行人检测中非极大值抑制算法的改进

行人检测是计算机视觉领域的难点和热点问题。行人检测可大致划分为3个部分:特征提取、分类和非极大值抑制(Non-maximum Suppression,NMS)。当前的研究工作主要集中在特征提取、特征学习和分类器等方向,而非极大值抑制方向鲜有改进。目前常用的非极大值抑制算法是贪心策略,抑制时只使用了单一的重合面积信息。针对该问题,在ACF(Aggregate Channel Features)检测算法的基础上,对非极大值抑制进行了3项改进,显著地提升了算法的精度,并且算法的时间消耗只有略微的增加。在INRIA数据集上,单独使用引入尺度比的动态面积阈值NMS时能降低平均对数漏检率(MR)0.99%;单独使用保留外围检测分数相近的检测窗口的策略时NMS能降低MR 1.25%;两者结合可降低MR 2.5%;结合后,再对已经被抑制的检测窗口重复抑制,MR降低了2.63%,达到14.22%。     

一种面向教学的排课冲突检测算法

排课算法可在大规模空间上对排课元素实施自动编排.然而,目前未见报道有关针对已排好的课表实施正确性检测的通用全自动方法.为此,给出课表所需满足约束条件的形式化描述;在此基础上,分别给出3个子算法以检测3种约束条件;顺序调用这些子算法,即可得到一种面向教学实践的排课冲突检测算法.检测实验证实了新方法的有效性.     

智能天线与多用户检测的联合抗干扰模型构建

联合抗多址干扰技术是目前移动通信技术研究的热点.将智能天线与多用户检测技术相结合可抑制相干干扰,改善系统的误码率性能,提高移动通信系统的有效性与可靠性,优化无线资源的利用率.提出了采用智能天线接收后进行多用户检测的CDMA系统模型,并引入基于LMS算法的自适应滤波器来消除窄带干扰.Matlab软件仿真结果表明,联合抗干扰模型较好地提升了误码率性能.     

涡流斥力机构及其低压控制与保护技术

概述国内外涡流斥力技术仿真研究和样机设计两个方面的发展现状,分析涡流斥力机构具有结构简便、动作迅速的特点.对带有涡流斥力机构的新型交流接触器样机进行动态特性测试,证明其能够在接触器控制操作特性基础上实现快速动作.结合短路故障早期检测技术,通过实际的单相短路实验测试系统,验证涡流斥力机构的低压短路故障快速分断有效性,为兼具控制与保护功能的低压智能集成电器技术奠定基础.     

基于线阵CCD的车辆参数识别系统

提出一种应用线阵CCD进行车辆参数检测的方法,可用于公路智能收费系统.该方法以车牌及轮胎钢圈作为检测的主要目标,利用纹理特征确定车牌区域,采用梯度算子与连通域相结合确定钢圈位置,进而确定车辆长、宽、高、轴距等重要参数.实验结果表明,该方法识别速度快、准确率高,有较高的应用价值.     

基于图像背景噪声相关性的篡改检测

图像拼接是一种简单而常用的数字图像篡改操作,本文利用拼接篡改图像背景噪声特性的不一致性,提出一种基于图像背景噪声相关性的拼接图像篡改检测方法。该方法首先利用小波变换对待测图像去噪,再将待测图像与去噪后的图像相减后得到背景噪声图像,最后根据背景噪声图像中子块与周围邻域子块的相关系数大小来鉴别拼接篡改图像并定位篡改位置。实验结果表明该方法能对拼接篡改图像较为准确地鉴别和定位。     

基于个体特征和纹理特征的视频人数统计算法

视频人数统计利用视频图像特征,通过监测公共场所中的人群密度,可防止公共场所人群拥堵,确保行人安全.提出一种改进的视频人数统计算法,对于中低密度人群,利用个体特征法实现人数统计,对于高密度人群,利用纹理特征法实现人数统计.使用提出的算法,设计了视频人数统计系统,分别对多组视频进行了测试,测试结果表明该算法误差较低.     

离子色谱-质谱联用法测定4-甲基咪唑的含量

为了简单、方便地精确定量和定性样品中的4-甲基咪唑,建立了一种采用阳离子交换色谱-质谱联用(IC-MS)技术准确检测4-甲基咪唑含量的新方法,该方法的检出限为0.25μg/L,线性范围为2.5~200μg/L,线性相关系数为0.999 7,相对标准偏差为2.32%~4.25%,加标回收率为92.7%~96.3%.使用该方法对焦糖色素、可乐等样品进行检测,结果表明,该方法具有分离度高、灵敏度高、定量准确、精密度高、检出限低的特点.     

基于全景视觉的目标跟踪方法研究

文章充分利用全景视觉具有360°视域的特点,将其引入视频监控领域,提出了一种基于全景视觉的目标跟踪方法。该方法基于多摄像机跟踪的思想,通过分析全景视觉的构造,将其分解为基于静态相关联多相机的跟踪。通过划分视场分界线,确定摄像机间的重叠区域,并对摄像机间相互关联关系进行描述和判断。当目标进入重叠区域时,通过同一目标在相邻视域中的关联实现目标交接,以达到在整个全景视觉中实现目标连续跟踪的目的。以全景视频中的行人跟踪为例,对文中所提的跟踪方法进行验证。实验结果表明,该方法可以有效解决多相机间的目标交接问题,实现全景视觉下目标的连续跟踪。     

二值无线传感网络下异常活动的分布式检测

针对无线传感网络下的异常活动检测问题,提出了异常活动分布式检测方法(distributed abnormal activity detection approach,DetectingAct). DetectingAct将活动的定义从轨迹扩展到轨迹和持续时间的组合,将异常活动定义为在数据分布上与正常活动,即数据中反复出现的活动,偏差较大的活动,利用节点自身计算资源和存储资源进行检测. DetectingAct采用时间相关的频繁项集挖掘算法(duration-dependent frequent pattern mining algorithm,DFPMA )从数据中挖掘正常活动. 算法采用了非监督学习方法,避免了监督学习需要大量标记数据的缺点;按分布式存储机制(distributed knowledge storage mechanism,DKSM)将正常活动模式存入各节点;用分布式检测算法(distributed abnormal activity detection algorithm,DAADA )检测活动. 理论分析和实验结果表明,分布式检测方法相比传统的活动检测算法,实时性更强,平均检测长度为轨迹的78.2%,精度更高,准确率达到96.9%.