监控视频异常行为检测的概率记忆自编码网络

异常行为检测是智能监控系统中重要的功能之一,在保障社会治安等方面发挥着积极的作用.为提高监控视频中异常行为的检测率,从学习正常行为分布的角度出发,设计基于概率记忆模型的半监督异常行为检测网络,解决正常行为数据与异常行为数据极度不均衡的问题.该网络以自编码网络为主干网络,利用预测的未来帧与真实帧之间的差距来衡量异常程度.在主干网络提取时空特征时,使用因果三维卷积和时间维度共享全连接层来避免未来信息的泄露,保证信息的时序性.在辅助模块方面,从概率熵和正常行为数据模式多样性的角度,设计概率模型和记忆模块提高主干网络视频帧重建质量.概率模型利用自回归过程拟合输入数据分布,促使模型收敛于正常分布的低熵状态;记忆模块存储历史数据中的正常行为的原型特征,实现多模式数据的共存,同时避免主干网络的过度参与而造成对异常帧的重建.最后,利用公开数据集进行消融实验和与经典算法的对比实验,以验证所提算法的有效性.

基于生成对抗网络的雾霾场景图像转换算法

本文提出了一种新的基于生成对抗网络的雾霾场景图像转换算法.生成对抗网络GAN作为无监督学习的方法,无法实现图像像素与像素之间映射,即生成图像不可控.因此,基于模型的加雾算法存在参数不确定性和应用场景局限性,本文提出了一种新方法的新应用,利用生成对抗网络实现图像转换.该方法基于生成对抗网络GAN模型,改进了GAN的生成器和判别器,进行有监督学习,以训练雾霾图像生成像素与像素之间的映射关系,实现无雾图像与有雾图像之间的转换.以图像加雾为例,本文分别设计了生成网络和判决网络,生成网络用于合成有雾图像,判决网络用于辨别合成的雾霾图像的真伪.考虑到雾霾场景图像转换的对应效果,设计了一种快捷链接沙漏形生成器网络结构,采用无雾图像作为生成网络输入,并输出合成后的有雾霾图像;具体来看,将生成网络分成编码和解码两部分,并通过相加对应间隔的卷积层来保留图像的底层纹理信息.为了更好地检验合成雾霾图像的真实程度,设计了漏斗形全域卷积判决器网络,将合成图像和目标图像分别通过判决器辨别真伪,采用全域卷积,利用神经网络进行多层下采样,最终实现分类判决,辨别图像风格.此外,本文提出了一种新的网络损失函数,通过计算GAN损失和绝对值损失之和,以训练得到更为优秀的图像转换结果.GAN损失函数的作用是使生成对抗网络GAN模型训练更加准确,而雾霾图像合成算法实际上是一个回归问题而非分类问题,生成器的作用不仅是训练判决器更加灵敏,更重要的是要生成与目标图像相似的图像.因此利用优化回归问题的绝对值损失函数,作用是为了准确学习像素间的映射关系,避免出现偏差和失真.最后本文对多类不同图像进行图像的雾霾场景转换并进行评估,分别测试该算法的图像加雾和去雾效果,并与其他算法进行对比测试.对于加雾效果,在合成场景、虚拟场景下,与软件合成效果进行对比,本文算法效果明显比软件合成效果好,不会出现色彩失真;在真实场景下,本文算法与真实拍摄的雾霾天气进行对比,结果十分相近;并且与其他GAN图像转换算法进行对比,本文算法具有明显的优势.同样本文算法在去雾效果上优势也十分明显.结果表明,本文所提基于生成对抗网络的雾霾场景图像转换算法,在主观效果和客观指标上均具有明显优势.

基于主成分分析的分块视频噪声估计

噪声估计在视频去噪领域具有重要的研究意义.实际生活中的噪声都是未知的,然而现存的视频去噪算法通常都假定视频的噪声水平是已知的,本文提出一种基于主成分分析(Principal component analysis,PCA)的分块视频噪声估计算法.首先,基于帧间进行块匹配寻找相似块,得到差分图像以消除视频运动的影响;其次,将正态分布函数作为阈值函数简化噪声估计算法模型;最后,设置明确迭代指标使得估计的结果更加精确,且降低了计算复杂度.主观视觉效果和客观指标对比表明,本文提出的基于主成分分析的分块视频噪声估计算法比其他优秀的噪声估计算法误差小同时鲁棒性高,能准确地估计视频噪声.

