基于功率谱密度的人体运动状态检测

提出了一种视频图像序列中人体运动状态检测的新方法。针对传统人体状态检测方法利用数据信息的复杂性,对图像中人体外接矩形区域提取位置和尺度稳定的非结构化数据信息——关键点,计算关键点的功率谱密度,在序列视频图像中可获得关键点功率谱密度的分布,利用其分布特点判断人体运动状态。实验证明方法的有效、可行和简易。     

智能视频监控中的人体检测与识别

针对传统的单点视频检测,提出了一种智能的视频人体检测与识别方法.该方法首先通过彩色空间的降维,在线更新背景模型,消除时间变化引起的阳光、天气等因素对背景图像的影响.然后对视频图像当前帧和背景帧差分检测和当前帧Canny边缘检测,得到视频人体初始差分边缘模板.最后对人体进行分割、测量,融合形状比例特征和人体区域比对法识别人体,进而更新差分边缘模板.实验证明了视频人体检测与识别方法准确率高,处理时间短,存储量小.     

基于分布结构约束稀疏表示的图像分类方法

为了解决稀疏表示结构信息缺失的问题,从而更加准确地进行图像分类,本文提出一种新的基于结构约束的稀疏表示的图像分类方法。在对图像进行降采样的前提下,提取方向梯度直方图特征后的训练样本上构建稀疏线性编码模型,通过样本间的分布结构信息约束和?1范数最优化求解测试样本的稀疏系数x,利用稀疏系数均值法进行目标的分类识别。基于COREL图像库进行仿真验证,实验证明,基于结构约束稀疏表示的图像分类方法能够获得很好的识别性能,与非结构约束稀疏表示相比本文方法显著提高了图像分类的准确率。     

基于高阶结构约束的稀疏人脸识别算法

为了挖掘人脸稀疏表示的高阶结构信息,从而获得更精确的人脸分类判别信息,提出一种新的基于高阶结构约束的稀疏表示的人脸识别算法。在提取人脸图像的Gabor特征后,选取适当的训练样本构建稀疏线性编码模型,利用样本特征间的高阶结构信息约束和最优化求解测试样本的稀疏系数,将稀疏系数作为最终特征对人脸进行识别,实验结果表明,与结构约束稀疏表示和非结构约束稀疏表示的方法比较,人脸的高阶结构稀疏表示能显著提高人脸的识别准确率。     

基于关键点梯度特征描述的人体行为识别算法

提出一种新的人体行为识别方案并进行了算法实现。通过对视频序列在空间上高斯滤波,在时间轴向上Gabor滤波,提取出视频序列的关键点,对每个关键点邻域20×20的区域使用梯度位置朝向直方图进行描述,描述的序列可以表征视频序列的特征。与其他人体行为识别算法比较,不需要标记特定的特征区域和比较耗时的聚类算法,构建单个支持向量分类器即可达到好的识别率,算法简单有效。     

主成分分析与BP神经网络的人脸识别方法研究

BP神经网络在人脸识别方面的研究中,原始样本数据不进行预处理与特征提取,不仅使识别结果准确降低,而且使BP神经的结构复杂化。主成分分析法能提取代替样本的少数几个主成分,这些主成分彼此不相关,符合特征优化的要求。BioID人脸数据库实验表明,将主成分分析与BP神经网络相结合,与传统单一的BP神经网络识别相比,提高识别的正确率,减少了训练时间,同时简化了网络结构,减少很大的计算量。     

视频实验系统软件开发

介绍了数字视频的基本概念;在德加拉音视频压缩卡AVE7200和摄像机的硬件基础上,完成了对视频压缩和检测关键技术的研究实现;开发了包括视频采集、视频压缩、视频检测和视频编辑的4个环节的综合实验系统。通过对实验系统部分功能演示和在实际中的应用,表明实验系统能够完成对视频的学习、研究和开发。     

高职电子商务专业人才培养模式改革初探

电子商务的飞速发展使电子商务人才的需求量越来越大,不断变化的电子商务市场以及对电子商务人才的高要求给电子商务专业人才培养带来了很大的困难。笔者根据学院电子商务专业职业教育的特点,以就业为导向进行实践,打破原有人才培养模式,形成了电子商务专业“创业就业型”人才培养模式。