基于最小特征匹配代价的夜间车辆检测和追踪

针对夜间复杂环境下车辆追踪存在检测难、配对准确率低、追踪效果差等问题,提出一种新的夜间车辆检测与追踪算法。首先将频域的同态滤波与空域的阈值技术结合进行车灯检测;然后,利用几何特征对车灯进行跟踪;其次,将几何特征和运动特征相结合,利用最小特征匹配代价算法实现车灯配对;最后,根据车灯配对情况对车辆轨迹进行追踪,同时引入反馈修正机制对轨迹进行修正。实验表明该算法能够在不同照明和交通条件下有效检测车灯、跟踪车辆,平均检测率和跟踪率较高。     

基于轨迹多特征的运动模式学习及异常检测

为提高轨迹分类和异常检测的准确率,充分利用轨迹特征信息,提出基于轨迹多特征的运动模式分类和异常检测方法。首先通过由粗到细的分层聚类来提取轨迹运动模式,每层分别采用Bhattacharyya距离和基于线段插值的改进Hausdorff距离衡量轨迹间运动方向和空间位置的相似度,并引入Laplacian映射以降低计算复杂度并自动确定每层聚类数目。在此基础上,同时考虑待测轨迹与运动模式在起点分布、位置和方向上的差异,通过学习的起点分布模型和基于位置距离和方向距离的分类器在线判断起点、全局和局部异常。实验验证了提出的轨迹聚类算法和异常检测方法在聚类准确率和异常识别率上更优于传统方法。     

辅助身份认证的局部形状上下文手形认证算法

随着技术的发展和对安全性要求的提高,单一生物特征已经很难满足高度机密身份认证的需求,需要进行多特征身份认证,因此提出一种可以用做辅助认证的手形认证算法.该算法不限制图像采集背景,实验中采用了相对难处理的白色背景.先粗分割提取手形样本,后根据样本特征细分割得到手形轮廓,该分割算法能够在含阴影的图像中准确地提取手形轮廓,具有高自适应性和可移植性;同时提出了局部形状上下文手形认证算法,采用局部均匀采样,在局部范围内提取手形的形状上下文特征,根据该特征进行匹配认证.该方法的认证等错误率为3.15％,与其他形状上下文算法相比,在相同时间代价下,等错误率降低了1.5％ ～5％.