融合光流检测与模板匹配的目标跟踪算法

针对传统的目标跟踪算法需要人工选择目标且不能较好地处理目标的尺度变化问题,提出融合光流检测与模板匹配的目标跟踪算法。首先通过结合光流信息与图像分割结果从视频中自动地检测和提取运动目标,实现基于检测的跟踪;当检测跟踪结果不可靠时,再利用模板匹配定位目标位置,实现基于匹配的跟踪;最后,通过自动更新模板,使得跟踪框能够自适应目标的尺度变化。实验结果表明该算法能够在自适应目标尺度变化的同时获得较为稳定的跟踪结果。与其他三种算法相比,所提方法在目标的自动检测提取与尺度自适应方面具有优势。     

奥运赛程编排约束的语义表示法

奥运赛程编排结果应符合奥运竞赛规程惯例,各单项比赛的编排规则,以及各种编排要求,最大限度满足各种编排约束条件。奥运赛程编排约束具有数量多、种类多、可动态改变的特点。结合关系数据库,利用约束模板和约束项提出的约束语义表示法具有灵活、易于扩充的优点,在实现编排约束的表示、解析、交互、存储功能的同时,解决了编排约束的人机交互和动态变化问题。     

基于模板匹配的自适应目标跟踪算法的实现

基于传统的目标跟踪方法,在图像检索过程中采用了自适应模板匹配方法,提高了目标跟踪的速度和可靠性,使目标跟踪的准确程度和算法的效率有了显著的提高,并给出了使用自适应模板匹配方法跟踪的试验仿真结果。     

一种基于自适应的目标跟踪算法的实现

在已有的目标跟踪方法基础上,对基本模板匹配算法进行改进,提高了目标跟踪的速度和可靠性,目标跟踪的准确程度和算法的效率有显著的提高.给出了使用自适应模板匹配方法跟踪的试验仿真结果.     

语义信息引导下的显著目标检测算法

针对现有显著性检测方法在凸显目标完整性和背景噪声抑制方面性能较差的问题,提出一种显著目标检测算法。构建改进的全卷积神经网络,捕获图像中的语义信息,生成高层语义初步显著图。利用语义知识引导流形排序进行优化,实现显著目标的边缘传播。融合不同尺度下的显著图,完成显著目标检测。在ECSSD、DUT-OMRON、SED2数据集上进行实验,结果表明,与最大对称环绕、主成分分析等算法相比,该算法检测出的显著目标更加完整,在复杂场景下检测结果鲁棒性更好。     

基于自适应模板匹配的红外弱小目标检测

提出了一种红外弱小目标识别的新方法。从实际应用出发,考虑复杂的背景和大量的干扰噪声,找到了一种适合红外弱小目标识别的图像相似性度量方法。为提高此方法的稳定性,提出一种有效的自适应模板修正方案,并结合遗传算法提高匹配的速度。给出了算法实现的全过程,用实地拍摄的红外空中弱小目标图像进行了实验验证,得到了令人满意的结果。     

基于环境上下文和语义特征融合的小目标检测算法

针对现阶段目标检测领域中小目标由于特征信息匮乏而难以检测的问题,提出了一种基于SSD(Single Shot multibox Detector)算法的改进小目标检测算法（CS-SSD）。首先,以特征金字塔中不同大小的感受野表达出的不同特征信息为基础,在SSD算法的主干框架上增加了环境上下文特征融合模块以及自顶向下的语义特征融合模块,为小目标提供环境上下文和语义特征信息;然后,在SSD算法的检测层上增加基于残差结构的检测头,从而充分利用融合后的特征以提高检测精度;最后,使用一种受人类学习方式启发的分阶段网络训练算法来缓解小目标与中大型目标在网络训练中损失不平衡问题。在VOC07+12数据集上进行实验,CS-SSD算法的平均检测精度（mAP）达到了82.00%,相较于SSD算法提升了2.08个百分点;同时小目标平均检测精度相较于SSD算法提升了7.87个百分点。实验结果表明,CS-SSD算法能充分融合网络中的环境上下文和语义特征信息以达到提高小目标检测精度的效果。     

基于语义的恶意代码检测算法研究

代码迷惑是一种以增加理解难度为目的的代码变换技术,主要来保护软件免遭逆向分析。恶意代码的作者为了躲避检测经常采用代码迷惑技术对程序进行转换。但是商用反病毒软件采用基于特征码的模式匹配技术而忽略了恶意代码的语义,因此最容易受到代码迷惑或病毒变种的攻击。文章中提出一种基于语义匹配的检测算法,能准确的检测出经过代码迷惑处理的恶意代码。该方法应用数据流分析技术,以变量定义使用链为单元检测每个模板及程序节点。最后通过部分实验展示了原型系统的检测效果。     

XML Schema语义约束在关系数据库中的实现

数据语义约束的完整保留是实现XML Schema向关系模式"无损"转换的关键问题.针对这一问题,本文简要分析XML Schema和关系模式的语义约束特征,较为详细地论述XML Schema语义约束与关系模式的完整性约束之间的转换方法.     

