基于斜率突变的 QRS 波检测

在心电信号的分析中,QRS波群快速准确地检测是计算其他相关参数的前提.在正确识别R波的前提下,对心电信号进行频域变换后,以R渡点为基点,通过逐次计算R波左侧或右侧相邻两点的斜率并比较斜率是否发生突变,当相邻两点斜率突然发生变化时,可判断为Q波或S波.采用实时采集数据对以上算法进行验证,实验表明,该算法原理简单,计算量小,能够快速准确地检测心电信号数据中Q,S波的特征值.     

基于移动激光点云的交通标志牌特征提取

针对有效采集到的道路两旁高密度点云数据,基于移动激光测量技术,提出了一种户外交通标志牌的自动检测方法.主要是利用交通标志牌在点云中的反射强度与其他地物目标区别较为明显的特性进行目标提取.结合基于交通标志牌的形状特征检测方法,通过提取杆状物并分析杆状物中非杆状部分的维度特征,提取出具有面状维度特征的目标物作为所要检测的交通标志牌.综合检测结果可知,有效检测到点云数据中的交通标志牌,且召回率优于常用的基于反射率的方法,实验表明该方法能够取得好的提取结果.     

基于GIS的统计信息分析初探

叙述了GIS在统计行业的应用现状,提出了基于GIS的统计信息分析是GIS空间分析方法与传统统计分析方法的融合,可分为传统统计信息分析、统计信息的可视化分析、基本空间分析以及空间建模4种方法体系。     

基于改进的SIFT算法交通标志牌的检测与识别

提出了一种针对自然场景下的标志牌的检测和识别算法,首先对获取的视频进行帧提取,采用图像增强算法对图像进行预处理,进而转换到HSV颜色空间,利用其颜色和形状特征进行检测定位,再根据感兴趣区域的面积特征排除多余目标,最后根据改进的SIFT特征匹配算法,利用最近邻分类器算法进行识别,样本库选用的是自然场景下的道路交通中的数据,通过对比实验发现,该算法在保证检测率的同时大大提高了算法的实时性。     

基于彩色图像分割的路标检测算法研究

针对交通标志检测问题,首先比较了RGB,HSV,Lab颜色空间中进行颜色分割的优缺点,并提出了基于Lab颜色空间进行交通路标定位的方法,然后对HSV空间阈值分割、Lab空间阈值分割、Lab空间聚类分割的效果进行了分析与比较,证明了Lab空间阈值分割的效果较好,最后结合交通标志的颜色信息,采用Hough变换方法定位出圆形路标,采用最优拐角检测方法定位出三角形和矩形路标。实验结果证明,该方法能准确定位出交通标志。     

基于肤色统计矩和Adaboost算法的人脸检测研究

采用基于Adaboost的人脸检测算法检测出彩色图像中的人脸候选区域,在此基础上利用人脸肤色统计矩剔除非人脸区域,最终实现对人脸的准确检测.由于本算法检测速度快、准确率高可以应用于对实时性要求较高的智能监控领域.     

基于视觉认知的禁令交通标志检测

根据交通标志的反差特性会强烈吸引人类视觉注意的设计原则, 结合生物视网膜会强烈响应场景中大反差视觉刺激的机理, 将基于视觉反差的层次结构的显著性分析框架引入交通标志的检测问题, 提出一种适合现实街景中交通标志检测的多线索视觉注意模型, 将对交通标志的检测定位转变为对显著目标的发现与分割问题。实验表明, 所提方法优于典型的显著性方法在面对现实街景时的目标检测性能。     

基于次序统计滤波器的阶跃边缘检测

在二值图像的边缘检测理论中,经典的方法是用固定的卷积核构成边缘检测算子,如Sobel算子,Prewitt算子,Kirsch算子和Roberts算子等。它们对数字图像边缘的复杂几何结构缺乏算法自适应性。现作者将随机滤波的思想引入边缘检测,用次序统计滤波器构造随机卷积核,从而引入一种新的随边缘检测算子,将OSF边缘算子,并分别对雷达图像和文本图像实施边缘检测。实验结果证明了OSF边缘算子的有效性。     

