一种基于速度强度熵与纹理特征的人群异常检测算法

人群异常事件检测是智能视频监控领域的重要研究内容,文章提出了一种融合速度强度熵VMME与纹理特征的人群异常行为检测算法.该算法采用LBPCM算法提取图像纹理特征,在视频帧计算光流基础上,获得特征点速度强度图,并以其熵VMME作为场景运动特征,将场景纹理特征和运动特征送入支持向量机训练分类.实验表明,新算法可实现对人群异常行为的检测,且有较高准确率.     

结合光流法与信息熵的人群突发事件检测与判断

在公园、学校、购物中心等人流密集的地方，如果发生火灾、地震或犯罪案件，易导致类似踩踏的安全事故。需要掌握区域内人群是混乱还是有序疏散的信息，从而尽快采取有效的应对措施，将人员伤亡降至最低。 提出了一种结合光流法与信息熵的人群突发事件检测与判断算法。通过LK光流算法从视频中提取运动物体的特征点，并得到特征点的位置信息；根据位置信息计算速度和加速度，分析运动强度，检测突发事件；由各速度矢量在方向上的分布得到概率，计算信息熵，由信息熵来判断视频中人群的状态是混乱还是有序。与同类算法相比，本算法能在准确检测突发事件的同时判断人群状态，适用于多种不同场景。     

基于熵的视频运动矢量隐写分析算法

利用运动矢量隐写对相邻运动矢量相似性的扰乱作用,提出一种基于信息熵的视频运动矢量隐分析算法.在视频帧的滑动窗口中选取运动矢量,并分别对水平分量H、垂直分量V、方向D以及长度L等4个系数进行熵值计算以描述相似度.通过移动帧内滑动窗口位置,计算各窗口内运动矢量的熵均值矩阵,构造了16维的运动矢量HVDL特征.为了评估本文HVDL特征的表现,将HVDL与AoSO对比,对不同时期4种嵌入算法的样本进行了隐写分析实验,实验结果表明HVDL对当前安全性更高的隐写算法的检测准确率比AoSO高,且特征运行速度更快.     

一种融合纹理和颜色信息的背景建模方法

鉴于目前视频序列的运动目标检测常使用背景差分法,但其受光照变化以及阴影影响,不能准确区分出运动物体的特点,因此提出一种新的背景建模算法.该算法融合纹理信息和颜色信息建立背景模型,其中的纹理信息采用LBP算子进行描述.为更好地描述纹理信息,进一步改进了基本的LBP算子,并同时引入抗噪因子增强抗噪声影响.实验证明,提出的算法在大多数情况下都取得良好的效果.     

基于混合高斯模型的运动目标检测

针对运动目标检测中的背景复杂度高、视频数据计算量大等问题, 且为避免计算不同复杂程度的视频背景, 并能够准确地获取所需要的运动目标, 提出了一种基于混合高斯模型的运动目标检测方法. 首先采用混合高斯模型获取运动目标特征; 然后利用中值滤波方法去除视频目标运动特征中的背景噪声; 最后依据形态学运算方法对通过统计直方图得到的运动显著图进行处理, 从而获取最终的运动目标. 对标准视频序列集的检测表明, 利用该算法获取的运动目标不仅能抑制背景噪声, 而且精准度和误差都优于普通的视频运动目标检测算法.     

一种新的运动自适应去隔行算法

提出基于棱边方向检测的运动自适应去隔行算法,该算法能充分利用图像序列的时间和空间上的相关信息,采用新颖的相邻场运动检测方法区分视频序列中的运动和静止部分.对于运动部分,使用改进的基于棱边方向的边沿自适应插值算法;对于静止部分,采用三点中值滤波插值算法.仿真实验表明：算法无论在画面视觉效果还是视频图像信噪比,均达到良好了效果.     

基于深度学习的校园欺凌行为检测研究

为通过校园监控网络实时发现校园欺凌事件, 提出采用人体姿态检测模型与递归神经网络相结合的方法来分析视频中的每一对个体行为, 并通过一个完全连接的网络来识别一系列视频帧的行为, 进而判断是否存在校园暴力行为. 此外, 还建立一个包含了来自校园不同地方的3000多个视频片段数据库, 并对视频中的运动行为进行标注, 以用于训练及测试. 通过对照实验发现 与传统方法相比, 本文设计算法的实时分析准确率更高.     

基于图像纹理分布的算法在子弹自动比对中的应用

基于笔者所在研究组自行研发的三维激光彩色扫描仪系统（3DLCS）的功能特性以及公安子弹痕迹检测实际应用的需求,提出了基于图像纹理分布的统计算法.该算法利用边缘检测、去除噪声、阈值分割,找到描述图像纹理分布的数组特征,再利用此特征进行弹头的最小绝对差（MAD）自动比对.与直接利用MAD算法进行子弹检测比较起来,SABGD标注了图像的纹理特征,更符合人眼匹配图像的机制.实验表明,SABGD在弹头检测过程中,可以减少比对的数据量,提高比对准确率,减轻比对人员工作量.     

