基于运动矢量空间相关性的H.264分像素运动估计

随着整像素运动估计快速算法的发展,分像素运动估计的计算量在运动估计中所占比重越发明显。为了减少分像素运动估计的计算量,提出了一种利用运动矢量空间相关性来预测整像素运动块,对整像素运动块进行分像素搜索过程跳过的分像素运动估计方法。实验结果表明,该算法与全分像素搜索算法结合使用,在基本保持搜索精度不变的情况下,比单纯的全分像素搜索算法减少60%左右的分像素搜索点。该算法可与其他快速分像素搜索算法结合使用,以获得更好的编码性能。     

结合单双行人DPM模型的交通场景行人检测

针对日常交通场景下,行人目标易被遮挡,影响行人检测效果的问题,提出一种结合单行人和双行人DPM模型的交通场景行人检测方法.该方法首先从INRIA、ETH等行人数据集中提取训练样本的DPM特征,通过LatentSVM方法训练得到单、双人DPM模型;然后采用分类检测方法,将交通场景行人分为单独分布行人和混合分布行人两类.检测时首先使用双行人模型SDP-DPM对目标图像进行目标匹配,如果没有检测到双行人目标,则判定为单独分布行人情况,转而使用单行人模型SP-DPM进行检测,并保存检测结果;如果检测到双行人目标,则判定为混合分布行人情况,此时先保存对应的双行人滤波响应,再使用单行人模型进行二次检测,并将两次检测的结果进行加权结合.实验结果表明,本文算法能够在行人相互遮挡严重的交通环境下,有效检测出行人,整体精度优于传统的DPM算法和当前行人检测的主要流行算法.     

结合格式塔完形规则的自然图像分割

目的 由于自然图像容易受到光照等因素的影响,其分割精度往往达不到人类视觉感知的需求,为此提出了一种新的结合格式塔完形规则的自然图像分割方法。方法 首先采用Ncut算法对原图像进行过分割得到若干个子区域,这些局部子区域能弱化光照、背景模糊等自然因素的影响;然后引入格式塔完形规则对区域进行度量,提出了基于区域的量化计算模型,进一步弱化了自然因素的影响,而且所得的区域率更加符合人的视觉感知;最后在区域率的基础上提出了新的合并算法,该算法简单且执行效率高,通过区域合并得到最终的分割结果。结果 30幅图像的定量和目视对比实验表明,本文算法不仅能够很好地将格式塔完形规则应用到图像分割上来,而且对比实验表明,本文算法在评价指数PRI、VOI、GCE上总体性能要优于其他算法,与人工标注的结果比较接近。结论 提出了一种结合格式塔完形规则的自然图像分割方法,该方法在过分割的基础上,采用格式塔完形规则对区域进行度量,有效降低了自然图像易受自然因素的影响,提高了分割精度。实验结果表明,本文提出的结合格式塔完形规则的图像分割算法高效性而准确,但不适合于尖细物体的自然图像的分割。     

一类双参数类四次三角Bézier曲线及其扩展

给出了一类双参数的类四次三角Bézier曲线及其扩展曲线的定义,得到了该类曲线及其扩展曲线的性质,给出了两段双参数的类四次三角Bézier曲线[G1(C1),G2(C2)]及两段扩展曲线[G1(C1),G2(C2)]光滑拼接的充要条件,并讨论了这两类曲线的应用。算例表明,该类曲线及其扩展曲线在曲线造型,特别是在非对称图形的造型中,具有很强的描述能力。     

融合多层特征的多尺度行人检测

目的 行人检测在自动驾驶、视频监控领域中有着广泛应用,是一个热门的研究话题。针对当前基于深度学习的行人检测算法在分辨率较低、行人尺度较小的情况下存在误检和漏检问题,提出一种融合多层特征的多尺度的行人检测算法。方法 首先,针对行人检测问题,删除了深度残差网络的一部分,仅采用深度残差网络的3个区域提取特征图,然后采用最邻近上采样法将最后一层提取的特征图放大两倍后再用相加法,将高层语义信息丰富的特征和低层细节信息丰富的特征进行融合;最后将融合后的3层特征分别输入区域候选网络中,经过softmax分类,得到带有行人的候选框,从而实现行人检测的目的。结果 实验结果表明,在Caltech行人检测数据集上,在每幅图像虚警率（FPPI）为10%的条件下,本文算法丢失率仅为57.88%,比最好的模型之一——多尺度卷积神经网络模型（MS-CNN）丢失率（60.95%）降低3.07%。结论 深层的特征具有高语义信息且感受野较大的特点,而浅层的特征具有位置信息且感受野较小的特点,融合两者特征可以达到增强深层特征的效果,让深层的特征具有较为丰富的目标位置信息。融合后的多层特征图具有不同程度的细节和语义信息,对检测不同尺度的行人有较好的效果。所以利用融合后的特征进行行人检测,能够提高行人检测性能。