数字电视接收机顶盒的发展及其对计算技术的影响

机顶盒（ＳＴＢ）是近年来迅速发展的新兴技术，很多国家都将其作为未来计算机和电子工业发展的重点．文中讨论了用于数字电视接收的机顶盒的主要技术、涉及的标准、机顶盒采用的操作系统和软件结构，并分析了几种典型的机顶盒结构．同时还讨论了ＳＴＢ发展对计算技术的影响以及未来机顶盒技术的发展趋势，指出集电视节目接收、ＤＶＤ、Ｉｎｔｅｒｎｅｔ服务、游戏机为一体的机顶盒将是未来机顶盒的发展方向．

1例社区老年冠心病患者心脏运动康复治疗分析

目的:通过介绍1例老年冠心病患者因胸闷心悸反复去综合性医院就诊,后经心脏运动康复辅助治疗后症状改善的病例,以促进全科医生对心脏运动康复的了解及重视。方法:将1例经药物治疗后仍反复有胸闷心悸的老年冠心病患者,收住入院后,完善相关检查,根据检查结果为患者制定心脏运动康复处方,出院后继续进行长期运动康复,并对患者症状进行观察和评估。结果:本例患者通过坚持心脏运动康复治疗,症状有所缓解。结论:对于老年冠心病患者经药物治疗后仍症状反复者,可考虑对其病情评估后进行长期心脏运动康复治疗。

多姿态人脸识别

人脸识别在很多场合都有重要的作用，传统的身份验证是采用某种识别号码等方法，但这难以阻止伪造的发生。由于人的视觉特征如面部、姿态等是相对稳定而且各不相同的，因此采用这些特征进行身份的识别是可行的。本文提出了一种处理多姿态人脸识别的多候选类加权识别方法，为了减少姿态变化的影响，提出了相应的预处理方法。图象质量是影响识别结果的重要因素之一，因此本文提出了一种评价图象质量的方法，实验表明，这种评价的结果是和识别结果紧密相联的，本文提出的识别方法在图象较为清晰的情况下。

基于随机模型的边缘检测

在图象处理和计算机视觉中图象分割是一个非常重要的步骤，分割的好坏将直接影响很多后续处理的结果．虽然目前已有很多不同的边缘提取算法，但是这些方法很少考虑图象结构上的特点，而且从某种意义上讲所有基于差分的方法都是病态的．本文提出了一种边缘检测的随机模型方法，在这种方法中建立了两个模型：成象模型和基于磁引力模型的先验模型．在这两个模型的基础上我们分别采用模拟退火和贪心法进行求解，并将结果与其它基于差分的方法进行比较，取得较为满意的效果．

视觉计算——人类感知能力的延伸

从 2 0世纪 50年代末开始 ,计算机开始被作为实现人工智能和人类感知的工具 ,借助计算机 ,人类第一次可以像借助机械实现对体力的延伸一样实现对脑力和感知能力的延伸。从 60年代初开始 ,围绕计算机视觉进行了大量的研究。本文回顾了近 4 0年来计算机视觉研究的进展情况 ,对其中的一些重要进展包括立体视觉、从各种线索恢复形状以及运动分析和主动视觉等主流技术和方法进行了综述 ,对计算机视觉技术的主要应用进行了概括。在分析了这一方向所面临问题的基础上 ,指出了未来可能突破的一些研究方向。

VOD系统中接收终端的设计与实现

分析了VOD系统中对接收终端的要求，提出了一种适用于有线电视电缆传输的基于MPEG－2的接收终端设计方案，并设计了针对VOD应用的节目特殊信息（PSI）的专用结构，在此基础上设计并实现了一套基于有线电视的VOD系统。

祝贺《计算机研究与发展》创刊六十周年

今年是改革开放四十周年,也是《计算机研究与发展》创刊六十周年。《计算机研究与发展》见证了中国计算机事业从无到有、从小到大的全过程。作为国内最早的,甚至在很长一段时间是唯一的计算机专业刊物,对计算机事业的发展起到了培养人才、记录历史、交流学术的作用。

基于全局和局部特征集成的人脸识别

提出利用一种串、并行结合的方式将全局和局部面部特征进行集成:首先利用全局特征进行粗略的匹配,然后再将全局和局部特征集成起来进行精细的确认.在该方法中,全局和局部特征分别采用傅里叶变换和Gabor小波变换进行提取.两个大规模的人脸库(FERET and FRGCv2.0)上的实验结果表明,此方法不仅可以显著提高系统的精度,而且可以提升系统的速度.

基于3D人脸重建的光照、姿态不变人脸识别

待匹配人脸图像与库存原型图像之间姿态和光照的差异是自动人脸识别的两个主要瓶颈问题,已有的解决方法往往只能单独处理二者之一,而不能同时处理光照和姿态问题.提出了一种对人脸图像中的姿态和光照变化同时进行校正处理的方法,即通过光照不变的3D人脸重建过程,将姿态和光照都校正到预先定义的标准条件下.首先,利用先验的统计变形模型,结合人脸图像上的一些关键点来恢复较为精细的人脸3D形状.基于此重建的3D形状,进而通过球面谐波商图像的方法估计输入图像的光照属性并提取输入图像的光照无关的纹理信息,从而将光照无关的3D人脸完全重构出来,生成输入人脸图像在标准姿态和光照条件下的虚拟视图,用于最终的分类识别,实现了对光照和姿态问题的同时处理.在CMUPIE数据库上的实验结果表明,此方法可以在很大程度上提高现有人脸识别方法对于原型集合(gallery)和测试集合中图像在姿态和光照不一致情况下识别结果的正确性.