基于霾层学习的单幅图像去雾算法

针对传统去雾算法出现色彩失真、去雾不完全、出现光晕等现象,本文提出了一种基于霾层学习的卷积神经网络的单幅图像去雾算法.首先,依据大气散射物理模型进行理论推导,本文设计了一种能够直接学习和估计有雾图像和霾层图像之间的映射关系的网络模型.采用有雾图像作为输入,并输出有雾图像与无雾图像之间的残差图像,随后直接从有雾图像中去除此霾层图像,即可恢复出无雾图像.残差学习的引入,使得网络来直接估计初始霾层,利用相对大的学习率,减少计算量,加快收敛过程.再利用引导滤波进行细化,使得恢复出的无雾图像更接近真实场景.本文对不同雾浓度的有雾图片的去雾效果进行测试,并与当前主流深度学习去雾算法及其他经典算法进行对比.实验结果显示,本文设计的卷积神经网络模型在图像去雾的应用,不论在主观效果还是客观指标上,都有优势.

基于景深和稀疏编码的图像去雨算法

降雨天气往往会导致室外监控视频质量下降,会使成像的图像产生畸变和模糊现象.为了改善雨天拍摄的图像的质量,该文提出了一种基于景深和稀疏编码的图像去雨算法.针对基于图像分解的去雨算法存在的低频成分中的雨痕残留和轮廓边缘丢失,以及高频部分的背景误判问题,该文利用联合双边滤波和短时傅里叶变换将图像进行分解,使得图像低频部分中的轮廓得到较好的保留,并引入景深改善低频成分中的雨痕残留和高频成分中与雨痕具有相同梯度的背景误判问题.该算法主要分为四个部分:图像分解、字典学习、基于主成分分析和支持向量机的原子聚类,景深修正.首先是利用图像分解提取出图像低频和高频成分,对于图像分解的方法,主要采用的是双边滤波和短时傅里叶变换相结合的方法,此方法对图像的轮廓和边缘保持度较高.接下来,对低频成分进行保留,对高频成分进行进一步处理.根据图像本身的纹理特性将高频成分进行分类,基于每一类再对高频成分进行分块处理,得到每一类图像的字典,从而进行字典学习.然后,利用主成分分析和支持向量机对字典进行分类,根据梯度信息分为含雨字典和非雨字典两类,应用正交匹配追踪获得基于新高频字典的稀疏系数,从而获得高频成分中非雨成分.最后,对于高频成分中和雨痕具有相同梯度的背景误判问题,通过景深,将图像高频按纹理和梯度方向进行二次分类,将高频成分中和雨条纹具有相同梯度的背景进行保留,有效提高分类准确性.同时,利用景深提取出含雨图像中的显著性特征来进一步去除低频成分中的残留雨痕.本文利用主观视觉效果以及客观指标对算法进行评估,实验结果证明主观效果得到明显的改善,客观指标也得到了提升,证明了该文基于景深和稀疏编码的图像去雨算法能够在去雨的同时较好地保留图像的纹理细节.

双向特征融合与特征选择的遥感影像目标检测

遥感影像中复杂的背景占据图像的大部分区域,严重影响了目标检测效果.本文提出一种可以对特征图进行多特征选择的目标检测网络.设计了双向多尺度特征融合网络,融合深浅层信息,提高复杂背景下小目标的检测效果,在保留常规特征金字塔自上而下路径的同时,增加一条自下而上的路径,减少浅层特征传递到顶层经历的网络层数,从而控制浅层特征损失.为了降低多尺度特征图中无用信息对后续检测网络的干扰,设计了基于注意力机制的多特征选择模块,网络自适应地专注于有用特征,忽略无用特征.针对传统五参数回归法在预测角度时存在严重的边界不连续问题,不能精确预测长宽比值比较大的目标,将角度预测当作分类任务处理.在DOTA数据集和自制数据集DOTA-GF上进行实验,6类典型目标的mAP分别达到0.651和0.641,与主流目标检测算法的对比实验结果表明提出的方法的有效性.

