【摘 要】
：
在计算机视觉中，行人目标跟踪是讨论的经典问题，它可以应用到很多领域，比如智慧交通、智能安防等等。这几年，单摄像头下的单目标跟踪取得了一定进展。但跨摄像头下的行人跟踪还是现阶段的难点和亟待解决的科研课题。因此，本论文主要是在深度学习框架下，针对跨摄像头行人重识别和单摄像头行人跟踪问题进行了研究：
首先，本论文对现有的目标跟踪算法和行人重识别算法的研究现状和基本概念进行了深入的探讨。并对一些神经网络的基础算法进行了研究和分析。
之后，本论文对基于多级特征并行互卷积的行人跟踪算法进行了研究。
论文部分内容阅读
在计算机视觉中，行人目标跟踪是讨论的经典问题，它可以应用到很多领域，比如智慧交通、智能安防等等。这几年，单摄像头下的单目标跟踪取得了一定进展。但跨摄像头下的行人跟踪还是现阶段的难点和亟待解决的科研课题。因此，本论文主要是在深度学习框架下，针对跨摄像头行人重识别和单摄像头行人跟踪问题进行了研究：
首先，本论文对现有的目标跟踪算法和行人重识别算法的研究现状和基本概念进行了深入的探讨。并对一些神经网络的基础算法进行了研究和分析。
之后，本论文对基于多级特征并行互卷积的行人跟踪算法进行了研究。本论文在基于Siamese跟踪器的基础上，修改了网络模型，加入了注意力模块和可变形卷积层，将通过新提出的网络结构对图像提取特征，模型提取来的特征更具有优势，将卷积后的图像特征与待匹配的图片进行卷积操作，得到跟踪结果。本文提出的单摄像头行人目标跟踪算法能够在视频中很好的跟踪行人目标，在跟踪精度上有了一定提升。
然后，本论文对基于多级特征级联的行人重识别算法的跨摄像头行人目标匹配问题进行了探讨和研究。行人重识别的流程一般是通过模型提取图像特征，然后计算不同图像特征的距离。大多数算法在训练模型阶段只提取了最后一层的特征，没有很好的利用之前层的特征，使得行人重识别的精度有一定程度的限制，针对这些问题，本论文提出一种新的行人重识别的技术，通过基础网络提取特征，获得多个层级的特征，通过注意力加权，融合多级特征。每级特征提取两个不同尺度的特征，保留每级特征和融合之后的特征，计算多个损失函数，本论文最终得到精确度更高的行人重识别算法。
最后，本论文分别对单摄像头行人目标跟踪方法和跨摄像头行人重识别方法通过实验进行了验证，并将两种方法结合实现了跨摄像头行人目标跟踪。
其他文献
随着科学的飞速发展，信息时代带给人们越来越多的数据，现在各行各业都有着大量的未被充分利用的数据。为了更加充分的利用数据带来的信息，需要对数据进行处理和分析。
首先，本文对模糊聚类的有效性指标进行了分析，提出了一个新的模糊聚类有效性指标。聚类和模糊聚类是一种为数据分类的好方法，能让人们更加清晰的认识和理解数据。聚类和模糊聚类的有效性指标的优劣直接影响聚类的效果。本文先是对聚类的有效性进行分析研究，然后基于模糊聚类的类内紧致性和类间分离性，添加了对数据集自身几何结构特征以及类的大小等多个因素的考虑，
现代软件系统已经成为目前最不可或缺且最复杂的人工系统之一，而随着软件的愈发庞大和复杂，其不可避免地存在故障或错误，从而迫切需要研究和发展软件故障定位技术来促进软件故障调试和修复。然而，现有的软件故障定位技术往往仅关注软件测试执行过程中软件实体的执行覆盖情况，而忽略了软件实体之间交互关联关系的分析和利用。本文以软件函数实体为分析对象，结合基于频谱的软件故障定位(Spectrum-Based Fault Localization,SBFL)技术，基于复杂网络理论建立描述函数间不同关联关系的动态软件网络表征模型
海面溢油污染通常以不同的风化状态存在于海面上，如不同厚度、不同分布状态的油膜和乳化溢油等。海洋激光诱导荧光技术（Laser Induced Fluorescence，LIF）是目前最有效的海面溢油监测技术手段之一，具有灵敏度高、方便灵活、实时性强和不存在探测盲区的优点。而LIF探测技术除对溢油污染未乳化阶段连续分布的较薄油膜探测方法有所研究外，对于不连续分布油膜和厚油膜，以及油包水、水包油两个不同乳化阶段等溢油污染情况均未见有可用的理论研究成果和成熟的探测方法。面对目前LIF探测对海面溢油不同阶段和分布类
