交通场景中基于彩色视觉信息统计的背景建模

研究分析目前主流的背景建模方法,并针对动态交通场景中车辆目标持续运动,背景出现的概率较大的特点,提出一种基于彩色视觉信息统计的背景建模算法。实验结果表明,该算法可以较好地提取背景,并有效区分前景和背景。     

交通场景中基于彩色视觉信息统计的背景建模

研究分析目前主流的背景建模方法,并针对动态交通场景中车辆目标持续运动．背景出现的概率较大的特点,提出一种基于彩色视觉信息统计的背景建模算法。实验结果表明．该算法可以较好地提取背景,并有效区分前景和背景。     

"数字家庭"网络视频监控系统的可视化建模

“数字家庭”网视频监控系统是中国电信上海研发中心自主开发项目。项目开发中采用面向对象的分析设计方法、运用UML语言与RationalRose可视化建模工具,大大提高了系统的可读性和开发效率。本文介绍了RationalRose可视化建模的基本原理和软件开发过程,分析了“数字家庭”网络视频监控系统的功能需求,设计了“数字家庭”网络视频监控系统的主要组成模块,总结了可视化建模的优点。     

自主车仿真系统中场景建模与视觉仿真实现

提出了自主车仿真系统的基本思想,并针对视觉导航的需求建立了自主车行驶的虚拟环境及典型障碍物模型;根据自主车和云台的运动学特性,实现了自主车场景漫游及云台控制功能,同时结合车体及云台位姿解算完成地形匹配及车载摄像机位姿确定;最后,对实际摄像机参数及成像噪声特性进行分析,进而给出了相应的视觉传感器仿真部分的实现.实验结果表明,该视觉仿真部分具有良好的真实感和实时性.     

Visual Surveillance for Moving Vehicles

An overview is given of a vision system for locating, recognising and tracking multiple vehicles, using an image sequence taken by a single camera mounted on a moving vehicle. The camera motion is estimated by matching features on the ground plane from one image to the next. Vehicle detection and hypothesis generation are performed using template correlation and a 3D wire frame model of the vehicle is fitted to the image. Once detected and identified, vehicles are tracked using dynamic filtering. A separate batch mode filter obtains the 3D trajectories of nearby vehicles over an extended time. Results are shown for a motorway image sequence.     

视景仿真在视觉伺服中的应用

针对视觉伺服控制系统的仿真分析问题，提出了采用OpenGL技术构造视景仿真模型，并将其嵌入到数字仿真环境中，由此得到的视觉伺服模型已成功地应用于多个视觉伺服控制算法的研究。     

场景建模的层次结构

分析了场景数据库的树形层次结构和仿真系统对场景数据库的访问过程,提出了采用空间和逻辑相结合的结构组织数据库,同时对场景数据库中组的尺寸和数量、LOD的结构、状态改变等做了详细讨论,这些技术对于在仿真系统中创建和组织高效场景数据库是很有帮助的.     

Probabilistic Multi-Task Learning for Visual Saliency Estimation in Video

In this paper, we present a probabilistic multi-task learning approach for visual saliency estimation in video. In our approach, the problem of visual saliency estimation is modeled by simultaneously considering the stimulus-driven and task-related factors in a probabilistic framework. In this framework, a stimulus-driven component simulates the low-level processes in human vision system using multi-scale wavelet decomposition and unbiased feature competition; while a task-related component simulates the high-level processes to bias the competition of the input features. Different from existing approaches, we propose a multi-task learning algorithm to learn the task-related “stimulus-saliency” mapping functions for each scene. The algorithm also learns various fusion strategies, which are used to integrate the stimulus-driven and task-related components to obtain the visual saliency. Extensive experiments were carried out on two public eye-fixation datasets and one regional saliency dataset. Experimental results show that our approach outperforms eight state-of-the-art approaches remarkably.     

一种图像背景视觉语义模板的生成方法

1.引言图像低层的物理视觉特征与人的高层认识之间不存在明显的直接联系,这就是视觉信息处理中的“语义鸿沟,这使得基于图像全局特征的检索结果与人的主观感觉大相径庭。要缓解“语义鸿沟”问题,一个直接的方法是在低层的视觉特征和高层的主观语义之间建立多个中间处理过程,使得两者能够有个渐进的过渡。这种分而治之的策略,需要保证每一步处理结果都要更加有利于主观语义的辨认,同时这些处理     

用于图像场景分类的空间视觉词袋模型

以传统的词袋模型为基础,根据同类场景图像具有空间相似性的特点,提出了一种用于图像场景分类的空间视觉词袋模型.首先将图像进行不同等级的空间划分,针对对应空问子区域进行特征提取和k均值聚类,形成该区域的视觉关键词,进而构建整个训练图像集的空间视觉词典.进行场景识别时,将所有空间子区域的视觉关键词连接成一个全局特征向量进行相...     

