基于持续时空注意力网络的人脸微表情识别

人脸微表情具有持续时间短，运动幅度小，只发生在面部局部区域的特点，给微表情的准确识别带来了极大的挑战。针对上述问题，提出一种基于持续时空注意力网络(Continuous Spatiotemporal Attention Network, CSTN)的人脸微表情识别算法。该算法由主、副两个通道组成，主通道为持续时空注意力模块，副通道为位置校准模块。首先主通道进行离散采样，等间隔抽取原始视频帧组成一个新的视频序列，利用帧间差分法提取各帧之间的运动差异，再将其输入到持续时空网络，提取面部肌肉运动的时空特征；其次利用副通道提取的面部位置信息对主通道信息进行位置校准，最后将融合信息输入到Softmax分类器对微表情进行分类。实验表明在3个公开微表情数据集CASMEⅡ,SAMM,MMEW上该算法识别的平均准确度分别达到了89.96%,86.73%,89.76%,优于现有其他算法。     

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.     

一种基于粒子滤波的测向定位跟踪算法

基于多站测向定位提供的目标辐射源方位角信息,提出了一种基于粒子滤波的测向定位跟踪算法.该算法采用序贯蒙特卡罗的粒子滤波技术,对目标辐射源方位信息进行粒子滤波融合处理,实现了对机动目标辐射源的无源定位跟踪.仿真实验表明,该算法适用于非线性模型和非高斯噪声的目标跟踪,与传统的基于卡尔曼滤波的多传感器融合跟踪算法相比,定位跟踪更为精确,从而对提高战场电子目标定位跟踪和精确打击具有广泛的应用价值.     

一种检测范围自适应的目标跟踪算法

为处理目标的消失重现、形变及环境变化等问题, 要求跟踪算法有一定的检测与学习能力. 针对全局检测方法因冗余检测而造成检测效率低下的问题, 在基于P-N学习的跟踪框架的基础上, 提出一种自适应生成检测范围的目标跟踪算法. 通过引入卡尔曼滤波器(Kalman filter)对目标位置、尺度以及两者的变化速度进行预估, 在检测前根据预估信息自适应生成检测范围, 提高检测效率. 在公开的CoGD数据集上进行实验, 结果证明该算法较原始算法在准确度基本不变的基础上, 速度得到显著改善.     

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。     

基于差分图像的人脸检测与跟踪研究

人脸检测与跟踪是人脸信息处理领域中的一项关键技术,提出了一种可通过自适应阈值分割运动区域,根据人脸几何特征验证得到人脸模板,再运用GA跟踪人脸,并且用M6215摄像头进行实时采集、定位与跟踪的新的快速有效的人脸跟踪方法.实验表明:本系统不仅跟踪速度快,还可以在人的手势变化干扰或背景有干扰的情况下,进行令人满意的人脸检测与跟踪.     

基于改进的Heaviside核函数新的目标模型追踪算法

为更好地解决前景和背景相似程度较大或目标运动较为复杂的问题,提出了基于改进的Heaviside核函数新的目标模型追踪算法.在初始帧中,使用改进的Heaviside核函数来表示目标区域,然后分别计算目标区域前景和背景元素的颜色纹理直方图特征分布,并通过前景和背景特征分布差异建立新的目标模型,它可更好地代表目标.对于候选模型,结合传统Epanechnikov核对目标模型建模,通过Bhattacharyya系数进行迭代搜索,最终收敛的位置即为下一帧的目标中心.实验结果表明:提出的算法和传统的Mean-shift算法和基于颜色纹理直方图的Mean-shift算法相比较精确度高、速度快、鲁棒性强.     

增强目标模型鲁棒性的Mean-shift算法

针对传统Mean-shift算法中颜色核函数直方图对目标特征描述较弱的缺点,提出了一种联合目标特征点的二维结构信息和颜色信息的Mean-shift改进算法.改进算法细化了Harris检测算子的角点响应阈值,提取出更多的目标特征点计算其方向分布,并以方向与部分颜色特征的直方图构建目标模型,该模型能显著区分目标与背景.实验对不同算法进行了仿真及性能比较,结果表明:提出的改进算法在一定的复杂场景中提高了跟踪精度,且具有较好的鲁棒性.     

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.     

基于自适应特征的遮挡人脸特征点定位算法

为了使人脸特征点定位算法在人脸被物体遮挡的情况下仍能快速、准确地检测特征点的位置,提出了一种基于自适应特征的遮挡人脸特征点定位算法。该方法首先检测每个特征点的遮挡状态,即先训练一个逻辑回归模型,通过所有特征点周围的纹理特征快速地估计出每个特征点被遮挡的概率值;然后根据每一个特征点被遮挡的概率自适应地调整该特征点纹理特征的权重,使得被遮挡概率较大的特征点获得较小的权重值,减小人脸遮挡对特征的影响,提高特征点定位的准确度。实验结果表明,本文算法的特征点定位的平均误差达到5. 94%,遮挡检测准确率/召回率达到80%/72. 84%。     

联合帧间差分和边缘检测的运动目标检测算法

面对运动目标检测,采用传统的帧间差分法往往造成目标空洞与轮廓丢失的问题,提出一种联合帧间差分和边缘检测的运动目标检测算法。首先计算相邻三帧的两两差分图像,再采用自适应阈值生成二值化图像,经二值化图像与运算提取运动目标区域图像;其次采用改进型Canny算子依次对相邻三帧图像进行边缘检测,依据运动关联法则,获取运动目标边缘图像;最后联合运动目标区域图像和边缘图像,提取运动目标轮廓,再采用形态学方法提取运动目标。实验表明,本算法提高了运动目标的检测性能和保持了运动目标轮廓。     