声纳图像中目标自动跟踪的实现

介绍在不知道目标形状信息的情况下构造模板的方法,分别以互相关系数和绝对误差作为相似性指标进行模板匹配,实现了声纳图像中特有的一种目标跟踪过程。文中对二种方法的效果进行了比较。     

一类视频序列中的人脸检测与实时跟踪算法

提出一种新的人脸快速检测与实时跟踪算法,能够对视频序列中的人脸进行快速、准确地检测和跟踪。算法分为开始状态、目标丢失状态的人脸检测和连续状态的目标跟踪。首先预测人脸两眼之间的中心位置,得到人脸的预测位置并对预测位置处的图像进行模板匹配,快速检测出人脸准确位置。然后利用检测出的人脸修正人脸模板,并在检测出的位置、旋转度、缩放比例等条件下,对后面序列图像进行小位置、小角度的快速跟踪。实验采用了多种环境下的大量视频,结果显示该算法能够快速跟踪视频序列中的人脸并具有很高的准确性、鲁棒性。     

基于空间匹配校准的预成端盒端口信息自动化识别

预成端盒是一种连接和管理光纤网络物理分布的重要光传输设备,现阶段对该类设备的巡检主要依赖人工完成.为了降本增效,亟需上线智能化巡检方式.然而,受制于设备部署场景复杂的光照条件、多样的端口连纤状态及遮挡问题,利用现有的图像识别技术对端口信息(端口连纤状态和连纤条码信息)进行自动化识别具有极大的难度:既难以保证端口信息识别的精度,又难以将识别结果与其实际物理位置相匹配.为此,提出基于空间匹配校准的预成端盒端口信息自动化识别方法,包括:基于空间多尺度匹配和多角度补偿的端口状态识别和校准方法,采用多尺度模板校准算法自适应地匹配端口实例的状态信息及其物理位置,并设计多角度补偿方案完成端口的校准识别;基于自适应矫正与动态极小值匹配的光纤尾端条码信息识别方法,自动检测条码成像姿态并有效切割和识别条码,利用动态极小值匹配算法进行空间匹配校准,实现连纤端口的条码信息识别.构建一个真实数据集,并基于此进行大量实验,实验表明所提出的方法在端口信息的识别精度和效率上均优于同类应用场景;同时,将所提出的方案在移动设备上进行部署测试,可实现准确高效的预成端盒端口信息自动化识别.     

基于点集不变性匹配的目标检测与识别方法

许多图像目标都可以用其上有代表性的一些点（如角点或边缘上的点）及其相互关系作为特征进行描述,通过模板点集和目标点集之间的匹配可以达到识别的目的,本文提出了一种新的平面点集间的与各自的平移、旋转、尺度变化和排列次序无关的距离描述,并且这种描述在一定范围内具有唯一性,另外在此基础上,给出了一种新的目标检测与识别的算法,该算法不仅能够从较为复杂的背景中检测出经过多个平移、旋转及尺度变化的目标,而且对部分     

结合 Faster RCNN 和相似性度量的行人目标检测

行人检测是计算机视觉领域的一个研究热点,针对目前算法中常采用非极大值抑 制和硬阈值筛选的方法作为后处理,容易造成误检和漏检的问题,提出一种基于相似性度量的 行人目标检测方法。首先,采用 Faster RCNN 生成一系列的目标候选集,应用非极大值抑制对 候选集进行初步筛选,然后由较高置信度的目标区域建立特征模板,再根据特征相似性对较低 置信度的目标区域做进一步判别,最后将筛选后的目标候选集和模板区域作为检测结果。在 VOC、INRIA、Caltech 数据集的实验结果证明,基于相似性度量的算法提高了行人检测的准确率。      

基于运动区域检测的运动目标跟踪算法*

针对传统基于模板匹配的运动目标跟踪算法存在着计算量大、模板漂移导致跟踪失败的问题,提出了一种基于运动区域检测的运动目标跟踪算法。该算法通过采用光流法对目标运动区域进行估计,计算出光流场区域的形心,确定待匹配图相匹配范围,再用模板框在已确定区域进行模板匹配跟踪。根据某开放实验室行人录像跟踪实验表明,本算法能够有效解决模板漂移问题,提高了跟踪实时性, 实现了视频对象目标的跟踪。     

Event semantic recognizing based on Markov chain

Owing to the enormous information and complex structure, video semantic processing is a tricky issue all along. Current researches are restricted within recognizing relative simple semantic in some certain domains. This paper brings forward a novel method transiting low-level feature to high-level semantic with Markov chain by stages, which takes object semantic as the core. This method is valid for recognizing complex event semantic. Semantic concept mapping mechanism based on semantic template is presented to realize the automatic recognition of video semantic. In the experiment contrasting with IBM＇s IMAT, our method shows more extensive recognition range and higher accuracy. Experimental results are encouraging, and indicate that the performance of the proposed approach is effective.     

等级关联的粒子群迭代多目标检测跟踪

针对目标在跟踪过程中受环境变化影响(光照、遮挡等)使其跟踪发生偏移的问题,提出一种从目标粗匹配到粒子群算法精确定位的等级关联结构的多目标跟踪算法.与现有跟踪算法相比,在粗匹配阶段粒子随机产生过程中融入了上下文信息,提高了目标匹配的准确度,降低了错误跟踪的目标数;对于在粒子群精确定位阶段有显著偏差的目标位置,采用Metropolis-Hastings采样算法进行纠正,同时完成模板更新,从而保证了目标跟踪的准确性.实验结果表明,该算法在目标被遮挡的情形下能够准确地跟踪被遮挡的目标.     

带情景约束和增强语义的web服务匹配方法

针对目前语义web服务匹配方法中缺少对服务情景约束的考虑及传推理匹配的结果中同一级别缺少语义细分的缺点,设计了一种带情景约束和增强语义的相似度计算匹配方法。首先通过服务情景约束兼容性检测过滤掉不相关的服务;然后借助本体进行服务属性间的语义获取和语义相似度计算,得出待匹配服务的精确匹配度;最后对满足用户请求的服务进行反馈评价。实验结果表明,该方法较之传统的OWL—S／UDDI匹配方法在查准率和查全率方面得到了很大改进。