基于邻域相关性的背景重构

 背景差法是一种重要的运动检测方法,当场景中背景被长时遮挡,并非总是以最大频率出现时,往往容易将前景错误地认为是背景,从而产生错误的重构,针对该问题本文提出了一种基于邻域相关性的背景重构算法.算法首先对输入数据进行排序;其次利用简单归类算法对排序后的数据进行分类;再次计算灰度类的出现频率,根据灰度类的出现频率得到像素的背景确定标识,并为背景不确定的像素选定候选背景;最后对背景不确定的像素循环执行背景确定程序,即基于像素邻域相关性,选择和邻域相似度最大的候选背景为像素的确定背景.为验证算法的有效性,对算法进行了多种场景的仿真实验,仿真实验表明,即使在背景被长时遮挡的环境中,算法仍能很好构建背景,从而有利于后续的运动目标检测、识别和跟踪.     

基于离散指数函数优化GM(1,1)模型的重新优化

分析了已存两种基于离散指数函数优化的GM(1,1)模型存在的问题,结合两者的优化思想对已存的背景值构造形式添加动态修正项,建立了适合于近似指数序列建模的重新优化模型,实例应用结果显示重新优化的模型大幅度提高了已存优化模型的精度.     

论宽严相济刑事政策的产生背景和现实性质

宽严相济刑事政策的出台基于对犯罪“严打”的反思和对犯罪规律的再认识,还基于对刑罚功能有限、司法资源有限的现实考虑,更基于建设和谐社会、均衡社会利益与个人利益、适应全球两极刑事政策趋势的需要。宽严相济刑事政策性质定位,决定了其在社会犯罪治理中应有的作用和涉及的范围。宽严相济刑事政策的现实性质还不是基本刑事政策,而是属于刑事司法政策,这种状况不利于达到政策固有的或者期望的宗旨。     

虚拟水战略背景下的湖南粮食生产问题思考

虚拟水战略背景下区域粮食生产的经济和社会环境会产生相应变化。湖南作为水土资源条件优越的省份,将面临粮价上升和国家重视粮食生产的新机遇。因此,应该立足其资源优势,扩大粮食生产规模,将其打造成我国虚拟水输出大省,为国家的粮食安全和水资源安全贡献出应有的力量。     

基于自适应背景模型的全方位视觉人体运动检测

设计了一种新的全方位视觉系统,用来在室内对多个人体目标进行实时运动检测。系统中使用全方位摄像机作为图像采集设备,能在一幅图像中获取水平方向360°的环境信息。在检测开始之前,首先由摄像机对无人环境持续观测一段时间,建立背景的统计模型;在检测开始之后,将每一时刻全方位摄像机采集到的图像变换成柱状全景图像,再利用背景的统计模型,通过自适应的动态背景减除算法得到前景区域,同时在线更新背景模型。最后进行区域分割,确定人体的位置。试验结果表明,该系统在复杂背景的室内环境下,有较好的实时性和检测效果。     

构建具有鲜明行业特色的大学科技创新平台

科技创新平台,是高校与社会资源和合作创新的全新模式。平台的构建要突出自主创新、行业特色和服务社会的特点;组织创新要突出政府倡导,高校主导,企业、科研院所紧密合作,金融机构和中介组织积极参与的战略联盟;运行机制则应建立扁平互动的管理体制、产权清晰的合作机制和以人为本的激励机制。     

谁获得了高等教育——基于户籍身份和家庭背景的双重视角

基于中国综合社会调查(CGSS)2015年数据,考察户籍身份、家庭背景与学生高等教育机会获得之间的关系。研究发现:(1)户籍身份处于不利地位的学生,更有可能来自弱势家庭;(2)在控制家庭背景的条件下,贫困地区农业户籍学生在高等教育机会获得上处于最不利地位;相比贫困地区农业户籍学生,非贫困地区农业户籍学生在高等教育机会获得上的优势不明显,而非农户籍(贫困地区和非贫困地区)学生在高等教育机会获得上的优势则明显得多;(3)在控制户籍身份的条件下,家庭背景越佳,学生在高等教育机会获得上的优势越明显;(4)不论户籍身份是否优越,弱势家庭子女获得高等教育的比例总是处于较低水平。建议通过制度性安排解决好贫困和农村地区公共教育投入不足的问题;重视家庭背景对学生高等教育机会获得的影响,加强对弱势家庭子女(尤其是贫困和农村地区弱势家庭子女)的经济和文化资助;进一步完善高等教育入学机会分配政策体系,提高教育补偿政策的精准性与公平性。     

低能康普顿散射模拟模型在高纯锗探测器中的研究

国际上CDEX、CDMSlite等实验组,在开展直接暗物质探测实验中,发现高能光子本底的来源之一.高能光子在高纯锗探测器中会产生低能本底,这些本底来自于康普顿散射的影响.分析发现低能本底的结构有台阶出现,这与经典理论预测的结果相悖.这是由于原子中电子处于束缚状态,并具有一定的动量,因此康普顿散射在低能部分受到影响.现在已经有低能康普顿散射理论Impulse Approximation(IA)考虑到电子的这些效应,并且应用到模拟实验软件Geant4中. IA理论框架下的模拟模型有三个:Liermore模型、Penelope模型和Monash模型.我们发现三个模型在keV能级以下能谱有康普顿台阶出现,与经典康普顿能谱相比有明显减少.经过计算,在k壳层的台阶高度比例分别为95.92%、92.87%和96.68%,这与只考虑束缚效应而计算出的93.73%不同.三个模型keV能级以下时有大约10%的差异.     

基于端元提取的高光谱图像亚像元目标异常检测算法

针对高光谱图像异常检测因为背景复杂、存在亚像元目标而导致检测效果下降的问题,提出了一种新的检测方法。该方法首先对高光谱数据使用主成分分析法进行背景抑制,然后使用正交子空间投影方法进行端元提取,再使用光谱角度匹配技术进行异常检测。最后与其他两种检测方法比较,具有更好的检测效果,证明该方法的有效性。     

High efficient moving object extraction and classification in traffic video surveillance

Moving object extraction and classification are important problems in automated video surveillance systems. A background model based on region segmentation is proposed. An adaptive single Gaussian background model is used in the stable region with gradual changes, and a nonparametric model is used in the variable region with jumping changes. A generalized agglomerative scheme is used to merge the pixels in the variable region and fill in the small interspaces. A two-threshold sequential algorithmic scheme is used to group the background samples of the variable region into distinct Gaussian distributions to accelerate the kernel density computation speed of the nonparametric model. In the feature-based object classification phase, the surveillance scene is first partitioned according to the road boundaries of different traffic directions and then re-segmented according to their scene localities. The method improves the discriminability of the features in each partition. AdaBoost method is applied to evaluate the relative importance of the features in each partition respectively and distinguish whether an object is a vehicle, a single human, a human group, or a bike. Experimental results show that the proposed method achieves higher performance in comparison with the existing method.