基于局部Gabor变化直方图序列的人脸描述与识别

提出了一种在Gabor变换幅值域内提取局部变化模式空间直方图序列(histogramsequenceoflocalGaborbinarypatterns,简称HSLGBP)的人脸描述及其识别方法.鉴于Gabor特征对光照、表情等变化比较鲁棒,并已在人脸识别领域得到成功应用,首先对归一化的人脸图像进行多方向、多分辨率Gabor小波滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值域图谱(Gabormagnitudemap,简称GMM),然后在每个GMM上采用局部二值模式(localbinarypattern,简称LBP)算子抽取局部邻域关系模式,最后由这些模式的区域直方图形成的序列来描述人脸.Gabor变换、LBP、空间区域直方图的采用使得该方法对光照变化、表情变化、误配准等具有良好的鲁棒性.而且,这种人脸建模方法不需要基于训练集合进行统计学习,因而不存在推广性问题.同时,进一步探讨了如何在分类器设计阶段与统计方法进行结合的问题,提出了统计Fisher加权的HSLGBP匹配方法.在通过FERET人脸库光照、表情和时间变化测试集上与已发表的实验结果进行对比,充分验证了该方法的有效性.

基于纹理分布和变形模板的面部特征提取

面部特征提取是面部感知的重要内容 ,同时也是特定人的 3D人脸动画应用中所必须的前期工作 .在一个多级人脸检测模块检测到人脸大致区域和尺寸的基础上 ,提出并实现了一种基于面部图像纹理分布特性和可变形模板的由粗到细的面部特征提取策略 ,旨在解决可变形模板对参数初值依赖性强和计算时间长的问题 .该策略首先利用眼睛区域的谷特性和频率特性定位两个虹膜中心点位置 ,然后用积分投影确定唇部和鼻子区域的位置 ,在此基础上进行关键特征点的检测 ,从而可以得到预定义特征模板参数的良好初值 ,最后基于贪心算法的多阶段轮换优化算法来搜索一个极小点 .实验表明 ,该方案在时间和精度方面具有良好的性能 .

虚拟人面部行为的合成

虚拟人是虚拟现实环境中很重要的一部分，对于虚拟人行为的研究除了应从宏观上考虑虚拟人的群体行为属性之外，对个体行为用性的研究也非常重要．个体行为包括自然行为和意识行为．自然行为主要是和脸部、头部以及四肢运动有关的行为．而意识行为则包括与语言和心理活动相关联的表情、发声以及对应的唇动手势动作等．本文旨在研究与意识行为有关的虚拟人面部图像合成技术，讨论了标准人脸图像的参数合成方法，给出了特定人脸图像与标准人脸图像的映射以及面部表情图像和发音口型的合成方法．

人脸识别中的“误配准灾难”问题研究

现有的多数人脸识别系统都要依赖于面部特征(比如眼睛中心位置)的严格配准来归一化人脸以便提取人脸描述特征,但面部特征配准的准确度如何影响人脸识别算法的性能却没有得到足够的重视.该文作者首次针对这一问题进行了系统的研究,并提出了一种基于误配准学习的解决方案.为了揭示现有典型识别算法的识别性能对特征配准准确度的敏感程度,通过对眼睛位置人为加扰,作者对Fisherface算法的识别性能随平移、旋转和尺度改变而变化的情况进行了实验评估.结果表明Fisherface的识别性能随着误配准的增大而急剧下降——称这一现象为“误配准灾难”问题.针对此问题,作者提出了一种基于扰动学习的“误配准灾难”解决方案,该方法通过在模型训练阶段加入扰动配准偏差来提高判别分析方法对误配准的鲁棒性.在FERET人脸图像数据库和CAS PEAL R1人脸库上的实验表明该方法可以有效地提高识别算法对误配准的鲁棒性.

基于球面谐波基图像的任意光照下的人脸识别

提出了一种基于球面谐波基图像的光照补偿算法,用以在任意光照条件下进行人脸识别.算法分两步进行:光照估计和光照补偿.基于人脸形状大致相同和每个人脸的反射率基本相等的假设,首先估计了输入人脸图像光照的9个低频谐波系数.根据光照估计的结果,提出了两种光照补偿方法:纹理图像和差图像.纹理图像为输入图像与其光照辐照图之商,与输入图像的光照条件无关.差图像为输入图像与平均人脸在相同光照下的图像之差,通过减去平均人脸在相同光照下的图像,减弱了光照的影响.在CMUPIE人脸库和YaleB人脸库上的实验表明,通过光照补偿,不同光照下人脸图像识别率有了很大提高.

