杂乱背景和遮挡环境下基于联合框架的人眼检测与跟踪方法

针对人眼检测与跟踪中背景和遮挡的问题,提出一种联合分级方法,该方法由人眼检测部分和人眼跟踪部分组成.人眼检测部分,首先使用Adaboost人脸检测方法在整个图像中寻找人脸,然后利用提出的人眼滤波器对人眼进行滤波检测.人眼跟踪部分由3个元素组成,即金字塔光流跟踪器、基于压缩传感的在线训练的目标分类器和融合器,其中光流金字塔用于应对目标形变,在线训练的分类器可以处理遮挡和目标消失,而融合器是将跟踪器和分类器获取的位置进行合并,并输出最终的决策.仿真实验结果验证了本文方法的有效性,与基于外观的方法和混合方法相比,本文方法取得了更高的精度,至少提高了7.2%,而且处理视频的帧率达到30fps,满足实时性要求.     

基于Adaboost关键帧选择的多尺度人体动作识别方法

针对手工制作关键帧检测器和最初“特征包”方法的局限性,提出一种基于Adaboost关键帧选择和多尺度运动特征表示的人体动作识别方法.首先,从视频序列中提取兴趣点,使用生物启发特征结合光流的多尺度方法提取运动特征;然后,利用Adaboost学习方法从一个大的特征池中选取最具辨识度的几帧图像,并将排列前十的Adaboost帧作为相应的关键帧;最后,利用相关图表示关键帧,由支持向量机(support vector machine,SVM)完成人体动作分类.在KTH、多视图IXMAS和TUM数据库上的实验结果显示,该方法在3个数据库上的识别精度可分别高达95.5％,93.7％和91.5％,识别性能明显优于其他几种较新的方法,表明利用Adaboost学习算法可有效选取每个视频动作序列的关键帧,并有效解决了“特征包”方法的局限性问题.     

基于IPSec的安全性分析及改进方案

对目前IPSec的运行机制及安全性方面所存在的问题进行了描述,提出了使用分层IPSec机制来解决这些问题的方案.该方案通过对数据包进行分区并采用复合安全关联技术来实现对数据的分层保护,从而解决了IPSec采用端到端的网络安全机制与网络中某些最新的应用无法获取高层协议信息的冲突这一问题.     

42 CrMoV紧固件用钢显微组织及夹杂物的分析

采用扫描电镜、扫描透射电子显微镜暗场成像、ASPEX 软件等研究分析42CrMoV 紧固件显微组织及夹杂物.42CrMoV紧固件基体组织为回火索氏体,基体组织仍保留着原来马氏体的形态,碳化物成排地在晶内和板条边界析出,并且晶界明显多于晶内析出；显微硬度HV0.2为330,奥氏体晶粒度(等级)为9级；夹杂物主要类型为MnS夹杂以及与MnS和CAS有关的复合夹杂物,主要夹杂物尺寸小于5μm,A、B、C、D和Ds夹杂物的等级基本都小于等于0.5级.     

自商图像优化加权LBP直方图的光照变化人脸识别

针对光照变化环境下人脸识别难度大的问题,提出了一种基于自商图像(SQI)和加权局部二值模式(LBP)的光照变化人脸识别方法。首先,利用SQI方法消除光照变化;然后,将两个加权的多区域LBP分别应用于各个图像以提取光照不变特征;最后,将自商图像方法和加权LBP算法提取的直方图融合形成最终的特征向量并用于人脸识别。在扩展YaleB和CMU-PIE人脸数据库上的实验结果表明,相比其他几种人脸识别方法,取得了更好的识别效果。     

基于关键帧轮廓特征提取的人体动作识别方法

为了在人体动作识别中获得更加准确的前景分割和防止关键信息的几何丢失,提出一种利用关键帧提取关键姿势特征的人体动作识别方法.由于背景建模和差分获得的前景不准确,利用基于纹理的灰度共生矩阵提取动作轮廓,并对原图像帧进行分割;然后计算人体Blob的能量,选取最大信息内容的帧作为关键帧,关键帧的获取使得特征提取对时间的变化具有一定鲁棒性;在特征分类识别阶段,为了提高分类的准确性,提出使用支持向量机-K最近邻(support vector machine-k nearest neighbor,SVM-KNN)混合分类器完成分类.在Weizmann,KTH,Ballet和TUM 4个公开数据集上实验验证了该方法的有效性.相比于局部特征方法、全局特征方法和关键点方法等,该方法获得了更高的识别率.此外,实验结果表明,该方法在KTH和Weizmann数据集上的早期识别效果优于Ballet数据集.