依托大数据行业应用虚拟教研室培养跨学科人才

在实施国家大数据战略和创新型国家建设的引导下,培养跨学科思维与能力是创新型人才培养的核心要求.大数据是一个典型的学科交叉的技术,资源分散是当前高校大数据人才培养存在的主要问题.该文以长沙理工大学大数据行业应用虚拟教研室建设为例,打造大数据特色跨学科跨专业教学组织,从课程体系、实践环节、师资队伍、质量监督等方面提出建设措施,为培养跨学科创新型复合型人才提供参考.     

基于双边网格和置信颜色模型的快速图像鲁棒分割方法

为了在提供少量用户交互的情况下快速、准确地处理复杂自然图像的前景提取任务,提出一种基于双边空间和置信颜色模型的快速图像鲁棒分割方法.首先使用分辨率明显低于输入图像的双边网格重采样输入图像,极大地减少待处理的图像数据量;其次基于双边网格顶点构建图并定义图切割能量项,根据高斯分布规律定义未知颜色和二义颜色的辨别准则,以构建鲁棒的颜色模型;最后采用标准的最大流/最小割算法进行全局优化求解,实现高质量的图像前景提取.实验结果表明,该方法不仅能够在1 s内提取出高分辨率图像满足实时性要求的、有意义目标物体,而且还实现了复杂场景下的图像鲁棒分割.     

单幅图像训练深度神经网络的编辑传播方法

针对编辑传播技术中存在的需要选择合适图像特征、手动调整图像特征权重等问题,提出一种单幅图像训练深度神经网络的编辑传播方法.首先将用户交互转换成距离图并与输入图像级联生成多通道图像,有效地结合图像的视觉和空间特征;其次以多通道图像子块作为深度神经网络的输入,抽取符合用户交互的深度特征,并对深度神经网络进行端到端的训练,从而自动分配图像特征的权重;最后将学习的网络模型作为分类器,估计图像像素属于每类用户交互的概率值,进一步后处理获得高质量的图像编辑.采用MARA 1k数据的实验结果表明,该方法能够很好地响应用户交互以进行编辑传播.     

基于无标记点运动跟踪的步态参数提取

提出一种无标记点的步态参数提取方法,采用基于模型的人体运动跟踪方法,无须标记点即可从视频图像序列中获取运动步态参数。利用粒子滤波算法跟踪人体目标运动过程,通过基于外观模型的相似度计算及边界匹配误差判断定位腿部关节点。依据曲线拟合方法在跟踪与定位结果上提取运动步态参数。实验结果表明,该方法能精确定位腿部关节点且有效地提取步态参数。     

基于无标记点运动跟踪的步态参数提取*

〖提出一种无标记点的步态参数提取方法,采用基于模型的人体运动跟踪方法,无须标记点即可从视频图像序列中获取运动步态参数。利用粒子滤波算法跟踪人体目标运动过程,通过基于外观模型的相似度计算及边界匹配误差判断定位腿部关节点。依据曲线拟合方法在跟踪与定位结果上提取运动步态参数。实验结果表明,该方法能精确定位腿部关节点且有效地提取步态参数。     

基于外观模型的人体下肢关节点定位方法

近年来,人体下肢关节点定位成为了人体运动跟踪与分析中一个重要研究课题。提出了一种下肢关节点自动定位方法,从无关节标记的人体运动图像序列中定位下肢关节点。该方法首先采用背景剪除技术从图像序列中分割人体目标对象,并建立人体下肢骨架模型。然后,利用关节角度预测方法估计膝踝关节点的位置,在基于下肢外观模型的匹配计算基础上获得下肢关节点的真实位置。实验结果表明,该方法简单有效,下肢关节点定位结果令人满意。     

LDBP和LBP特征融合的行人检测

提出一种基于局部差分二值模型（Local Difference Binary Pattern,LDBP）和局部二值模型（Local Binary Pattern,LBP）的特征融合方法,以解决行人检测中检测精确度和鲁棒性不足的问题。对输入图像进行二维离散Haar小波变换,得到不同频率的四个子图像（LL,LH,HL和HH）;对低频部分子图像提取LDBP特征,以及对其他三个高频部分子图像提取LBP特征;采用主成分分析法（PCA）分别对得到的LDBP特征和LBP特征进行降维;融合降维后的LDBP特征和LBP特征进行行人检测。在INRIA数据集上采用支持向量机（SVM）进行测试,实验结果表明,该方法能有效地提高检测精确度,且具有较好的鲁棒性。