面向图像场景转换的改进型生成对抗网络

设计了新的生成器网络、判决器网络以及新的损失函数,用于图像场景转换.首先,生成器网络采用了带跨层连接结构的深度卷积神经网络,其中,多个跨层连接以实现图像结构信息的共享;而判决器网络采用了多尺度全域卷积网络,多尺度判决器可以区分不同尺寸下的真实和生成图像.同时,对于损失函数,该算法借鉴其他算法提出了4种损失函数的组合,并通过实验对比证明了新损失函数的有效性,包括GAN损失、L_(1)损失、VGG损失、FM损失.从实验结果显示,该算法能够实现多种转换,且转换后图像的细节保留较为完整,生成图像较为真实,明显消除了块效应.

基于斜平面平滑优化的半全局立体匹配

基于斜平面平滑的半全局匹配算法虽然能很好地处理深度不连续区域,减少视差断裂现象,具有很好的视差平滑效果.但此方法计算量大,并且若输入的左右图像对不是理想校正的,最终得到的视差图中可能会出现黑色小方块.针对上述问题,本文提出了一种基于斜平面平滑优化的双目立体视觉算法,优化了视差斜平面拟合过程,提高了斜平面平滑的运算速度;另,通过对初始视差图中无效的视差值进行临近插值填充,很好地解决了视差图中的方块现象;同时考虑到同一分割块内的像素梯度值应比较接近,对图像分割时用到的能量函数增加梯度项,使分割区域更加合理.实验结果表明,本文算法能取得更好的视差图,主观效果得到改善,运算速度提高约40%.

融合包注意力机制的监控视频异常行为检测

针对监控视频中行人非正常行走状态的异常现象,提出了一个端到端的异常行为检测网络,以视频包为输入,输出异常得分.时空编码器提取视频包时空特征后,利用基于隐向量的注意力机制对包级特征进行加权处理,最后用包级池化映射出视频包得分.本文整合了4个常用的异常行为检测数据集,在整合数据集上进行算法测试并与其他异常检测算法进行对比.多项客观指标结果显示,本文算法在异常事件检测方面有着显著的优势.

具有姿态变化鲁棒性的行人检测跟踪算法

为消除行人姿态变化、遮挡以及低照度对目标跟踪效果的影响,提出一种鲁棒的行人检测跟踪算法。为消除低照度的影响,在HSV空间进行图像增强,引入增强因子避免色彩失真。针对行人姿态变化和遮挡,引入人体部件模型得到更加鲁棒的全局特征。为验证算法的有效性,设计对比实验。相比于Center Net-Deep SORT,行人编号跳变几乎相同,但精确率提高5.3%,召回率提高15.7%。相比于YOLO_Tracking,行人编号跳变减少153,精确率提高2.1%,召回率提高约10%。

基于混合码本与因子分析的文本独立笔迹鉴别

针对已有的笔迹鉴别方法对笔迹版式的要求比较严格、训练过程耗时、对内容不受限制的小样本数据情况下鉴别性能较低等问题,提出了基于混合码本与因子分析的文本独立笔迹鉴别算法.该算法提取写作时常用的子图像,并用描述符标注"代码"建立"码本".在特征提取层,分别采用加权的方向指数直方图法和距离变换法,对于具有相同描述符的"代码"计算特征距离.把影响特征距离的因素分为书写因子和字符因子,对码本中的每个书写模式进行双因子方差分析.在IAM和Firemaker这两个标准数据集上的实验结果证明,相比目前国内外的先进已有方法,本文提出的算法在精度和速度方面有一定的优势,具有一定的推广价值,适合处理多语种的笔迹鉴别问题.

The Iterative Solution for a Class of Monotone Operator Equations

The iterative solution for a class of multivalued monotone operator equations just like A(u)∈-B(u) is discussed, where A is a positive definite linear single valued operator, B is a bounded and monotone multivalued operator. The existence and convergence of approximate solutions are proved. The method of numerical realization is demonstrated in some examples.

