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%。     

部分遮挡人脸识别的方法综述

通过人脸识别进行身份确认一直以来都是非常活跃的研究主题,在现实环境中,表情变化、光照影响、姿态变化、遮挡等都会对人脸识别任务产生不良的影响,其中部分遮挡问题一直没有得到有效的解决。对部分遮挡人脸识别的稀疏表示法、遮挡字典的处理方法、遮挡的误差编码方法、基于深度学习的方法、基于深度学习与传统算法结合的方法和基于3D的方法进行了总结,阐述了各类方法的基本思想和原理,分析了现阶段存在的问题和未来的研究方向。     

一种简单的可得到闭式解的姿态估计方法

针对基于模型的姿态估计问题提出了一种新颖的深度估计算法,该算法能根据特征点对而不是单个的特征点与相机的几何关系,直接计算出相机运动前后特征点的深度.根据该深度估计技术,进一步提出了一种简单的可得到闭式解的运动参数估计方法.该姿态估计方法实时性高、便于实际应用,其方法的有效性得到了实验验证.     

基于迁移学习的自然环境下香梨目标识别研究

为了准确识别自然成熟的香梨果实,使得采摘机能对水果目标进行精确的定位,提出了使用目标检测深度学习网络模型的方法.该模型基于Mask R-CNN,首先通过在Kaggle数据集以及网上爬取并筛选出的9 600张水果图片对Resnet网络进行初步训练,然后在预训练过的Resnet网络基础上加入掩模分支和分类分支训练自然环境下成熟香梨的数据集,最终获得准确识别香梨目标的网络模型.实验结果表明,在同等目标未添加噪声的情况下,在使用水果图片数据集预训练的基础上,图片的平均分割精度为98.02%,这与使用COCO数据集进行预训练相比(精度为93.72%),平均分割精度增加了4.30%.此外,该模型对于被遮挡水果也有着不错的识别效果,在未添加噪声的情况下,被遮挡水果的平均分割精度为95.28%,这与未被遮挡水果的分割精度相比,误差仅增加了2.74%.所以,此模型对于香梨的识别和分割具有很好的鲁棒性.     

基于相关滤波的改进Staple人脸跟踪算法

在基于相关滤波的目标跟踪算法Staple的研究基础上,针对相关滤波在处理目标人脸消失、遮挡、脱离镜头时跟踪框漂移问题,本文提出一种自适应置信度机制的人脸跟踪算法.先通过人脸检测确定首帧人脸位置,再对相应位置的人脸的HOG特征与颜色特征进行提取,并预留两者特征,利用视频首帧提取的特征进行跟踪置信度判断,及时对融合特征进行更新.设计并实现了能够克服目标人脸位置移动、消失和表情姿态变化的人脸跟踪算法.实验表明,本文改进较前人算法有较大的提升.     

基于Android传感器的人体姿态识别方法

当前基于各种传感器的Android设备已越来越多地应用于人们的生活中,提出一种基于三维加速度传感器的人体运动姿态转换的识别方法,该方法通过采集Android设备内嵌加速度传感器在人体运动过程中产生的加速度数据,提取不同运动姿态特征数据,进而识别走、跑、上楼和下楼等4种基本运动姿态,并通过持续判别法和前后续姿态判别法识别不同姿态间的转换。实验结果表明,针对单体的不同运动姿态识别率在90%左右,针对不同的行走-跑步间的姿态转换识别在93%左右,针对跌倒的检测在90%以上,均有较高的识别率。     

基于多尺度全卷积网络特征融合的人群计数

图像中的人群计数在公共安全领域具有重要价值.为了解决由于摄像机透视效果、人群密度分布不均匀和严重遮挡等导致人群计数准确率低的问题,本文提出一种多尺度全卷积网络架构,用于准确地估计任意摄像头视角的静态图片的人群密度.通过利用不同尺度的卷积核,使分支网络能更好地学习图像中头部特征变化.同时,由于每个分支网络设计的网络层数量不同,因此这种多尺度的网络组合能够有效地捕捉高层的语义信息和低层的细节信息.实验结果显示,本方法在Shanghai-tech标准数据集上具有较高的人群计数准确率.     

一种基于步态的身份识别新方法

步态识别是通过人走路的姿态进行身份识别的新兴生物特征识别技术.算法利用步态的动态特征和形状信息进行步态识别.首先,对某个人的一个步态序列利用动态Viterbi算法得到一个样本姿态序列,对其多个步态样本姿态序列的对应姿态取平均得到这个人的特征姿态序列,然后对特征姿态采用主成分分析法处理特征空间,最后用最近邻法进行识别.利用USF/NIST数据库对本文方法进行了验证,取得了较高的识别率.并对体形变化具有较强的鲁棒性.     

