基于多视角非负矩阵分解的人体行为识别

提出一种基于多视角非负矩阵分解的视角不变特征提取方法用于融合多视角信息并进行人体行为识别。通过提取每个视频帧的时空描述符,有效描述了视频场景中的运动和形态信息;为了解决观测角度改变对识别的影响,在不同视角下构建基于时空描述符的时空矩阵,并利用多视角非负矩阵分解构建多视角的目标函数以得到融合了多视角信息的共识矩阵;计算共识矩阵的最大相关系数进行人体行为分类。该方法在WVU数据集、i3Dpose数据集上进行了验证,并与其他方法进行比较,结果表明了该方法在行为识别方面的有效性。

多视角下的交互行为识别

提出一种基于局部自相似描述符和图集鲁棒性多任务学习的多视图交互行为识别方法。首先,提出了一种组合交互特征表示方法,它既编码了兴趣点局部运动的空间分布,又编码了上下文信息。此外,采用时间金字塔词袋模型描述自相似矩阵的局部特征,减小了观测角度变化对识别的影响,保留了时间信息。为了探索不同交互行为与不同视图之间的潜在相关性,采用图集鲁棒性多任务学习函数学习对应的交互行为识别模型。实验结果表明,该方法在公共数据库CASIA上与其他先进方法相比在交互行为识别中具有良好的识别效果。

基于生成对抗图像补全网络的步态识别（英文）

针对步态识别中小面积人体遮挡问题,提出了一种基于Wasserstein GAN的图像补全网。该网络能够为图像中遮挡区域生成上下文一致的补全图像。为了减少噪声对特征提取的影响,采用具有鲁棒性的堆叠自动编码器进行特征提取。为了提高分类的能力,采用稀疏编码的方法对步态特征进行表示与分类。在公共数据集CASIA-B和TUM-GAID上对该方法进行了验证,并与其他方法进行了对比试验,结果表明了该方法的有效性。

多视角下的交互行为识别（英文）

本文提出了一种基于局部自相似描述符和图共享多任务学习的多视角交互行为识别方法。首先,提出了一种复合交互特征表示方法,该方法对兴趣点局部运动的空间分布及其上下文进行编码。其次,为了减小观测角度变化对识别的影响并保留时序信息,用时间金字塔词袋模型对局部自相似描述符进行表示。为了从不同的视角探索不同交互行为之间的潜在关联,并保留每种交互行为的特定信息,采用图共享多任务学习学习相应的交互行为识别模型。结果表明,该方法在CASIA、i3Dpose公共数据集和自建交互行为识别数据库上相比其他方法识别率更高。

计算机图像处理技术在医学影像中的进展与应用研究

近几年,数字医学成为了新兴研究领域,而其中最关键的就是医学影像研究和相关处理分析,为计算机科学以及生物医学研究提供了非常重要的导向作用。要将计算机技术和医学影像发展体系结合在一起,确保形成相互促进的结构发展机制,有效整合应用研究标准,实现医学项目的可持续发展。在医学影像中建立计算机图像分析体系,正是借助不同的数字图像处理技术,一定程度上全面推进医学影像研究的发展进程。现简要分析了目前临床主要应用的四种类型医学影像,并集中阐释了数字图像处理关键技术,最后讨论了目前医学影像计算机图像处理技术的应用,以供参考。