基于轨迹预测增强的复杂场景多目标跟踪方法

以冬奥会的短道速滑比赛场景为例,针对短道速滑中运动员的目标外观差异性小、运动变化快、目标间遮挡频繁等运动特点,设计一个应用于短道速滑场景的多目标跟踪数据集,并提出一种基于轨迹预测增强的多目标跟踪方法.首先计算包围框交并比距离与外观特征余弦距离,联合判断检测响应与跟踪轨迹的相似性解决目标外观相似问题;然后通过跟踪轨迹的全局特征和运动线索恢复被遮挡目标丢失的信息,提高中断轨迹的重关联能力;最后根据检测先验控制新轨迹的初始化,减少噪声检测对轨迹跟踪中身份交换的影响.实验结果表明,与DeepSORT方法相比,所提方法在短道速滑场景中能够稳定地跟踪轨迹,有效地减少了轨迹中断,其中,IDF1提升21个百分点,MOT准确度提高14.3个百分点;该方法在目标差异性小、运动变化快的短道速滑场景中保证长期稳定跟踪,对多目标跟踪在复杂场景中的应用具有启发意义.

用于手绘检索的伪监督边缘检测算法

基于深度学习的边缘检测算法需要大量的标注,这阻碍了边缘检测的推广应用。因此提出一种伪监督边缘检测算法,能够在无标注的手绘图像数据集上提取图像边缘。算法分成三部分,包括伪监督标签生成、多尺度边缘检测网络和特征增强模块。伪监督标签为多尺度监督的边缘检测网络生成监督信息,特征增强模块可以弥补伪监督带来的信息丢失。该算法比现有边缘检测算法提取的边缘更完整,在手绘数据集QMUL-Shoe和QMUL-Chair上可以提高1%~6%的检索精度,对需要边缘检测的所有领域都有启发性意义。

专注智能油藏储量预测的深度时空注意力模型

现有油藏储量预测方法的精度远不能满足实际应用的需求。受循环神经网络和注意力机制的启发,提出一种专注智能油藏储量预测的深度时空注意力模型。该模型通过时间注意力模型来捕获输入数据之间的关键信息,空间注意力模型捕获隐藏状态之间的关系紧密程度,能够缓解数据波动对预测结果的不利影响,从而大幅减小预测误差。结果表明,相比传统方法和已有的深度学习方法,该模型预测精度有显著提高,为今后油藏储量预测提供一种更优的选择。

基于OpenCV的教室人员密度检测系统的研究

基于Open CV机器视觉处理库,结合了教室人员自有的行为特点,从其头部的特征出发,采用HOG特征+线性SVM来分析教室现有的人数以及人员密度,可为学校和学生远程了解教室占用情况提供有效的分析处理数据。

一种基于深度学习的油藏年度规划储量预测方法研究

油藏年度规划储量预测是勘探规划决策方案中必要且关键的一环。针对传统储量预测方法精度低、方法复杂度高等问题,该论文提出一种基于深度学习的油藏年度规划储量预测方法。首先,通过分析勘探基础数据,确定影响油藏年度规划储量的关键因素;然后,根据一定专家经验以及客观规律,对基础数据进行归一化处理,将复杂的油田数据转化为规范可用的输入特征向量;最后,利用循环神经网络进行模型训练,得到预测储量。实验结果表明,相比传统方法,该论文方法预测精度有显著提高,且复现能力强,可为今后油田企业储量预测领域提供一定参考价值。

复杂环境下大学生电子照片采集处理系统的研究与设计

采用C++和OpenCV实现复杂环境下大学生电子照片采集处理系统的方法,系统实现了人脸特征提取与识别、复杂环境下人脸图像采集、图像后期处理等,使系统在复杂的环境中也有较高的人像识别效率和良好的后期呈像效果。