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.     

面向自然场景图像的三阶段文字识别框架

文字识别技术在文档管理、图像理解、视觉导航等中具有重要应用。然而,自然场景中的文字通常排列任意、形状不一、字体多样,难以被检测和识别。提出了面向自然场景图像的三阶段文字识别框架,该框架包括文字检测、文字矫正和文字识别。首先,利用特征金字塔网络分割图像中的字符,基于双向长短期记忆网络获取字符间的亲和度,连接孤立字符构建单词行,文字检测率（F分数）高达91.97%。然后,通过多目标矫正网络矫正被检测文字,以应对场景图像文字的复杂形变,增强阅读性。最后,通过注意力序列识别网络按序输出预测结果,实现单词级识别,文字识别正确率达84.98%。     

基于改进3D卷积网络的人体动作识别

为解决现有多数视频人体动作识别3D卷积方法无法区分信息中各维度的重要和非重要特征问题,提出了通过门控循环单元(GatedRecurrentUnit,GRU)和空间注意力增强模块构建时空特征处理网络的方法,基于多级特征融合和多组通道注意力特征选择构建网络,改进基础网络模型Res Net3D对视频人体动作识别中的网络模型.改进后模型在2个公开数据集UCF101和HMDB51上的准确率分别为96.42%和71.08%,与C3D、Two-stream等网络模型相比,具有更高的识别准确率.     

一种基于点对的姿态估计和结构恢复方法

针对模型的姿态估计问题提出了一种基于点对的姿态估计和结构恢复方法．首先根据由3个模型点构成的3个点对独立地估计旋转矩阵,再据此计算平移向量和模型点的三维结构．该方法的特点在于单独估计旋转矩阵,且只需少数几个模型点就能获得好的估计结果;又能得到线性和非线性估计结果,且非线性估计的初始猜测由线性估计自动给出：即使旋转矩阵估计误差很大,结构恢复的结果仍然比较准确．模拟和实际试验结果均表明该方法的有效性．     

点特征和小波金字塔技术的遥感图像快速匹配技术

提出了一种基于Harris特征点提取和小波金字塔的遥感图像快速匹配技术．在对多分辨率遥感图像进行完预处理的基础上,先利用Harris算子提取待匹配图像的特征点,然后利用小波金字塔完成匹配．通过杭州地区TM和SPOT遥感影像的配准实验,表明该算法减少了人工干预,提高了运算速度,又保持了匹配精度．     

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.     

一种侧视图的三维人脸重建方法

三维形变模型(3D Morphable Model, 3DMM)和从运动中恢复结构(Structure From Motion, SFM)方法被广泛用于三维人脸重建. 基于单视图进行三维人脸重建需要正视图和先验模型, 会受到计算复杂度高、容易陷入局部极小值和易受姿态变化的影响. 本文提出一种针对侧视图的三维人脸重建方法, 首先对侧视图使用改进的三维形变模型, 得到初始的三维人脸正视图及特征点; 然后根据人脸对称性, 得到侧视图对称的视图及对应的面部特征点; 最后用SFM方法将正视图、原始视图和对称视图重建, 得到稀疏三维模型. 并用不同姿态的面部图片对该方法进行了评估, 结果表明该方法比已有的方法对姿态变化更具鲁棒性.     

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．     

基于特征点群相似度计算模型的图像表示方法

针对空间金字塔匹配模型缺乏对图像中视觉物体旋转、平移和缩放的考虑问题,提出了一种基于特征点群相似度计算模型的图像表示方法.基于词汇树模型的粗匹配结果,通过特征点群拓扑、方向、距离等计算其相似度,并以此作为评价指标对匹配结果进行过滤;根据由特征点群计算所得的标准差椭圆的圆心、旋转角度对金字塔匹配的图像划分子区域并进行调整,从而得到图像抗旋转、平移和缩放的表示.分别在自建校园建筑物数据集和自建物体图像数据集上对方法进行了验证和比较,结果表明,该方法提高了分类识别的准确率和检索的查全率,特别是对于包含明显旋转、平移和缩放变化的图像数据效果更好.     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。     

一种改进的减少状态逐幸存处理均衡器

提出了一种带有FIR前置滤波器的减少状态逐幸存处理均衡器．该均衡器通过训练序列估计信道的特性，利用RLS算法对信道的估计值进行更新．在RSSE-PSP处理之前加入一个FIR前置滤波器，使全信道近似呈现最小相位特性,该FIR滤波器为一个信道匹配滤波器和一个预测误差滤波器的级联，采用Levinson-Durhin算法进行求解,仿真结果表明，该均衡器在具有符号问干扰的信道中比传统均衡器有着更优异的性能．