基于监控视频的前景目标提取

对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(Bayesian RPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有Bayesian RPCA和MoG-RPCA提取出了完整的前景目标,但是Bayesian RPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.     

多场景下复杂监控视频的前景目标提取

主要针对第十四届中国研究生数学建模竞赛D题基于监控视频的前景目标提取问题展开研究.首先建立经典模型,通过对经典模型的不足之处提出针对性的优化而建立起来的优化模型:核密度优化模型,ViBe优化模型,深度卷积神经网络优化模型.上述优化模型对监控视频前景目标提取的平均F1分数为0.83.最终提出加权模型,对视频显著目标进行提取得到包含显著前景目标的帧标号.实验结果表明,加权模型能有效提取显著前景目标,并且能成功检测出视频中的单帧.     

基于多特征信息自适应融合的视频目标跟踪算法

针对单一视觉特征跟踪的局限性,提出一种根据场景变化动态建立目标模型的粒子滤波视觉跟踪算法,方法首先选择简单且具有互补性的色彩与纹理特征描述表示当前图像,然后在粒子滤波框架下,利用民主融合策略进行信息融合,从而提高目标观测模型的鲁棒性;分析和实验表明, 算法对视频运动目标的任意平移、转动、部分遮挡、光照变化以及相似物干扰等情况下的跟踪均具有较好的效果.     

基于Vanilla算法的网络视频推荐策略研究

伴随移动互联网和通信技术的发展,人们对视频的需求日益凸显,互联网带来更多便捷的同时也带来了信息过载的问题.视频推荐系统的优点在于帮助视频网站挖掘用户的偏好信息,从人们精准信息获取的需求出发,以视频播放网站为研究对象,研究视频推荐算法的实现和视频推荐策略的生成,首先分析了已有视频推荐算法存在的问题,其次,借助Vanilla算法和专家排序的方法规避视频评分的个体差异性,再次,在最近邻用户选择的过程中,充分考虑社交网络中的情境信息,进而改善了推荐数据有效性和预测准确度的问题.最后,提取爱奇艺视频网站的实验数据,验证了推荐策略的科学性和有效性.     

基于图模型的关键词提取算法研究

自动抽取关键词技术应用广泛.文章将文本抽象成一个图模型,结合经典的TF-IDF算法和TextRank算法,利用图上的随机游走算法实现排序.以互联网上的新闻文本为数据进行了实验,结果显示该算法效果较传统的关键词提取算法更优.     

基于前景理论的多目标灰色关联决策方法

针对决策者风险态度对多目标决策的影响,提出了一种基于前景理论的多目标灰色关联决策方法.通过奖优罚劣的线性变换算子对原始数据进行规范化处理,得到不同目标下的正负理想方案.以各方案与正负理想方案的关联系数为参照点计算各方案的前景矩阵,在此基础上构建方案综合前景值最大化的优化模型,求出不同目标下的最优权向量,进而求出综合效果测度矩阵,对每个局势进行排序.最后通过实例验证了该方法的有效性和实用性.     

基于多目标优化算法的系泊系统设计

系泊系统设计对近浅海观测网的信息传输起到了至关重要的作用.针对存在风力和水流力的多成分系泊系统,建立了计算锚链形状、钢桶和钢管的倾斜角度、浮标的吃水深度和游动区域为主的多参数多目标优化模型.结合力与力矩的平衡方程,分析了各参数的约束条件.以吃水深度、最大游动距离和钢桶倾角作为目标函数,并根据多目标遗传算法求解得到最优设计方案.最后通过模型检验,验证了方案的可行性.     

基于多证据同步融合的目标辨识算法

为提高不同类型冲突证据融合结果的可靠性,提出基于多证据同步融合的目标辨识算法。新算法先是通过分析证据之间的冲突状况,选择适用的冲突衡量参数,并相应给出基于不同参数的证据及源自于不同证据焦元的权值计算公式;进一步,依据新的焦元权值对多证据局部冲突信息实行按权指派。实例和仿真应用结果显示,与现有常用相关算法比较,新算法具有稳定性高、使用范围广泛的优点。     

基于模糊贴近度的多目标分类算法

本针对多目标分类中线性聚合模式存在的问题，提出了一种基于贴近度分析的多目标分类新算法。在非对称贴近度分析的基础上，通过确定决策对象评价的参考等级，并依据它们与评价等级集合中各评价等级的贴近程度，来进行多目标聚合与分类。本的算例说明了该算法的可行性。     

基于非凸加权核范数的目标视频帧选取

主要研究的是基于监控视频的显著前景目标帧选取问题.首先利用非凸加权核范数进行低秩背景估计.然后使用Markov随机场对稀疏前景目标位置矩阵进行估计,并提取出前景目标.最后定义显著前景目标区域,根据连通域面积大小,采用阈值法判断当前帧是否为显著目标帧,并采用F值来验证该模型的准确率.结果显示,模型在Campus、Curtain、Escalator、Fountain、Hall、Lobby和Office这7个数据集上的F值均超过90%,说明该模型普遍具有较高的鲁棒性和准确性.     

基于多目标进化算法的供水系统优化运行研究

将多目标进化算法与启发式算法相接合,对供水管网微观模型进行优化调度研究.目标函数为供水系统的运行费用和维护费用最小化,以及水压服务水平的最大化(保证安全供水),以各泵站各型号水泵的开启和调速泵的转数比为决策变量,进行二进制-实数混合编码,并采用新型的交叉算子.运用NSGA-Ⅱ、epsilon-MOEA、SPEA2三种多目标进化方法求解优化运行模型,并通过工程算例进行比较.应用表明,多目标进化算法能为供水系统的优化决策提供支持.     