磁共振成像弥散加权成像与X射线计算机断层扫描在软骨肉瘤级别诊断中的价值

目的:探究磁共振成像(MRI)弥散加权成像(DWI)与X射线计算机断层扫描(CT)在软骨肉瘤级别诊断中的价值。方法:选择在医院接受治疗的75例软骨肉瘤患者,均给予DWI与CT检查,分析DWI、CT与DWI联合CT检测对低级别和高级别软骨肉瘤的诊断效能。结果:DWI、CT及DWI联合CT的3种方法检测低级别软骨肉瘤的准确率、特异度、灵敏度、阳性预测值以及阴性预测值比较,差异均有统计学意义(χ^(2)=35.815,χ^(2)=45.577,χ^(2)=7.086,χ^(2)=16.559,χ^(2)=24.565;P<0.05),DWI联合CT检查的准确率、灵敏度、阳性预测值及阴性预测值显著高于DWI,差异具有统计学意义(χ^(2)=23.825,χ^(2)=6.972,χ^(2)=14.733,χ^(2)=23.587;P<0.05),DWI联合CT检查的准确率、特异度、灵敏度、阳性预测值以及阴性预测值显著高于CT检查,差异具有统计学意义(χ^(2)=34.571,χ^(2)=35.821,χ^(2)=4.600,χ^(2)=14.075,χ^(2)=13.775;P<0.05)。DWI、CT、DWI联合CT检测高级别软骨肉瘤的准确率、特异度、灵敏度、阳性预测值以及阴性预测值比较,差异具有统计学意义(χ^(2)=57.344,χ^(2)=43.357,χ^(2)=11.811,χ^(2)=29.98,χ^(2)=9.192;P<0.05),DWI联合CT检查的准确率、特异度、灵敏度、阳性预测值以及阴性预测值显著高于DWI,差异具有统计学意义(χ^(2)=48.497,χ^(2)=40.444,χ^(2)=11.799,χ^(2)=24.358,χ^(2)=8.347;P<0.05),DWI联合CT检查的准确率、特异度、阴性预测值以及阴性预测值显著高于CT检查,差异具有统计学意义(χ^(2)=40.592,χ^(2)=23.371,χ^(2)=21.773,χ^(2)=5.492;P<0.05)。结论:DWI联合CT检测可为临床提供更多的诊断信息,可有效鉴别低、高级别的软骨肉瘤,在临床诊断、区分软骨肉瘤的分级诊断中具有一定的临床指导价值。

真空变压吸附氢气纯化的参数研究

本文首先建立了多孔介质传热传质与吸附模型,模拟了多组分气(N2:CO:CO2:CH4:H2=0.007:0.012:0.23:0.021:0.73和N2:CO:CO2:CH4:H2=0.007:0.012:0.17:0.021:0.79)在AC5-KS活性炭吸附床中的穿透曲线和真空变压吸附循环。将实验数据与模拟值进行对比验证后,分析了压力、进气流率对穿透曲线的影响,并研究了压力、进气流率、循环步数、循环操作时间条件对真空变压吸附氢气纯化的影响。结果发现,增大吸附压力,减小进气流率,减少循环步数和吸附时间,增加冲洗和升压时间都会导致产品氢气纯度上升,氢气产率和回收率下降,并且在一般情况下氢气的纯度变化趋势与氢气产率和回收率变化趋势相反。

氢气纯化变压吸附循环的热效应

变压吸附(PSA:Pressure Swing Adsorption)技术可以用于对混合气体进行高效的分离,在工业废气回收与利用氢气中被广泛采用。本文主要根据热力学基本理论,基于Aspen过程仿真平台建立多组分气体在多孔介质中的吸附、传热传质模型,以预测Cu-BTC吸附床中的穿透曲线和PSA循环过程。该模型主要包括质量守恒、能量守恒和动量守恒方程。之后将模拟值与实验结果进行比较,模型能够很好地预测多组分气体在吸附床中的穿透曲线和PSA循环过程。在此基础上,研究PSA循环吸附过程的热效应对穿透曲线的影响机理,针对PSA循环氢气纯化系统,研究吸附压力和进气流率对穿透曲线和PSA性能的影响。在吸附床再生阶段对吸附床降压和在吸附过程中采用较高的压力,有利于系统的分离性能和氢气回收率的提高。

活性炭/沸石层状双床的氢气纯化变压吸附参数研究

采用多组分气体传热传质模型,基于扩展的Dual-site Langmuir吸附等温线模型建立了层状双床结构,对5组分混合气体(H2∶CO∶N2∶CO2∶Ar=88∶3∶6∶2∶1)在两种不同的吸附剂(活性炭和沸石LiX)下的穿透及循环实验的模拟值和实验值做出了对比验证。在此基础上运用Aspen模拟平台,构建了层状双床氢气纯化变压吸附6步循环模型,对层状床穿透曲线进行了参数研究,并进一步研究了不同进气速率以及吸附步骤时间对产品氢气纯度和回收率的影响。结果表明,在一定范围内增加吸附压力及减小进气速率有益于杂质气体的吸附,适当降低进气速率和吸附步骤时间会提高产品氢气的纯度同时会降低其回收率。