【中图分类号】G4 【文献标识码】A 【文章編号】2095-3089（2016）34-0222-02 生命就是一次旅程。当我们踏上时间这段列车的时候就注定穿梭在时间和空间中，永不回头，路上再美的风景也只是擦肩而过的过眼云烟，再动听的故事也只是脑海中的一束烟花，一瞬即逝，它们从未属于你，匆匆来去，我们只是个过客。 事事变幻无常，然而古往今来的感情大致相同，所以我们才能穿越时空领略圣贤者的哲理智慧
软件缺陷预测技术能够在软件开发初期尽早的发现软件缺陷，有助于合理地分配测试资源，降低软件开发和维护成本，是保证软件可靠性的重要方法之一。机器学习的发展为软件缺陷预测提供了新的思路，本文进行了基于机器学习的软件缺陷预测方法的研究，主要内容如下。
首先，研究了不同种类的软件缺陷及软件缺陷特征提取方法，结合特征选择、类不平衡学习和词向量技术等机器学习方法提高软件缺陷数据集的质量，提升软件缺陷预测模型的性能。
其次，针对软件缺陷预测中的类不平衡和维度爆炸问题，提出了基于代价敏感的特征选择算法。
随着物联网、移动设备的普及，越来越多的信息需要通过无线通信的方式共享，大量的隐私信息将通过无线信道进行传播。然而，由于物联网设备、移动设备的低性能低功耗特性、无线信号的暴露性和传统加密方式自身的缺陷，使得传统加密方式不便捷、不安全，容易造成隐私的泄露。因此需要一种能够令通信双方动态生成密码的方案。物联网中广泛部署的无线设备也需要方便地进行相互的认证。
针对这些不足和需求，论文聚焦于面向智能无线设备的动态密钥生成和匿名认证方法，主要工作可概括为：
首先，设计一种基于无线信道状态信息的动态
阴影检测一直是计算机视觉领域的一个重要的分支，其在计算机视觉领域中起着举足轻重的作用。阴影在自然场景中无处不在，阴影的存在会影响诸多计算机视觉任务，如目标识别、图像分割以及光学测量等。因此如何更好地检测阴影成为计算机视觉领域乃至整个人工智能领域亟待解决的难题。基于国内外研究现状以及深度学习和计算机视觉等相关知识，对如何获取更好的阴影检测结果进行了深入研究。具体研究内容如下：
首先，提出了将有效的多任务学习引入到阴影检测任务中，通过阴影尺度分类子网络在阴影检测过程中为主网络添加高级先验；然后，将提
随着数字化办公的普及，电子文件逐步代替纸质文档成为企业信息存储、共享和使用的办公工具，其中保存着大量的商业机密，如果发生泄露会造成巨大的财产损失。部分企业采用防火墙或者入侵检测技术防止外部攻击人员窃取机密文件，但是不能杜绝内部员工主动泄密的行为。在文件被泄露的情况下，如何保证文件数据的安全成为现代信息安全技术的关注热点之一。
首先，分析了国内外Windows平台主流的文件数据保护产品，发现了它们在安全性和实用性存在的问题。基于Windows文件系统操作内在机制，采用文件系统过滤驱动技术实现对文件
软件缺陷预测技术能有效辅助软件测试保证软件质量。然而，数据的不平衡性会使训练时过多关注多类无缺陷模块而对少类有缺陷模块训练不足，导致对缺陷模块分类性能大大降低；大量无关和冗余特征会降低预测精度；此外，单一分类器对分布多样的缺陷数据预测不够全面。本文就上述问题进行研究。
首先，针对缺陷数据不平衡问题，提出一种ADASYNTomek组合采样算法。采用自适应方式将合成重点聚焦于难以学习的缺陷样本上并通过TomeLink方法来确保数据集达到平衡的同时去除噪声样本，提高了数据质量。
其次，针对缺
近年来，随着计算机图形学的发展，交互场景已经越来越多地出现在多种虚拟环境中。其中，流体与固体的交互引起研究者的广泛关注。由于流体与固体之间的交互能够使生成的流体动画更加生动和逼真，因此常常被应用于游戏特效、动漫制作及虚拟现实环境等众多领域。本文针对大规模水面与物体的交互、水滴与玻璃窗的交互这两种不同的流固交互场景，分别进行模拟和改进，以获得更快、更逼真的交互效果。
首先，为了实现水面上物体的真实运动模拟，组合不同的方法对水面波浪进行分区建模，结合投影网格绘制出大规模真实的水面场景。对于玻璃窗上水