基于图像特征检测和匹配的无人船航行姿态角提取方法

计算机视觉的飞速发展, 使得采用视觉技术辅助无人船航行成为可能. 在无人船巡航过程中, 获取船体航向是航行控制的必备基础. 特征匹配是无人船相关视觉技术中的重要部分, 是目标识别和定位等功能的关键步骤. 获取无人船运动姿态的基本步骤是对图像前后帧进行有效的特征提取和匹配. 针对水域环境中的图像静态特征提取速度慢、精度低的问题, 本文提出一种图像匹配方法以求取无人船的航行姿态角. 首先对图像预处理, 并对有效区域进行特征提取. 其次, 设计一种基于描述子相似度的初始特征匹配策略. 再其次, 筛选特征匹配对, 优化模型参数. 最后, 通过前后帧旋转矩阵计算航行姿态角. 实验表明, 该方法能有效提取无人船的航行姿态角.     

基于递归高阶统计和改进分水岭算法的运动对象分割

提出了基于递归高阶统计和改进分水岭算法的视频图像序列中的运动目标分割算法．该算法首先利用递归高阶统计及多帧运动信息估计出图像序列中的运动区域，而后用一种改进的分水岭算法对提取出的区域进行空域分割，进而提取出视频图像序列中运动目标．实验结果表明所提出的算法能有效地提取出运动目标．     

一种结合Mean—shift和粒子滤波的视频跟踪算法

提出一种结合均值偏移算法和粒子滤波理论的视频跟踪算法,解决了目标旋转、部分遮挡和运动速度过快的问题．通过均值偏移对粒子滤波中的粒子集进行进一步寻优,增加了粒子的有效性,极大减少了粒子采样的数量,且解决了经过多次重采样后粒子多样性降低的问题．新的粒子通过与观测值之间的巴氏系数来决定重要性权重．实验证明：本算法可以完成实时地对视频目标进行部分遮挡以及目标旋转下的跟踪,具有较强的鲁棒性．     

基于灰色关联分析的H.264/AVC视频隐写算法

针对当前视频隐写算法对视频质量和码率影响较大等问题,结合H.264编码标准的宏块分割特性,提出一种基于灰色关联分析的视频隐写算法.该算法对原始载体进行灰色关联度计算,判断其是否为非平滑块,再对帧做离散余弦变换(DCT)变换,根据H.264/AVC编码的宏块分割特性得出的分块大小选择合适的嵌入量,在DCT块的低频区域进行嵌入.实验结果表明,进行秘密信息嵌入后,对视频序列的影响较小,亮度分量的峰值信噪比(PSNR)值平均下降约1.323dB,隐写分析平均检测率为35.73%,算法的平均嵌入容量为417b/帧,对码率影响仅在3%以下,攻击后提取秘密消息的相似度(SIM)值在0.79以上.因此,该算法对视频质量和码率影响较小,并具有抗噪声、滤波攻击,隐写容量大等优点.     

处理立体X线图像模型的一种微型机方法

本文论述立体X线图像模型处理的一种方法,并介绍一个模拟实验过程.在Cromemco微型机上,首先建立模型,进行边缘检测、求特殊点、环线跟踪,然后在立体图对之间实行相关检验处理,计算目标的空间坐标。文中对主要算法与Fortran程序进行了讨论,并给出处理实例。     

卡尔曼滤波在室内定位系统实时跟踪中的应用

为了解决室内定位系统实时跟踪应用中所估算的用户位置方差较大,用户位置移动不平缓这一难题,提出了一种基于卡尔曼滤波的室内定位方法.首先利用最近邻居法估算用户的位置坐标,然后再利用卡尔曼滤波算法对用户的估算位置坐标进行滤波处理,以提高室内定位系统的性能和稳定性.实验结果表明,卡尔曼滤波算法可以将2 m以内85%的定位精度进一步提高到93%,3 m以内95%的定位精度提高到98%,改进效果明显而且稳定.     

基于特征融合粒子滤波的神经丝自动跟踪

神经丝蛋白质是研究轴突信息传递和神经退化疾病的标志物质.传统的神经丝蛋白质的跟踪,通常需要人工手动完成,进而分析其活动特性.这一过程不仅劳动强度高,而且存在很大的人为错误因素.对此,本文提出以特征融合的改进粒子滤波方法实现对神经丝蛋白质的自动跟踪.特征融合的过程中针对提取视频的特点和神经丝蛋白质运动的不规律性,利用空间—颜色核函数直方图法实现目标的高效率、高鲁棒性跟踪;而对于神经丝蛋白质容易变形的特点,引入重心修正粒子分布以提高粒子的有效性.在此基础上对特征融合函数引入分配权值系数.实验表明,本研究提出的方法在对神经丝蛋白质视觉跟踪具有很好的效果和鲁棒性.     

权重不平衡有向网络下的分布式优化算法

研究了有向网络下的分布式优化问题,其中每个智能体的局部目标函数的和构成了网络的全局目标函数。本文利用梯度跟踪和比例积分的策略对梯度的平均值进行跟踪,并设计变量对拉普拉斯矩阵零特征值的左特征向量进行跟踪,从而在权重不平衡有向网络下提出了一类基于梯度的固定步长分布式优化算法。将分布式优化算法从无向图推广到了有向图。在局部目标函数和其梯度分别满足强凸和李普希兹连续的情况下,结合凸分析和李雅普诺夫稳定性理论分析算法的收敛性,结果证明所提出的算法能够收敛到优化问题的最优解。     

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.