基于TPE的SpaRC算法超参数优化方法

宏基因组序列组装在计算和内存上面临着巨大挑战。SpaRC(Spark Reads Clustering)是基于Apache Spark的宏基因组序列片段聚类算法,为来自下一代测序技术的数十亿测序片段聚类提供了一种可扩展的解决方案。但是,SpaRC算法参数的设置是一项非常具有挑战性的工作。SpaRC算法拥有许多对算法性能有着很大影响的超参数,选择合适的超参数集对于充分发挥SpaRC算法的性能来说是至关重要的。为了提高SpaRC算法的性能,探索了一种基于树状结构Parzen估计方法(Tree Parzen Estimator,TPE)的超参数优化方法,其能够利用先验知识高效地调节参数,并通过减少计算任务加速寻找最优参数,达到最佳聚类效果,从而避免昂贵的参数探索。对长序列片段(PacBio)和短序列片段(CAMI2)进行实验,结果表明,该方法在改善SpaRC算法性能方面有着良好的效果。     

基于多特征融合的细粒度视频人物关系抽取

视频人物关系抽取是信息抽取问题中的重要任务,在视频描述、视频检索,以及人物搜索、公安监察等方面具有重要价值。由于视频数据的底层像素与高层关系语义之间存在巨大的鸿沟,现有方法很难准确地抽取人物关系。现有研究大多通过粗粒度地分析人物共现等因素来抽取人物关系,忽略了具有丰富语义的视频中的细粒度信息。为解决现有算法难以准确、完整地抽取视频人物关系的问题,文中提出了一种基于多特征融合的细粒度视频人物关系抽取方法。首先,为了准确识别视频人物实体,提出了一种基于多特征融合的人物实体识别模型;然后,提出了一种基于细粒度特征的人物关系识别模型,该模型不仅融合了视频中人物的时空特征,而且考虑了与人物相关的细粒度物体信息特征,从而建立更好的映射关系来准确识别人物关系。以电影视频数据和SRIV人物关系识别数据集为实验数据,实验结果验证了该模型的有效性和准确性,与现有同类模型相比,所提模型的人物实体识别F 1值提高了约14.4%,人物关系识别的准确率提高了约10.1%。     

列车视频监控中视频遮挡报警算法的研究与应用

针对列车视频监控中监控背景易被遮挡的现象,在单高斯背景模型的基础上,提出了一种结合背景减除法和最佳分割阈值迭代思想的图像遮挡提取算法,该算法可以解决列车视频监控中的背景模型更新不及时以及阴影消除的问题。测试结果表明,本文算法可以有效地对列车视频监控场景中遮挡视频的物体进行分析提取,并发出报警提示,为列车监控系统提供数据分析。     

智能小区安全防范系统设计

结合住宅小区工程实例对智能小区安全防范系统的各子系统进行逐一论述,提出了智能小区安全防范系统的设计方案,体现出智能小区的安全、舒适、便捷和高效的特点.     

录像机磁头VC卷线自动生产线的监控管理系统

文章介绍了录像机VC卷线自动生产线监控管理系统的更新改造工作.详细介绍了该系统的硬件改造方案和软件设计开发工作.该系统在实际生产中,运行可靠,达到了设计目标.     

高清视频处理技术对水库水位远程自动监测系统应用

以桃林口水库为试点,应用高清视频处理技术对水库水位进行远程自动监测,介绍了系统的工作原理与总体设计方案,选取最优的视频采集技术及合理的无线数据传输方式,利用视频图像处理的算法去掉图片冗余信息,推断得出计算水位精确的数据,并将结果存放于数据库中。实现了无人值守水库水位数据的远程查看、及时保存、绘制折线图与自动监测报警的功能。     

Video summarization via minimum sparse reconstruction

The rapid growth of video data demands both effective and efficient video summarization methods so that users are empowered to quickly browse and comprehend a large amount of video content. In this paper, we formulate the video summarization task with a novel minimum sparse reconstruction (MSR) problem. That is, the original video sequence can be best reconstructed with as few selected keyframes as possible. Different from the recently proposed convex relaxation based sparse dictionary selection method, our proposed method utilizes the true sparse constraint L₀ norm, instead of the relaxed constraint _L2,1$L_{2,1}$ norm, such that keyframes are directly selected as a sparse dictionary that can well reconstruct all the video frames. An on-line version is further developed owing to the real-time efficiency of the proposed MSR principle. In addition, a percentage of reconstruction (POR) criterion is proposed to intuitively guide users in obtaining a summary with an appropriate length. Experimental results on two benchmark datasets with various types of videos demonstrate that the proposed methods outperform the state of the art.     

基于Cortex-A8的智能视频传感器的设计

视频监控在安全防范系统中有着重要作用。为了提高视频监控系统的智能化水平,设计并实现一种基于Cortex-A8的智能视频传感器。首先,以s5pv210为处理核心,TVP5150为视频采集模块,电源、网口、串口等外围辅助电路为基础,搭建视频传感器的硬件平台;然后,以嵌入式Linux为系统平台,采用TVP5150进行视频解码,Cortex-A8内置MFC进行视频压缩,在Vi Be等算法的基础上实现对检测区域的区域警戒,烟雾检测等;最后,融合硬件与软件为一体,实现智能视频传感器的设计。实验表明,该设计提高了智能视频监控系统检测报警及智能识别的实时性与准确性。     

UML模型和Java代码之间的一致性检测方法

针对代码与模型之间的不一致性问题,提出了一种基于UML模型和Java代码之间的一致性检测方法.首先,对UML类图和时序图进行形式化描述,并提出时序调用图(SD-CG)这一概念,在此基础上完成类的关联关系到关联属性的转换以及UML时序图到时序调用图SD-CG的转换;其次,通过方法调用图CG来表达类方法之间的调用关系,从而反映代码动态行为,由此通过对Java源代码的词法分析与语法分析,可获得类的信息及方法调用图CG;然后设计了UML模型与Java源代码间一致性检测算法,包括对类间静态信息以及时序调用图SD-CG与方法调用图CG间的一致性检测;最后,通过开发UML模型与Java源代码一致性检测工具,验证了所提出的方法是可行有效的.     

基于场景的联锁软件形式化模型生成方法

为保证列车运行安全和旅客生命财产安全,对车站联锁控制系统进行有效的分析、验证和测试是必不可少的,而形式化模型是联锁系统分析、验证和测试的基础.以计算机联锁软件的UML半形式化模型为基础,以事件确定有限自动机模型作为描述系统的形式化模型,研究UML2.0顺序图转换为事件确定有限自动机模型的方法.首先选取一组与交互行为相关的全局变量作为状态向量来分析和消解顺序图各个场景的消息以及不同场景间的同一消息的前后置状态向量值是否存在矛盾,从而得到一致性的需求场景;然后提取各对象的事件序列生成对应的事件确定有限自动机;最后通过组合系统中对象的自动机模型得到系统的事件确定有限自动机模型.该方法改善了安全苛求软件的设计与开发,为软件质量评估提供了技术支撑.