基于计算机视觉的腾空飞脚错误动作识别模型

以南拳项目中腾空飞脚动作为例,依据2003版竞技武术套路竞赛规则,建立三维坐标系,将动作质量(A组)评分规则中的腾空飞脚动作的扣分规则进行形式化描述,以利于电子裁判对错误动作进行识别.针对每个动作建立错误函数和基于计算机视觉的腾空飞脚动作扣分模型,并举例说明.     

包装视觉语言之再生性指导研究

探讨视觉语言对指导人们在包装垃圾再生性方面的可行性研究。通过分析发现包装产生的废弃物对自然环境的影响很大,但人类处理包装垃圾的环保意识还不够强。因此,怎样实现包装的再生性问题更需要致力探索。根据现状,采取调整包装设计和改善包装结构的方法,用全方位的包装视觉语言指导人们提高低碳环保意识,养成垃圾回收的生活习惯,最终产生包装垃圾再生的可行性结果。     

基于内积能量的小波域自适应水印算法

针对目前很多小波域水印算法都没有考虑噪声对选择水印嵌入位置的干扰这一问题,提出一种基于内积能量的小波域自适应水印算法。该算法充分考虑人眼视觉系统掩蔽特性,利用梯度内积能量衡量的纹理特征和亮度对噪声的掩饰特性确定水印嵌入强度,将水印分量嵌入到低频系数中,解决了噪声对嵌入位置选择的影响。实验结果表明,该算法在保证水印透明性的同时,对于非几何攻击和几何攻击具有很强的鲁棒性。     

视觉与惯性传感器融合的隐式卡尔曼滤波位置估计算法

机器人对自身位置的实时感知在机器人技术中非常重要.本文主要研究机器人技术中一类基于视觉与惯性传感器的位置估计问题.与传统的状态估计问题不同的是,所研究位置估计问题为带有隐式观测方程的线性状态估计问题.为此提出一种能够解决此类估计问题的隐式卡尔曼滤波器,并给出了详细的滤波器设计过程.另外采用扩展变量法将加速度信息中的偏移量作为滤波器状态来估计,以补偿其对位置估计结果的影响.仿真结果显示,所给出的隐式卡尔曼滤波器收敛,加速度偏移带来的影响被有效的补偿.     

Visual Word Soft-Histogram for Image Representation

基于视觉词的统计建模和判别学习,提出一种视觉词软直方图的图像表示方法.假设属于同一视觉词的图像局部特征服从高斯混合分布,利用最大-最小后验伪概率判别学习方法从样本中估计该分布,计算局部特征与视觉词的相似度.累加图像中每个视觉词与对应局部特征的相似度,在全部视觉词集合上进行结果的归一化,得到图像的视觉词软直方图.讨论了两种具体实现方法:一种是基于分类的软直方图方法,该方法根据相似度最大原则建立局部特征与视觉词的对应关系;另一种是完全软直方图方法,该方法将每个局部特征匹配到所有视觉词,在数据库Caltech-4和PASCAL VOC 2006上的实验结果表明,该方法是有效的.     

基于改进Bhattacharyya系数的粒子滤波视觉跟踪算法

基于颜色直方图的粒子滤波跟踪通常采用Bhattacharyya系数(B氏系数)衡量目标与候选区域特征模型之间的相似性.分析说明目标内部区域的B氏系数存在大量的峰值,使得粒子滤波跟踪仅能适应目标收缩,无法适应目标的膨胀.为此,提出了一种改进的B氏系数,从理论上分析说明了该系数具有单峰特性,基于该系数的粒子滤波跟踪能同时适应目标收缩和膨胀.分析和实验结果均表明,基于本文提出的改进B氏系数的粒子滤波跟踪对目标快速膨胀和收缩等形变具有较好的鲁棒性和准确性.     

基于Jaccard距离与概念聚类的多模型估计

Multi-RANSAC、RHT等方法难以有效实现多模型估计。为此,提出一种基于模型聚类的多模型估计方法。将数据点描述为所属模型的倾向集,把倾向集间的Jaccard距离描述为数据点的一种属性,基于该属性使用改进的Cobweb算法进行聚类。该方法无需预知模型数目和参数变换,可有效克服漏检、交叉模型误检等情况。实验结果表明,该方法具有高效、高精度等优点,适用于消隐点检测、相机自标定等领域。     

小波系数统计特征量密写分析方法

基于人类视觉系统(HVS)抗统计分析的小波域密写通过减小载体图像的小波系数绝对值来嵌入秘密信息,会导致零小波系数的概率急剧增加。针对该问题,提出小波系数统计特征量密写分析方法。在分析载体图像和载密图像小波系数直方图的基础上,通过计算图像的小波系数统计特征量判断是否存在秘密信息,由此实现密写分析。理论分析和实验结果表明,该方法能检测出基于HVS抗统计分析的小波域密写。     

基于潜在主题的分布式视觉检索模型

为将文档聚类划分的分布式检索方法直接应用于视觉检索领域,提出一种基于潜在主题的分布式视觉检索模型。给出模型框架,包括图像视觉单词的数据集划分方法和图像子集选择方法,以此优化图像分布式检索性能。实验结果表明,该模型在不降低检索准确率的前提下,能优先选择少量的图像子集进行检索,并提高查询的吞吐量。     

基于Map Reduce的分布式视频处理平台

计算能力瓶颈限制了复杂视频事件检测算法在实时系统上的应用。为此,设计一种基于Map Reduce模型的分布式视频处理平台,用算子和算子间连接关系描述算法,将算法在时域上切分为并行计算的独立任务。采用普通计算机搭建基于该模型的视频处理集群,运行按模型组织的视频处理算法。实验结果表明,对于处理密集型的视频分析算法,系统处理能力随集群计算机数量的增加呈近似线性增长,能够满足实时处理需求,具有较强的可扩展性。