一种视频图像的自适应水印新算法

随着计算机和网络技术的快速发展，数字水印技术正成为一种数字煤体知识产权保护的有效方法，本文提出一种视频自适应水印新算法，它直接对压缩后的视频数据流进行操作，将水印信息嵌入到运动矢量上，根据待嵌入的水印住处和运动矢量的特征矢量，新算法自动调整嵌入方案，使得嵌入水印后的图像质量损失达到最小，水印的提取算法具有盲检功能，并且新算法与视频标准有很好的兼容性，实验结果表明，算法简单有效。     

基于深度信息的单幅图像自动阴影检测

为解决复杂场景阴影的自动检测问题,提出一种基于深度信息的单幅图像自动阴影检测算法。该算法首先利用深度信息估计图像的法线、点云信息,并对图像进行多尺度纹理滤波;然后利用法线、点云和色度信息估计不同尺度下滤波图像的阴影置信度和亮度置信度,并对两种置信度图分别进行阴影边界相关的多尺度融合,消除纹理影响的同时保留了复杂的阴影边界信息和结构信息;最后利用拉普拉斯算子对阴影置信度进行插值优化,得到更精确的阴影检测结果。实验结果表明,对于简单场景和复杂场景图像,该算法都能完整检测出其中的硬阴影和软阴影,具有较好的阴影检测效果。通过与其他算法的阴影检测结果进行对比,验证了本文算法的准确性和鲁棒性。     

基于最小平均复杂度的矢量量化音频分类方法

首先提出了“平均复杂度”的概念，然后由信息熵公式给出了最小平均复杂度的计算方法，并以此为准则构造音频数据的矢量量化树，从而得到音频数据在特征空间的分布情况．根据不同种类的音频数据有不同分布这一事实，比较未知音频与已知音频种类的数据在特征空间中的分布情况的近似程度，就可完成音频分类．实验表明，该方法具有适应性强、计算效率高的特点。     

基于移动Agent技术的医学图像检索方法

针对现有医学图像检索方法中，检索算法速度较慢、准确性较低以及远程检索时占用大量带宽等问题，设计并实现了一种基于移动Agent技术的医学图像检索方法，重点讨论了该方法实现的关键技术，包括提升框架下的M带整数小波变换和提取多通道纹理特征的检索算法．模拟实验结果表明，该方法实时性较强，占用网络带宽较少，采用的算法运算速度提高近10倍、运算复杂度降低约50％，提取的纹理特征能充分表达图像内容，较好地满足了医学图像的检索要求，实现了对医学图像库快速较准确的检索．     

可变高度激光里程计在室内不平整地面环境下的地图构建

针对可变高度激光雷达的结构特点提出了一种基于线、面特征的匹配算法, 并应用于存在不平整地面的结构化的室内环境. 首先提取激光点云中的边缘点和平面点, 并使用随机抽样一致性算法拟合成线段和平面; 然后根据线段与平面几何关系提出特征匹配条件, 完成特征之间的匹配; 利用特征间的匹配关系构建约束方程求解机器人位姿; 最后把机器人竖直方向位姿变换信息补偿到激光点云中, 并把纠正后的有一定高度的激光点云压缩成二维激光构建室内栅格地图. 实验结果表明, 与常用的二维激光同时定位与构图算法Gmapping对比, 在地面不平整的室内环境构建的地图得到了改善, 提高了移动机器人的构图精度.     

基于感知的右视点质量可分级编码算法

为了减少立体视频传输如此庞大的数据量，根据人眼的立体掩蔽效应，提出了基于感知的右视点质量可分级编码算法．该算法将宏块分为3类：平坦块、纹理块和边缘块，通过不同的量化步长使得右视点图像块的质量可分级．实验证明根据左视点的图像质量，右视点在人眼感知范围内码率减少25％～37％．该算法能在人眼主观察觉范围内很好地提高码率，进一步消除人眼立体视觉冗余．     

3D人脸线框模型的自动调整

3D人脸线框模型是自然人脸表述的重要方法.如何将通用的模型调整到特定的人脸上涉及脸部特点的自动提取和模型的调整两个主要过程.对通过皮肤颜色分割和形态滤波得到复杂背景的视频场景中的候选人脸,用区域惯量椭圆方向进行调整并用先验人脸模板校验以找出人脸和脸部特征区域.根据人脸特征区域所具有的颜色特性和空间分布采用基于特征的人脸识别算法提取部分重要的脸部特征点,由曲线和活动轮廓模型拟合脸部特征边缘,从中提取特征点,用来估计头部姿势和作为插值结点的使用径向基函数插值,可将3D人脸线框模型自动调整到特定的人脸上.     

基于纹理特征的小麦锈病动态模拟方法

病害仿真是农业信息化的重要研究内容之一,通过模拟病害发生过程,可方便直观有效地宣传作物病害有关知识。病害模拟在教学、影视及游戏等领域也有重大应用价值。为实现作物病害过程模拟,以小麦为研究对象,在温度与湿度变化环境下,对小麦条锈病、叶锈病、秆锈病3种锈病类型进行基于纹理特征的动态仿真模拟。用噪声模拟分布在小麦茎叶上的孢子堆,通过调整噪声属性模拟不同的锈病类型,从而达到逼真的模拟效果;通过改变遮罩贴图中红绿蓝（RGB）3种颜色分量的分布,指定模拟发病位置,区分小麦锈病的发病类型;通过着色器调整指定位置作物模型表面贴图,以径向为扩散路径,完成植株从完好到完全发病的可视化过程。该方法模拟效果较好,具有一定的研究意义与应用价值,可为其他作物的多病害模拟提供参考。     

癌前细胞诊断的特征选择

指出了目前基于DNA－Index的定量细胞学诊断系统中对于癌前非典型增生细胞诊断的不足,提出了运用模式识别的方法对癌前非典型增生细胞是否存在恶变倾向进行有效识别,针对分类识别过程中,细胞特征参量过多,分类器设计困难的具体情况,采有了基于Tabu Search的搜索策略来解决识别特征的选取问题,实验表明：通过选择适当的搜索参数,基于Tabu Search的搜索方法无论是在搜索效率还是在结果的优化程度上都明显地优于其它传统的方法,搜索得到的特征参量能够有效地描述癌前增生细胞的不同性状,这在癌前的早期诊断方面具有良好的实用性。