基于随机投影和Fisher向量的人的行为识别

为了提高识别视频人物行为的效果,在定义和分析高斯混合模型(GMM)的基础上,提出了一种基于随机投影(RP)和Fisher向量(FV)的行为识别方法。该方法通过随机投影将高维轨迹描述子投影到低维子空间来实现特征轨迹的降维,然后利用GMM-FV混合模型对降维后的轨迹特征向量进行空间聚类编码,以提高行为识别的准确率,最后再利用随机投影对Fisher编码向量进行二次降维以降低计算复杂度。用KTH和UCF50两种数据集进行的试验表明,与现有跟踪识别算法相比,该方法降低了计算的复杂度,提高了行为识别的准确率,在两种数据集上的识别都表现出了良好的鲁棒性。

基于重心向量分类算法的概念特征提取方法

提出了一种基于文档集重心向量分类思想的概念特征提取方法。该方法从文档集中提取表述概念特征的向量,挖掘概念特征深层次的差异,表达文档中蕴含的抽象概念,为基于领域知识库的概念网构建提供良好的先决条件。

基于棒状像素的前景障碍物识别算法

障碍物分类是智能交通应用的核心功能。本文提出了一种探测和识别道路场景下车辆与行人的算法。首先,建立棒状像素(Stixel)并由图像坐标转换至世界坐标,投影生成鸟瞰图;然后,借助聚类算法,得到原图像中待识别区域;之后,提取灰度稠密尺度不变特征变换(gray-DSIFT)特征并利用费歇尔向量(FV)编码;最后,选用随机森林(RF)分类器区分前向车辆与行人。实验结果表明:提出的方法能够有效地区分前景障碍物中出车辆与行人,提高了前期探测障碍物的效率。

有DCT补偿的分形编码中最优压缩比控制参数的选择

有ＤＣＴ补偿的分形编码可以克服纯分形图像压缩的弱点，但难以实现对输出码流的控制．提出自相似特征矢量（ＦＶＳ， Ｆｅａｔｕｒｅ Ｖｅｃｔｏｒ ｏｆ Ｓｅｌｆ－ｒｅｓｅｍｂｌａｎｃｅ）的概念，并用与基准图像相比较的方法以完成压缩参数的最佳选取．实验结果证明，这种方法在给定压缩比时能得到该压缩比下最佳的恢复图像质量，实现对压缩比的控制．