基于彩色图像不变矩的交通标志特征提取方法

本文提出了一种利用RGB颜色差分矩阵对Hu不变矩进行加权的新方法．并将该方法和Hu不变矩投影变换快速算法相结合,对彩色交通标志的特征值进行提取．实验表明,该方法可以在Hu不变矩不受目标图像大小、位置、旋转等因素影响的基础上,进一步减小光照条件及天气因素对彩色目标图像的影响,快速、准确地提取出目标特征值,为目标识别提供依据．     

基于颜色模型和区域特性的交通标志提取方法研究

为了提升交通标志的检测效率,研究了基于RGB归一化交通标志阈值分割算法和基于HSI颜色模型的交通标志阈值分割算法,对比分析了两种分割算法的性能。针对分割后二值图像交通标志虚警率高的问题,研究了标志的区域特性,提出了基于区域特性的交通标志提取阈值处理方法,为进一步提升基于形状特征或基于机器学习的交通标志检测效率奠定了坚实基础。     

自适应滤波实时网络流量异常检测方法

针对网络中的各种常见攻击,提出一种基于自适应滤波的网络流量异常检测方法.首先对多种流量指标进行递推最小二乘法预测,然后以预测误差所构造的统计量容许范围进行异常检测,最后对检测结果实施归一化评估.该方法具有无需任何历史训练数据、能大量减少报警次数、突出报警严重程度的特点.在DARPA入侵检测评估数据集上的实验表明,所提方法更适合检测拒绝服务攻击引起的异常,较之相同权向量下的同类方法,其异常检测率、误报率和检测速度等性能更好.     

自适应参数的网络异常流量检测方法

分布式拒绝服务(DDoS)攻击对互联网的稳定性和安全性构成了严重的威胁.对网络流量进行异常检测,发现异常后再对数据包进行分析,实施相应措施,有利于降低系统开销.该文给出了网络流量均值和阈值能够根据网络环境变化的自适应调整算法.分析了参数的设置对误报警、动态调整报警阈值等的影响.实验结果表明设计的系统是有效和正确的,可以在提高异常流量检测准确性的同时降低运行开销,可以直接应用于检测SYN洪水攻击等.     

一种新的交通流视频检测方法

提出一种基于彩色虚拟检测线的交通流信息视频检测方法．该方法通过分析光照、车道和阴影等模型之间的相互关系来判断车辆的存在，提高车流量检测的性能．通过引入色彩饱和度信息、自适应背景更新和运动检测，有效地区分阴影和车辆；通过二叉决策树来分析车辆的压线过程，提高了车流量检测的可靠性；通过一维视频跟踪的方式，解决了车辆速度检测的难题．试验结果表明，所采用的局部区域检测方法大大提高了交通流信息检测的实时性，且车流量检测的准确率可提高到98％．     

一种用于异常检测的网络流量抽样方法

为了减小抽样数据对网络异常检测的影响,提出了一种新的可变抽样率的网络流量抽样方法.通过利用哈希模式匹配算法,将到达的数据报文按流标识分类并记录下该报文在流中的位置,然后根据报文所属流的位置顺序减函数来设置不同的报文抽样概率.实验结果表明,所提方法增加了短流报文的抽样概率,解决了由于随机报文抽样方法偏向于长流抽样而导致的网络异常丢弃的问题,从而提高了异常检测的正确性.     

基于MeAEG-Net的异常流量检测方法研究

异常流量检测现有方法大都是基于有监督的学习,在现实生活中获取并标记异常流量数据样本是极为困难的,存在诸多限制.此外,由于网络异常数据的多样性和复杂性,各种检测方法的自适应性较差,对新出现的异常流量难以判断.针对上述问题,本文设计了一个基于生成对抗网络和记忆增强模块的半监督异常流量检测框架MeAEG-Net（Memory Augment Based on Generative Adversarial Network）,通过只训练正常流量样本数据,比较生成器模块输入流量底层特征的重构误差来达到检测异常的目的.在模型中使用生成对抗网络来更好地训练生成器,生成器采用自编码器加解码器的结构来解决自编码器易受噪声影响的问题,并在自编码器子网络中添加记忆增强模块来削弱生成器模块的泛化能力,增大异常流量的重构误差.实验证明,本文提出的方法能在只学习正常流量数据样本的前提下达到很好的异常流量检测效果.