视频分析技术的研究和应用

通过对视频分析关键技术的探讨及国内外研究小组科研成果的分析.揭示了视频编码技术、视频对象分割技术、基于内容检索技术、流媒体传输技术之间的内在联系以及各自的技术要点、难点.通过介绍视频分析技术在视频监控中的应用,展望了该技术在多个领域的广阔的应用前景.     

CamShift算法的研究及其DirectShow实现

提出了一种全新的基于Microsoft DriectShow构架的连续自适应均值移动跟踪算法(CamShift)的实现模式。该技术创新地将DirectShow filter技术融入到CamShift自动跟踪算法的实现中,在模块化的软件构架下实现了CamShift算法在复杂视频场景下对视频对象的全实时跟踪。利用该技术开发的CamShift算法模块具有良好的灵活性和高效率,可以集成到各类基于DirectShow技术开发的应用程序中。此外,所提出的技术构架有很好的延展性,可以广泛应用在视频和图像信号处理领域。     

基于代价敏感的贫困生分类方法

针对在不平衡的贫困学生数据中,传统的机器算法在分类时会偏向于多数类而忽略少数类,而导致少数特困类的分类准确率低的问题,提出了一种基于代价敏感的贫困生分类方法(CMPSC)。首先采取基于特征选择的预处理方法对低质量的贫困生数据进行处理;然后使用基于遗传算法的搜索方法确定贫困生数据的最优代价敏感矩阵;最后由经预处理的贫困生数据构建兼顾少数贫困类的代价敏感分类器,降低多数贫困类的影响。使用多个真实广西贫困生数据集进行对比实验,以CART算法为基准线,CMPSC方法平均总体分类准确率浮动值为0.66%,平均特困类分类准确率提升率为6.3%,最高提升率可达14.7%。本文方法可以在保持总体分类准确率的同时,有效提高少数特困类的分类准确率。     

基于改进Hilditch骨架的交通标志特征提取方法

本文提出了一种针对交通标志的特征提取方法,改进了Hilditch骨架提取算法,并组合骨架的水平和竖直直方图作为标志特征.以这样的直方图数组作为特征,可以消除95%以上的不相关和冗余信息.实验表明,在相同构架的TSR(Traffic Sign Recognition)系统和BP神经网络下,相对于传统特征提取方法,该方法使识别正确率有显著提升,并增强了抗干扰能力.