基于决策的人脸检测与自动跟踪方法

对人脸检测与跟踪的研究现状进行了简要介绍,发现传统的MDP(Markov decision processes)跟踪算法需要手动初始化,这不利于实际场景中的灵活运用。因此,提出一种基于Viola-Jones人脸检测算法和改进的MDP自动跟踪算法。从视频序列中提取人脸的类Haar特征,采用AdaBoost算法构建强分类器,并利用级联方式将强分类器进行联合,从而提高人脸检测率。MDP跟踪算法将在线的多目标跟踪问题规划成MDP中的决策,为每一个人脸目标建立一个MDP模型,并用VJ检测器的输出来初始化该模型,将人脸的出现到消失看作是MDP模型中的状态转移,在跟踪过程中采用光流法结合Kalman运动估计提高人脸跟踪的准确性和鲁棒性,减少目标ID的分配错误。在此过程中VJ检测器作为监督指标,与跟踪器的输出进行关联。实验结果表明,该算法可以稳定地检测并跟踪场景内的人脸目标,其速率也能满足应用要求。

移动IPv6数据报文头压缩算法的分析

首先对Internet中常用的数据报文头压缩算法所存在的实际问题进行了简要分析,并详细讨论了接收端分组重排和CRC校验所产生的错误对VJ算法和Twice算法的影响。在此基础上指出了可通过在VJ,Twice算法中加入新的控制过程使解压缩端在处于良好状态时能够多发送分组,从而提高分组的传输效率和信道的利用率。