基于代价敏感Adaboost目标跟踪

目的 当前,目标跟踪问题常常会通过在线学习、检测的方法来解决。针对在线学习过程中,分类器训练需要花费大量时间以提高其识别准确率的问题,提出使用Adaboost算法级联弱分类器,在训练一定帧数后仅进行检测的方法来达到实时和准确的折中。方法 首先针对跟踪问题简化了haar特征,以降低特征计算量。同时考虑到经典的Adaboost算法可能并不适合跟踪过程中存在的正负样本不均衡问题,提出在样本权重更新公式中引入一个新的调整因子项并且结合代价敏感学习来提高目标识别率的方法。最终给出使用简化的haar特征作为描述子,改进的代价敏感Adaboost作为分类器的目标跟踪算法。结果 对20组视频进行跟踪实验,本文算法的平均代表准确率高于压缩跟踪算法约26%,高于原始代价敏感算法约11%;本文算法的视频处理平均帧率高于压缩跟踪算法约38%。结论 本文提出的新代价敏感Adaboost算法对目标的识别、跟踪具有较高的准确率及较快的处理速度,并具有一定的抗干扰能力。特别对人等非刚性目标能够进行较好跟踪。     

5G手机辐射对小鼠精子质量和性激素水平的影响

为探讨5G手机射频辐射（Radiofrequency radiation,RFR）对成年雄性小鼠精子质量和性激素水平的影响,24只健康成年雄性C57BL/6小鼠随机分为假暴露组（Sham）和4.9 GHz暴露组（4.9 GHz RFR）,每组12只。暴露组小鼠接受功率密度50 W/m2、频率为4.9 GHz的RFR全身暴露,每天1 h,连续暴露21 d。暴露结束后,通过检测精子数量和畸形率评估精子质量;通过苏木精-伊红（HE）染色观察睾丸组织形态;酶联免疫吸附试验（ELISA）测定睾酮（T）、卵泡刺激素（FSH）、黄体生成素（LH）、促性腺激素释放激素（GnRH）、胶质源性神经营养因子（GDNF）和干细胞因子（SCF）的水平;蛋白免疫印迹（Western blot）检测睾丸组织中GDNF和SCF以及血睾屏障紧密连接相关蛋白（ZO-1和Occludin）的水平。与Sham组相比,4.9 GHz组睾丸形态、精子数量和畸形率无显著改变;血清中FSH和LH含量无明显改变;睾丸内GDNF、SCF、ZO-1和Occludin蛋白水平均无明显变化;但是血清中T和GnRH含量显著降低。结果表明,本实验...