【摘 要】
：
行为识别是物体运动规律的最直观表述,高质量的识别结果对大多数应用领域来说至关重要。以往提出的行为识别方法的识别性能较低,在这种背景下,提出基于三维激光多帧图像的行为识别方法。所提方法通过对目标物体进行监控与追踪,得到可表述物体重要行为的三维激光多帧图像,对图像进行特征划分与拼凑得到特征向量,使用RBM结构的双层神经网络进行特征向量学习,得到物体行为特征分布情况,并利用向量分类器给出行为识别结果。实
论文部分内容阅读
行为识别是物体运动规律的最直观表述,高质量的识别结果对大多数应用领域来说至关重要。以往提出的行为识别方法的识别性能较低,在这种背景下,提出基于三维激光多帧图像的行为识别方法。所提方法通过对目标物体进行监控与追踪,得到可表述物体重要行为的三维激光多帧图像,对图像进行特征划分与拼凑得到特征向量,使用RBM结构的双层神经网络进行特征向量学习,得到物体行为特征分布情况,并利用向量分类器给出行为识别结果。实验结果证明,所提方法拥有很好的行为表述有效性,是一种高水准的行为识别技术。
其他文献
针对传统偏振图像融合视觉效果较差,纹理细节信息保留不充分等问题,结合BEMD变换的多分辨率、多尺度特性和PCNN全局耦合、脉冲同步激发等优点,提出了一种基于BEMD和自适应PCNN的偏振图像融合算法。首先融合线偏振度图像和偏振角图像得到偏振特征图像,然后对偏振特征图像和强度图像进行BEMD分解,对于低频分量,采用局部能量的融合方法;对于高频分量,采用区域方差自适应调整PCNN的链接强度,根据其显著
近日,Facebook人工智能实验室宣布开源其先进的物体检测研究平台Detectron,为广大研究人员未来的新计算机视觉研究课题提供灵活、快速的模型实现和评估途径。Detectron项目始于2016年7月,当时的目的是在Caffe2的基础上建立一个快速、灵活的物体检测系统,内部开发过程也就从此开始。经过一年半的开发之后,代码库已经成熟,而且集成了许多Facebook自己的研究项目,包括在ICCV
针对基于测地线环的三维人脸识别算法计算复杂度过大的问题,提出一种快速识别算法。提取等距测地线环的刚性部分作为特征,利用新3DWWs度量测地线环间的空间位置关系;以图模型构造不相似度作为匹配指标,采用一种由粗到精的匹配策略对三维人脸进行匹配,从而得到识别结果。在浙大人脸库FaceWarehouse上的实验结果表明,相较于传统测地线环算法,该算法在识别速度方面提高了15倍,且识别率达97%,相较于现有
Criminisi算法对于含有复杂的纹理结构信息的图像,修复时会出现优先权不合理与匹配块匹配错误的情况。为此提出多样本块匹配的方法。对于优先权,为了使结构信息更先修复,把结构项改进为块结构稀疏度和邻域像素差异度的数值和。对于匹配块匹配不合理的情况,先使用块内距离与块间距离设定阈值,如果破损块与样本块之间的块间距离或者块内距离大于阈值,则用多块匹配的方法恢复当前破损块;否则,用传统的Criminis
以视频图像中形态学滤波器为研究对象,针对设计集成电路芯片内嵌形态学滤波器的面积和功耗问题,通过使用高层次综合(HLS)方法设计ASIC电路,利用Catapult C综合工具仿真硬件电路,采用65与32nm工艺及不同内存结构的形态学滤波算法以评估硬件电路中特征。结果表明,在65nm工艺下,使用本文提出的多个交错内存硬件算法在电路面积上减少20%,功耗上至少节省36%;在32nm工艺下,使用本文提出的
讨论了目前的CCD相机成像时调光算法的原理,详细地分析了它们存在的共同局限性,针对目前的红外CCD相机在采集高温物体图像时易出现过亮或过暗的缺陷,提出一种基于图像灰度均值和基于"中间灰度"的标准相结合的改进的自动调光算法。这种算法建立在温度、图像灰度值和积分时间的相互作用关系上,可自动获得高温物体曝光时需要的积分时间,为红外CCD相机获取高温物体清晰图像提供了一种可行途径。实验部分选择两个典型钢水
针对传统的波形失真的激光图像矫正器存在矫正精度低、耗时长的问题,提出基于非极大值抑制法的激光图像矫正器设计方法。首先通过对波形失真的激光图像像素点进行加权处理,确定激光图像失真函数;在此基础之上,对波形失真的激光图像的边缘区域进行详细分析,完成矫正器硬件系统构成,并采用非极大值抑制法完成矫正器软件工作;最后利用互信息法计算相似性度量计算相似性度量计算,完成对波形失真的激光图像的矫正。实验结果分析证
探讨了一种通过RGB__D相机来实现里程计的方法,用以替代传统的码盘等里程计数设备。RGB__D相机不仅能够获取彩色图像,还可以得到相应的深度信息,本方案由RGB__D相机获取周围环境的连续帧信息;提取并匹配连续帧间的SIFT特征点,获取图像帧的描述子,通过特征点的位置变化计算机器人的位姿、里程编码等,从而实现视觉里程计的功能。经过在实验室环境下的运行与测试,本方案能够较为有效地代替传统里程计的功
手写体数字识别是模式识别的一个重要研究领域。由于手写体数字书写风格变化大,传统识别方法识别率不高。近年来深度学习为解决该问题带来了新活力。提出了深度残差网络,将池化层后特征大小减半,将每一级的特征数量变为输入数量的多倍,充分挖掘上一层的有效数据。在每一层的末尾添加1×1的卷积层,丰富神经网络表达能力的同时压缩冗余特征,并减少下一层网络参数。实验中采用MNIST数据集作为数据源,同时采用数据增广技术
针对雾天环境对农业生产、交通运输、安防等领域的远程监控带来的图像质量变差,色彩变暗,对比度信息丢失等问题,设计了一款基于云平台的远程图像采集系统的完整方案。系统以全志H3CPU为核心处理器设计嵌入式终端采集器,采集器软件部分在Linux操作系统下,借助OpenCV中的图像处理函数结合图像去雾算法进行图像去雾处理,进过处理后的图像通过WiFi上传云平台。测试表明,用户在远程通过浏览器进行访问,可以清