基于3D卷积的红外视频人体行为识别

为了解决家庭看护的隐私问题以及时效性,设计了一种在被动红外的家庭看护场景的3D卷积神经网络Care3DNet。Care3DNet是一种基于C3D的改进算法,将前3层卷积层进行卷积分解,分解为深度卷积层与点卷积层的组合方式;再加一层卷积层并引入快捷连接来加强网络中特征信息流的传递。为了验证Care3DNet的实际行为识别效果,在行为数据集进行测试与评估,Care3DNet的TOP-1正确率可达到93.8%,相比原C3D算法提高了6.7%。并与其他经典行为识别网络进行混合动作实验对比,结果表明使用该方法在被动红外的家庭看护场景中的行为识别能够达到更为准确的效果,具有更优良的市场应用前景。

基于空时域信息融合的水面垃圾显著性检测

针对现有目标检测算法在水面垃圾检测中,由于图像存在光照、水纹、倒影等干扰导致的算法鲁棒性不足的问题,提出了一种融合空域先验信息和频域相位谱的水面垃圾显著性检测方法。在空域融合基于背景先验、局部对比度先验和暗部区域先验信息生成的最小障碍距离图、对比度图和背景图,得到初始的水面垃圾显著图;在频域对图像相位谱进行低秩分解再加权融合,得到冗余较少的显著目标。实验证明,该方法准确率可达96.4%,可有效抑制波纹、光照、倒影的干扰。