A structure-preserved local matching approach for face recognition

In this paper, a novel local matching method called structure-preserved projections (SPP) is proposed for face recognition. Unlike most existing local matching methods which neglect the interactions of different sub-pattern sets during feature extraction, i.e., they assume different sub-pattern sets are independent; SPP takes the holistic context of the face into account and can preserve the configural structure of each face image in subspace. Moreover, the intrinsic manifold structure of the sub-pattern sets can also be preserved in our method. With SPP, all sub-patterns partitioned from the original face images are trained to obtain a unified subspace, in which recognition can be performed. The efficiency of the proposed algorithm is demonstrated by extensive experiments on three standard face databases (Yale, Extended YaleB and PIE). Experimental results show that SPP outperforms other holistic and local matching methods.     

Robust facial feature points extraction in color images

A method of facial feature points extraction based on improved active appearance model (AAM) with Gabor wavelet features was presented in the paper. After the pre-processing of a standard face detector and lighting compensation, the paper proposed a hybrid AAM by combining the local skin similarity with the original local grey-level appearance model. Moreover, the feature points by the hybrid AAM and their neighbors were considered by a classification problem to further refine the results. Namely, the Gabor feature around the feature points was extracted, trained by linear discriminant analysis (LDA) and classified by K Nearest Neighbor (KNN) to give the precise location of the feature points. Experimental results indicated that facial feature points can be located robustly and precisely by the proposed method.     

简化的SIFT算法在双目立体视觉中的应用

图像均匀匹配是双目立体视觉领域研究的重点。本文用SIFT特征匹配算法处理立体匹配,并利用构造圆环形窗口以及12维向量表示一个特征点的方法,既保持SIFT算法的尺度不变性,又有效降低了算法的复杂度,提高了算法实时性。     

一种基于地磁信号的激光同时定位与建图的闭环 检测方法

激光同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术在激光干扰或结 构高度相似的环境中,容易产生闭环误检。针对这一问题,该研究提出一种闭环粗匹配与地磁特征 筛选闭环检测算法。通过在闭环检测环节中加入地磁匹配算法,对候选闭环检测位姿节点集进一步 筛选,降低了传统激光闭环检测的误检现象,并对定位与建图环境中由于反射与透射干扰而引起的误 检测与建图失真进行修正。该研究采集了真实的激光点云与地磁信号数据集,并将所研究算法与传统 激光 SLAM 进行了对比。实验结果显示,该算法在匹配速度和准确率上都有明显提升,与 Google 的 Cartographer 算法相比,在闭环检测速度上提升了 31%,在 0.8 召回率的情况下闭环检测的误检率降低 了 23%,提升了 SLAM 技术在激光干扰条件下工作的稳定性。     

DC-Hunter:一种基于字节码匹配的危险智能合约检测方案

近年来，智能合约中的漏洞检测任务已受到越来越多的关注。然而，缺少源代码和完备的检测特征限制了检测的效果。在本文中，我们提出了DC-Hunter：一种基于字节码匹配的智能合约漏洞检测方案。它可以通过已知的漏洞合约找到类似的漏洞合约，并且可以直接应用于现实世界中的智能合约，无需源码和预先定义的漏洞特征。为了让提出的方法更加切实可行，我们应用程序切片来降低无关代码的影响，通过规范化减少编译器版本带来的差异，并使用图嵌入算法来捕捉函数的结构信息，从而显著减少误报和漏报。此外，借助DC-Hunter我们揭露了一种新型的危险合约。我们发现有一些合约是伪漏洞合约，专门用于诱骗他人尝试进行攻击，从而窃取攻击者的以太币，这种合约称为"蜜罐合约"。我们实现了DC-Hunter的原型，并将其应用于现实世界的智能合约，共有183份危险的合约被报出并确认，其中包括160份漏洞合约和23份蜜罐合约。     

融合多特征表示和超像素优化的双目立体匹配

针对目前许多局部双目立体匹配方法在缺乏纹理区域、遮挡区域、深度不连续区域匹配精度低的问题,提出了基于多特征表示和超像素优化的立体匹配算法。通过在代价计算步骤中加入边缘信息特征,与图像局部信息代价相融合,增加了在视差计算时边缘区域的辨识度;在代价聚合步骤,基于超像素分割形成的超像素区域,利用米字骨架自适应搜索,得到聚合区域,对初始代价进行聚合;在视差精化步骤利用超像素分割信息,对匹配错误视差进行修正,提高匹配精度。基于Middlebury立体视觉数据集测试平台,与自适应权重AD-Census、FA等方法得出的视差图进行比较,该算法在深度不连续区域和缺乏纹理区域的匹配效果显著改善,提高了立体匹配精度。     

一种基于文档拓扑的相似性搜索算法

从海量文档中快速有效地搜索到相似文档是一个重要且耗时的问题。现有的文档相似性搜索算法是先找出候选文档集,再对候选文档进行相关性排序,找出最相关的文档。提出了一种基于文档拓扑的相似性搜索算法——Hub-N,将文档相似性搜索问题转化为图搜索问题,应用相应的剪枝技术,缩小了扫描文档的范围,提高了搜索效率。通过实验验证了算法的有效性和可行性。     

Vague集的相似度量及其在聚类分析中的应用

在智能系统的研究与开发中,聚类分析是一个非常重要的问题。提出了一个基于未知度和核的Vague集间的相似度量公式。在考虑算法自主性和计算复杂性的基础之上,通过参考Fuzzy集中的相关聚类分析方法,给出了一种以Vague集的相似度量为评价准则的直接聚类算法。使用相似度量公式,分别采用Vague 传递闭包法和Vague 直接聚类法进行计算,实验结果表明,基于Vague 相似度量的直接聚类法计算简单,不会造成原始信息的失真,而且对数据量的大小均无特别的要求,比Vague 传递闭包法更加有效。     

二部图的所有极大匹配

二部图作为一种非常重要的数据结构有很多特殊性质,针对文献[4]中的二部图的所有极大匹配求解算法,给出了反例证明了该算法是错误的,同时证明了二部图的所有极大匹配的求解是NP难问题.     

Office操作题自动评分关键技术

考试系统在评分前不能准确定位操作对象,易导致错判;评分时,答案只有部分正确,不能给出合理的分数。针对这两个问题,设计了考试系统,采用书签做标记来定位操作对象,评分前告诉考试系统判考生文档的哪部分内容,不会出现错判;评分时利用近似匹配法判文字录入部分,利用VBA获取考生文档的格式与标准答案比较,得出精确的分数。该系统从出题到评分模拟了真实的考试环境,测试结果表明,评分准确、高效。