基于种群自适应调整的多目标差分进化算法

为提高已有多目标进化算法在求解复杂多目标优化问题上的收敛性和解集分布性,提出一种基于种群自适应调整的多目标差分进化算法。该算法设计一个种群扩增策略,它在决策空间生成一些新个体帮助搜索更优的非支配解;设计了一个种群收缩策略,它依据对非支配解集的贡献程度淘汰较差的个体以减少计算负荷,并预留一些空间给新的带有种群多样性的扰动个体;引入精英学习策略,防止算法陷入局部收敛。通过典型的多目标优化函数对算法进行测试验证,结果表明所提算法相对于其他算法具有明显的优势,其性能优越,能够在保证良好收敛性的同时,使获得的Pareto最优解集具有更均匀的分布性和更广的覆盖范围,尤其适合于高维复杂多目标优化问题的求解。     

基于神经网络与Opencv的雷达目标检测算法研究

随着雷达使用场景日趋复杂,从回波信号中区分物体信号与噪声的难度也随之增加.旨在使用神经网络和Opencv两种方法从回波信号中区分出物体的信号,实现雷达的目标检测任务.在行列向量检测法中,将目标检测问题转换为向量分类问题,使用神经网络建立投票模型,从而对多普勒频谱上的行列向量分别进行检测,再将检测结果综合处理后获取频谱图上的极大值点.在Opencv检测法中,将雷达目标检测问题转换成图片特征检测问题,对多普勒频谱图从左上至右下进行检测,可判断出极大值点所在区域.两种算法在实际测试中均取得了良好的效果,既为雷达目标检测问题提供新的解决方案,又为深度学习算法在不同领域的应用提供新的思路.     

复杂背景下的视频前景检测方法研究

采用计算机视觉领域的相关算法,研究了如何有效地从监控视频中提取前景目标的问题.在应用中先将视频转换成逐帧图片并依据图片每一像素的灰度值将图形以二维矩阵形式数值化.在此基础上,采用帧差法、背景差法、混合高斯模型、Harris算法与FREAK算法等多种算法,利用Matlab和Python等工具建立不同背景下的相应模型.成功地从包含动态背景、镜头晃动等不同情境的监控视频中检测并提取出前景目标.同时依据不同前景目标的各维度特征信息,利用主成分分析、k-means聚类等机器学习方法构建了判断异常事件发生的算法模型,取得了一定效果.     

一种基于弱监督互补学习的视频行为检测算法

视频行为检测方法通过检测视频中人体行为发生的起止时间和类别,分析视频中人体的行为方式,能够更好地理解视频信息.然而,目前的视频数据量大、数据标注困难,为视频行为检测带来了困难.针对以上问题,本文提出了基于弱监督互补学习的视频行为检测方法,利用有限的的视频类别信息和视频帧本身的全局信息对网络结构进行训练,以及视频中的时序...     

一种基于DE算法和NSGA-Ⅱ的多目标混合进化算法

设计了一种新颖的基于差分进化算法和NSGA-Ⅱ的混合进化算法用来解决多目标优化问题。在此算法中,根据算法的搜索情况设计相应的自适应变异算子,以便在突变操作中找到Pareto解。同时,选择操作将基于NSGA-Ⅱ快速非优超排序和拥挤机制将父代与子代的双种群进行截短,确保最优解不会丢失并保证解的多样性。三个经典测试函数的仿真结果表明,文中算法在实现多目标优化问题的两个目标(获得收敛于真实Pareto前沿的解和解沿着前沿均匀扩展)方面表现出良好的综合性能。     

基于LSD的具有特定特征的三维物体轮廓提取算法

提出一种基于LSD的具有特定特征的三维物体轮廓提取算法,该算法主要用于检测结构环境中的特定目标,提取其轮廓目的在于计算出目标的位姿信息,便于机器人作业抓取.针对具有特定特征的三维物体,算法首先对物体进行基于LSD的外轮廓提取,其次再对原始图像进行基于改进的Prewitt梯度算子的边缘提取,并删除经边缘提取后外轮廓特征信息,再进行基于LSD的物体内轮廓提取,从而实现物体的轮廓提取.基于LSD的轮廓提取算法包括提取梯度图像,LSD线段检测,直线段的分类和轮廓的拟合四个步骤.在直线段分类中,提出了利用极坐标表示线段特征,利用极径和极角对线段进行有效分类的方法.为了进一步证明三维轮廓提取算法的有效性,以长方体为例,详细地阐述了该算法的具体步骤.     

基于多蜂群模型的多目标人工蜂群算法研究

提出了一种基于多蜂群模型的新颖多目标人工蜂群算法(MCMOABC,).算法使用外部档案存储非支配解,运用自适应网格对档案进行维护.在MCMOABC算法中存在3个搜索域各不相同的蜂群,其中2个称为基本蜂群,第3个为综合蜂群.选择4个常用的性能指标,将MCMOABC与其他主流算法在CEC2009测试集上进行比较,实验结果显示了算法的优越性.     

基于可辨识矩阵的模糊目标系统决策约简算法

在模糊目标信息系统决策约简和可辨识矩阵定义的基础上,讨论了可辨识矩阵的性质以及与决策约简集之间的关系.同时定义一种新的属性重要度,并将此作为启发式信息,设计了一种模糊目标决策信息系统最小决策约简算法,通过实例验证该算法简捷、有效.