基于SRN/HMM的非特定人连续手语识别系统

手语识别是通过计算机提供一种有效而准确的机制将手语翻译成文本或语音.目前最新发展水平的手语识别系统在实际应用中应解决非特定人连续手语问题.提出一种将连续手语识别分解成各孤立词识别的分治方法,用于非特定人连续手语识别.把精简循环网(simple recurrent network,简称SRN)作为连续手语的段边界检测器,把SRN分段结果作为隐马可夫模型(hidden Markov models,简称HMM)框架中的状态输入,在HMM框架里使用网格Viterbi算法搜索出一条最佳手语词路径.实验结果表明,该方法的识别效果比单纯使用HMM要好.

基于样例学习的面部特征自动标定算法

面部特征标定是人脸识别中的一个关键问题.提出了一种基于样例学习的面部特征自动标定(人脸形状自动提取)方法.该方法是基于下面假设提出来的:人脸图像差和形状差之间存在一种近似的线性关系——相似的人脸图像在较大程度上蕴涵着相似的形状.因此,给定标注了特征点的人脸图像学习集,则任意新的输入人脸图像的面部形状可以采用如下方法估计:测量该人脸图像和训练集中图像的相似度,并将同样的相似度用于该人脸图像形状的重建.即:如果输入人脸图像可以表示为训练图像的优化的线性组合,那么同样的线性组合系数就可以直接用于训练集对应形状的线性组合从而得到输入人脸图像的形状.实验表明,该算法相对于其他传统的特征标定算法具有可比的精度和较快的速度.并且,还将此算法扩展到了多姿态情况下,实现了多姿态人脸图像形状的自动提取.

基于支持向量机的人脸检测训练集增强

根据支持向量机(support vector machine,简称SVM)理论,对基于边界的分类算法(geometric approach)而言,类别边界附近的样本通常比其他样本包含有更多的分类信息.基于这一基本思路,以人脸检测问题为例,探讨了对给定训练样本集进行边界增强的问题,并为此而提出了一种基于支持向量机和改进的非线性精简集算法IRS(improved reduced set)的训练集边界样本增强算法,用以扩大训练集并改善其样本分布.其中,所谓IRS算法是指在精简集(reduced set)算法的核函数中嵌入一种新的距离度量——图像欧式距离——来改善其迭代近似性能,IRS可以有效地生成新的、位于类别边界附近的虚拟样本以增强给定训练集.为了验证算法的有效性,采用增强的样本集训练基于AdaBoost的人脸检测器,并在MIT+CMU正面人脸测试库上进行了测试.实验结果表明,通过这种方法能够有效地提高最终分类器的人脸检测性能.

面向中等词汇量的中国手语视觉识别系统

手语识别的研究和实现具有重要的学术价值和广泛的应用前景.提出了基于混合元捆绑的隐马尔可夫模型(TMHMM)用于视觉手语识别.TMHMM的模型刻画精度接近于连续隐马尔可夫模型,因此能保证最终的识别率不会明显降低,同时通过混合元捆绑降低计算成本,有效地提高识别速度.在特征提取方面,提出的层次型特征描述方案更加适合于中等或更大词汇量的手语识别.在此基础上,通过集成鲁棒的双手检测、背景去除和瞳孔检测等技术,实现了一个面向中等词汇量的中国手语视觉识别系统.实验结果表明,提出的方法能较好地实现常规背景中的中等词汇量的手语识别.

背景变化鲁棒的自适应视觉跟踪目标模型

提出了视觉跟踪任务中目标动态建模的一种方法.该方法首先针对跟踪序列中的当前帧图像观测进行Haar变换,从而得到图像的过完备特征描述;然后根据Fisher准则,评价每个Haar特征对目标和当前背景的区分能力,目标模型由那些区分能力最强的Haar特征构成.在跟踪过程中,采用卡尔曼滤波算法预测目标下一时刻的可能位置,从而根据目标的图像观测和目标下一时刻可能的位置附近的背景图像观测,对Haar特征的区分能力进行动态评价.通过保留区分能力强的特征,同时淘汰区分能力弱的特征,维护目标模型的强可区分性和低计算复杂性.该方法的主要策略是,在最大程度地保持可区分性的前提下,减少计算的复杂性.实验结果表明,在存在诸多不确定性因素的真实长序列视频上,该跟踪方法能够实时地完成复杂的目标跟踪任务.

基于ANN/HMM的中国手语识别系统

手语是聋哑人使用的语言。它是由手形动作辅之以表倩姿势为符号构成的比较稳定的表达系统，是一种靠动作／视觉交际的特殊的语言。一方面，手语识别可以作为健全人与聋哑人之间的翻译，为聋哑人提供更好的服务;另一方面，作为人体语言理解的一部分，手语识别可作为人机交互的一种手段。该文实现了基于ANN／HMM的手语识别系统，采用ANN方法建立了关于手形、位置、方向的特征映射器，并在建立手形特征映射器的过程中，给出了多特征多分类器融合算法。实验证明，基于ANN／HMM的手语识别系统是可行及实用的。