一种核密度估计动态场景建模算法

利用非参数估计理论核密度估计方法，研究了多模态场景参考帧的动态维护与更新问题。针对背景存在小运动的复杂场景，提出了一种基于多样性采样机制的核估计动态场景建模算法。从包含运动物体的训练图像序列中，提取具有较高频度和多样性的灰度新样本集，建立背景高斯核密度估计模型，并利用背景帧差值法检测运动物体。多样性样本集很好地表征了训练样本的关键信息，避免了采用全样本产生的信息冗余和重复计算，使估计阶段的计算简单有效。通过与全样本方法在运动物体检测效果上的时比，验证了本文算法的有效性。     

面向视觉监视的变化检测与分割

文章介绍了一种针对目标跟踪的高级视觉保安系统的双摄象机方案,在此框架下研究了变化检测问题,提出了一种简单、快速的分割算发：中点导引扫描方法。实验证明该算发对于将变化区域用矩形分割表示十分有效,是一种建立视觉监视系统的实用方法,可以作为目标跟踪研究的基础。     

UML可视化建模在双语教学评测智能分析系统开发中的应用

数据处理是教学评测过程中一项重要工作,直接影响评价结果的及时性与准确性。本文试从双语教学的实际需求及软件开发过程的详细分析出发,以基于双语教学评测智能分析系统-可视化建模为立足点,把UML与系统进行有机的结合,该系统介绍了UML可视化建模技术在信息管理类应用系统中的系统分析、设计与开发过程实际应用流程,期望对双语课程的教学评价分析软件的进一步开发提供一定的借鉴作用。     

一种虚拟场景快速建模方法

针对VRML语言直接构建虚拟场景较为困难,提出了一种快速建模方法,通过配准场景平面图绘制图元并结合坐标系解决了数据源和场景组合问题,同时利用图元绘制、超薄长方体交互式纹理映射生成建筑实体,运用道路快速绘制方法生成道路,并利用地形趋势增长算法和三维地形交互式修改方法实现了,在缺乏真实地形数据的情况下对地形的快速逼真模拟,提高了建模速度,实验结果表明了方法的可行性,为快速构建虚拟场景提供了新的思路.     

监控视频异常行为检测的概率记忆自编码网络

异常行为检测是智能监控系统中重要的功能之一, 在保障社会治安等方面发挥着积极的作用. 为提高监控视频中异常行为的检测率, 从学习正常行为分布的角度出发, 设计基于概率记忆模型的半监督异常行为检测网络, 解决正常行为数据与异常行为数据极度不均衡的问题. 该网络以自编码网络为主干网络, 利用预测的未来帧与真实帧之间的差距来衡量异常程度. 在主干网络提取时空特征时, 使用因果三维卷积和时间维度共享全连接层来避免未来信息的泄露, 保证信息的时序性. 在辅助模块方面, 从概率熵和正常行为数据模式多样性的角度, 设计概率模型和记忆模块提高主干网络视频帧重建质量. 概率模型利用自回归过程拟合输入数据分布, 促使模型收敛于正常分布的低熵状态; 记忆模块存储历史数据中的正常行为的原型特征, 实现多模式数据的共存, 同时避免主干网络的过度参与而造成对异常帧的重建. 最后, 利用公开数据集进行消融实验和与经典算法的对比实验, 以验证所提算法的有效性.     

道路交通场景监控视频编码研究

道路交通监控摄像机所能拍摄的最大场景范围已知,分析监控视频中交通流流动的规律,提出基于场景的压缩方法.通过运动在空间上的分布,建立运动能量图,取反获取掩模.改进HEVC编码方法,针对运动分布区域交通流的方向性强且运动剧烈特征,使用非对称模板改进TZSearch运动搜索算法;针对掩模区域运动性弱特征,提前设置运动搜索终止...     

Probabilistic Modeling of Korean Morphology

This paper proposes new probabilistic models for analyzing Korean morphology. In order to take advantage of the characteristics of Korean morphology, the proposed models are based on three linguistic units: eojeol (a Korean spacing unit), morpheme, and syllable. Unlike previous approaches that are based on rules and dictionaries, the probabilistic approach proposed in this study can automatically acquire complete linguistic knowledge from part-of-speech (POS) tagged corpora. In addition, this approach, without any system modification, is easily applicable to other corpora with different tagsets and annotation guidelines. The three different models and their combinations are evaluated on three corpora over a wide range of conditions. The eojeol-unit and syllable-unit models compensate for the weaknesses of the morpheme-unit model. The eojeol-unit model performed efficiently, and improved the precision. The syllable-unit model improved in precision as well, showing a particularly robust performance in treating unknown words. The proposed approach is also proven to outperform the previous approaches.