中该分割算法具有较强的鲁棒性,并能获得更完整准确的前景目标。     

基于线性组合预测和生物特征的人体肤色检测

针对视频监控中基于肤色特征人体目标检测中的两个棘手问题,即人体肤色受光照变化影响较大,以及复杂背景下肤色相近色的干扰,提出了一种新的肤色检测方法.首先假设视频序列每帧肤色区域像素在彩色空间的分布构成相对集中的"点云"三维几何体,光照变化时每帧"点云"几何体在彩色空间的变化可以通过平移、缩放和旋转等参数约束下的三维仿射变换来建模,提出了用线性组合预测模型来预测这三类参数的变化,进而预测并更新待检测帧的直方图分布;然后利用Bayes分类器进行肤色区域的初分割.为了克服复杂背景中肤色相近色的干扰,本文采用组合彩色空间变换凸显人体肤色生物特征,减少了肤色和非肤色在单个彩色空间时的重叠区域,在初分割的基础上进一步消除大片相近色的干扰.经过大量实验证明,该方法在帧间光照变化的情况下对肤色变化有很好的敏感性,且能有效克服大片背景相近色的干扰.     

基于时空特征点的非监督姿态建模和行为识别的算法研究

姿态建模是行为描述和识别的关键环节,提出了基于时空特征点的姿态建模方法.提取样本库中姿态的时空特征点作为底层特征,一个姿态对应一个时空特征点集合;采用非监督分类方法对姿态样本归类,获得典型姿态的聚类结果,每个典型姿态类别采用基于EM的高斯混合模型进行建模.计算各典型姿态间的转移概率,建立状态已知的描述人类多种行为的VM...     

CCD图像相关法在原油倾点温度测量中的应用

原油倾点测量规程要求 ,将直径 2 0mm试管中已凝结的原油加温 ,每升高 2℃ ,并将其倾斜一定角度判断其是否能流动 ,能开始流动的最低温度 ,定义为倾点温度[1] 。能否准确判断其流动是保证测量精度的关键 ,本文提出了用CCD图像相关技术来判定油样的流动性 ,是原油倾点温度测量的新方法 ,克服了传统的温度传感器方法精度差的缺点 ,实现了非接触测量     

石油倾点温度测试Pt100温度传感器的标定

作者设计了直径为3mm、长为27cm的Pt100型传感器,根据0.10℃刻度的温度测试仪作为标定标准,利用软件来矫正其非线形失真,该产品实现对石油倾点温度信号的采集和标定.     

基于计算机视沉的轮胎缺陷检测

利用计算机视觉实现轮胎X光图像的质量缺陷检测,是当前轮胎生产质量监控自动化的关键环节。通过对大量正常轮胎图像纹理特征的研究,发现其X-光图像纹理呈现明显的准周期性和规则性,鉴于此设计了能反映该规律性的小波函数,实现对轮胎内存在异物和钢丝帘线分布不匀等异常检测,实验结果与传统的灰度共生矩阵法相比,本文方法具有对缺陷位置定位精确、运算快速等优点。     

基于选择性融合及关系推理的群组行为识别

为解决如何选取更具辨别力的多模态人物特征,以及在进行人物关系推理时如何更加关注特定于个人的时空交互建模的问题,提出了基于选择性特征融合的动态关系推理算法框架(SFDRI)。通过设计选择性特征融合模块,根据不同模态特征的随机函数概率分布得分,添加重采样方法以选取最相关的特征表示实现多模态特征的选择融合,并采用动态关系推理模块实现针对个人的复杂时空推理,通过在时空图上初始化交互域,利用点积计算预测人物交互关系矩阵,并同时添加每个人物特征的动态偏移以形成特定于个人的交互图,通过迭代更新交互图上的特征进行最终的群组行为的识别。结合对比实验,算法在公开的排球数据集(volleyball dataset, VD)和集体活动数据集(collective activity dataset, CAD)上分别提升了1.2%和1.5%的平均识别精度,证明了算法框架的有效性。     

AF-Center：基于自适应体素绘画融合和高斯中心样本分配的多模态三维目标检测

相机图像和激光雷达点云可以为3D目标检测提供互补信息,但如何进行有效的融合仍是一个挑战。针对传统方法中无区分性融合带来的对齐偏差问题,提出一个自适应融合网络。首先构建点云体素与对应的多个图像像素之间的注意力亲和矩阵,然后依据亲和矩阵实现多像素到单体素的重要性区分融合。除此之外,针对传统anchor-based检测方法难以枚举所有方向的问题,将目标表示为关键点,首先进行中心点定位,然后回归到3D尺寸与方向等其他属性。同时,针对关键点检测时中心点样本量过少的问题,使用椭圆高斯热图进行了中心点样本的再分配。该算法在Waymo数据集上,较基线PointPillar、CenterPoint与3D-MAN分别提升了2.3%、5.9%与4.0% level2 mAPH。     

轮胎纹理提取与缺陷检测方法

为提高检测的智能化水平,以常见的轮胎纹理缺陷为对象,给出2类基于模板的轮胎缺陷检测方法。第1类采用灰度共生矩阵和直方图统计距提取轮胎的纹理特征,第2类采用一维Gabor小波提取轮胎的纹理特征。通过提取并比对模板和待检图像的纹理特征,进行缺陷检测。实验结果表明,第2类检测方法在检测精度、检测缺陷种类等方面均优于第1类方法。