深度学习辅助的多行人跟踪算法

目的 目标的长距离跟踪一直是视频监控中最具挑战性的任务之一。现有的目标跟踪方法在存在遮挡、目标消失再出现等情况下往往会丢失目标,无法进行持续有效的跟踪。一方面目标消失后再次出现时,将其作为新的目标进行跟踪的做法显然不符合实际需求;另一方面,在跟踪过程中当相似的目标出现时,也很容易误导跟踪器把该相似对象当成跟踪目标,从而导致跟踪失败。为此,提出一种基于目标识别辅助的跟踪算法来解决这个问题。方法 将跟踪问题转化为寻找帧间检测到的目标之间对应关系问题,从而在目标消失再现后,采用深度学习网络实现有效的轨迹恢复,改善长距离跟踪效果,并在一定程度上避免相似目标的干扰。结果 通过在标准数据集上与同类算法进行对比实验,本文算法在目标受到遮挡、交叉运动、消失再现的情况下能够有效地恢复其跟踪轨迹,改善跟踪效果,从而可以对多个目标进行持续有效的跟踪。结论 本文创新性地提出了一种结合基于深度学习的目标识别辅助的跟踪算法,实验结果证明了该方法对遮挡重现后的目标能够有效的恢复跟踪轨迹,适用在监控视频中对多个目标进行持续跟踪。     

无隔膜槽中ACF电极成对电解脱色活性艳蓝KN-R

采用恒电流模式,同时以活性炭纤维(ACF)为阳极和阴极,在无隔膜电解槽中研究了不同电流密度下蒽醌染料活性艳蓝KN-R的电化学脱色。结果表明在1.0~1.5mA.cm-2时,电解槽中发生阳极电氧化和阴极电还原同时进行的成对电解脱色。成对电解的发生,可以提高电解槽的工作处理能力。当电流密度为1.1mA.cm-2时,脱色率达到87%。     

基于几何模型与彩色图像融合的地质化石数字化

随着计算机和同络技术的高速发展,各种化石和标本的远程显示系统已成为地质学和古生物学研究的有效工具之一.在这个显示过程中,物体的表面纹理和三维几何信息对于专业工作者鉴定化石和矿石形成的年代和环境非常重要,因此对其建模具有一定的特殊性要求.本文针对这种特殊性,详细介绍我们对三维实测数据与彩色图像进行融合来建立真实感地质化石模型的过程,对在建模过程中所遇到的一些关键问题进行分析,并提出一些解决这些难题的方法,如三维几何数据采集的视点规划、全景纹理图片的合成及其映射等.最后,通过对实物建模的结果显示这些方法的有效性,并对存在的问题进行探讨.     

重建发型的真实感头部建模

提出了从几何模型和多视点彩色图像构造真实感三维头部模型的方法．作为输入数据的彩色图像不仅被用来构造全景纹理图,而且是发型重构的数据源．首先在模型空间定义对应于真实图像平面的虚拟图像平面,恢复不同视点图像中发型外轮廓点的相应三维位置;然后根据发根位置、生长方向和长度,在模型的头皮表面重建发型．另一种发型重构的方法是从多幅图像中抽取的二维发型轮廓线出发,通过立体匹配法恢复其三维位置．然后用Coons-patch法重构发型表面．实验结果显示了文中方法的头部重建效果．