基于关节联动特征的运动捕获数据分割方法

运动捕获数据分割中,针对关节角度或关节点中心距离作为描述人体姿态的特征所存在的局限性,提出一种关节联动特征。该特征从人体运动学角度对人体关节之间的联动关系进行建模,将关节角度与关节点中心距离作为一组关节联动特征点转换到极坐标空间表示。通过计算任意时刻的人体姿态与初始时刻人体姿态的关节联动特征点的偏移量来描述人体姿态的变化。提取每一帧捕获数据的关节联动特征,并使用主成分分析方法对运动序列进行分割。对CMU人体运动捕获数据库的实验结果表明,使用该特征得到的运动捕获数据分割结果要优于使用关节角度或中心距离特征的分割结果。     

基于A~*的快速三维航迹规划算法

针对标准启发式A*搜索算法所存在的规划速度慢以及受限于二维空间问题,提出了一种基于A*的快速三维航迹规划算法.该方法以基本A*算法为理论基础,并将约束条件结合在搜索算法中,在三维规划空间中将地形高度信息通过所确立的高度代价转换函数简化计算并达到快速规划要求.算法分析和实验表明,该方法能在三维环境空间中快速规划出所需航迹以满足任务需求.     

基于双流多关系GCNs的骨架动作识别方法

基于图卷积网络(graph convolutional networks,GCNs)的骨架动作识别方法只能对关节点间的单一关系进行建模,缺少描述多种关系的能力.借鉴知识图谱描述实体之间不同关系的思想,提出一种基于关节点流和肢体流的双流多关系GCNs人体骨架动作识别方法,对图结点间的自然连接关系、对称关系和全局关系进行建模,各种特征在网络中同步传输并有效融合.运动的全身协作过程中,每个部位的交互范围有限且依赖于具体动作,提出基于Non-local机制的topK全局邻接关系自适应计算方法,为每个结点动态选择交互强度较大的前K个结点作为全局关系邻接点.实验结果表明,所提出的双流多关系网络在Kinetics和NTU-RGB+D数据集上取得了较好的动作识别效果.     

一种基于感知模型的P2P MMOG信任模型

根据P2PMMOG的特点提出一种适合其应用的基于感知模型的信任模型.该模型中玩家仅对处于其感知范围内的玩家进行信任评估,使用滑动窗口对玩家信任度进行更新,并使用模糊综合评判对玩家多粒度信任度进行合并.实验结果表明,该模型不仅能保证信任评估的精确性还能有效节省评估对系统资源的使用,并能真实反映玩家信任度的变化,可以为P2PMMOG的安全提供更好的支持.     

基于梯度互信息与均匀设计PSO的航拍图像配准

基于互信息的图像配准算法精度较高,且易于实现自动配准,适合于无人机航拍图像配准.但在利用粒子群算法搜索最佳配准参数时,随机分布的初始粒子群容易集中在参数空间的某一区域,使算法陷入局部极值而得不到准确的配准结果;针对这一问题,提出一种新的图像配准算法,算法采用均匀设计思想改进粒子群算法,使初始粒子群能够均匀分布在搜索空间中,从而获得最佳配准参数;同时采用梯度互信息作为相似性测度,降低算法陷入局部极值的可能性.实验表明,新的算法能够更快更优地得到理想的航拍图像配准结果,验证了算法的有效性.     

无人机可见光图像拼接算法的研究

无人机图像具有旋转,缩放,平移,遮挡,噪声等特点,使用SIFT(尺度不变特征变换)算法对其进行图像拼接,针对SIFT算法极值点搜索过程耗时多的问题,提出一种单维搜索极值点的改进策略;针对无人机图像拼接过程中因误差累积而导致全景图像扭曲的问题,采用改进的捆绑调整策略调整单应性矩阵,削弱误差累积的影响,保证图像较为平整的拼接.     

一种改进的Zernike矩的雷达图像目标识别方法

针对Zernike不变矩目标识别算法计算复杂,计算复杂度高的不足和雷达图像乘性噪声严重和识别率不高的问题,提出了一种快速计算Zernike矩目标识别算法.该算法通过利用Zernike矩对称性和反对称性对雷达图像进行快速计算求得不变矩,然后通过加权求得新的特征向量,最后通过支持向量机进行目标识别.实验结果表明,提出的算法不仅解决了计算过于复杂的问题,还降低了噪声且提高了目标识别率.     

一种基于信任管理的欺骗检测机制

MMOG中现有的欺骗检测方案误判率较高。提出一种基于信任管理的欺骗检测算法——TMbCD算法。在信任管理机制下,玩家的待检测参数阈值随各自信任度的变化动态改变,克服了阈值固定的缺陷从而可以降低原欺骗检测算法的误判率。实验结果表明,TMbCD算法与原有欺骗检测方案相比误判率较低,更适合于MMOG应用。