基于序贯检测机制的双目视觉运动目标跟踪与定位方法

为了提高复杂环境下的目标跟踪精度,提出了一种基于序贯检测机制的双目视觉运动目标跟踪方法.该方法在序贯检测机制下,将粒子滤波、稀疏场主动轮廓和CamShift等方法结合.首先用基于颜色特征的粒子滤波估计最优跟踪窗口;通过跟踪窗口和目标的相似度决定是否采用稀疏场主动轮廓方法,然后由目标轮廓和目标的相似度决定是否需要CamShift对轮廓进行修正;最后结合双目视觉的视差信息和标定模型对目标进行定位,引入视差置信区间判据可有效减少噪声影响,提高运动目标定位精度.实验表明本文所提的基于序贯检测机制的目标跟踪方法在摄像机运动一目标运动模式下,在目标有尺度、旋转、视角变化和环境有光照变化等情况下,能对运动目标进行有效地跟踪与定位,并且具有比较好的跟踪和定位精度.

基于OpenPose-slim模型的人体骨骼关键点检测方法

相较于2017年提出的在当时检测效果近乎最优的RMPE模型与Mask R-CNN模型,原用于人体骨骼关键点检测的OpenPose模型有着在保持精度近乎不变的情况下能大幅缩短检测周期的优势,但同时该模型也存在着参数共享率低、冗余度高、耗时长、模型规模太大等问题。针对上述问题,提出了新的OpenPose-slim模型。该模型减小网络宽度,减少卷积块层数,将原并列式结构改成序列式结构并于内模块加入Dense连接机制,其处理过程主要分为3个模块:1)关键点定位模块,检测出人体骨骼关键点的位置坐标;2)关键点联系模块,把关键点位置连接成肢体;3)肢体匹配模块,进行肢体匹配得到人体轮廓。每一个处理阶段之间关联紧密。在MPII数据集、COCO数据集和AI Challenger数据集上的实验结果表明,所提模型使用4个定位模块和2个联系模块,并于每一个模块内部使用Dense连接机制是最佳结构,与OpenPose模型相比,在保持检测精度基本不变的基础上,测试周期缩短为原来的近1/6,参数量缩小了近50%,模型规模缩小为近1/27。

密封第一价格采购中销售商串谋的监管机制研究

标准拍卖中普遍存在的竞拍者串谋不仅给拍卖方和社会福利带来损失,而且由于缺乏数据常难以检测和控制。鉴于此,采用四阶段序贯博弈分析密封第一价格采购中竞拍者串谋的监管问题,基于销售商的竞拍出价建立检测采购中竞拍者串谋的理论模型,相比其他检测模型多依赖于包括竞价、产能、库存、参与决策在内的大量竞拍者的历史和当期数据的"事后"检测特点,该模型具有仅依赖于竞价和估价的当期数据的"事中"检测特点。研究得到存在串谋和不存在串谋两种情况下,销售商不同的出价分布和出价区间,以及监管方对销售商串谋的概率判断和审核决策,解决了难以获取研究所需充足数据的困境,提高了串谋检测的可操作性。

基于顺序检测的双队列缓存替换算法

缓存技术是提高存储性能最有效的技术之一,在存储系统中得到了广泛应用.由于缓存容量有限,替换算法在缓存策略中占据了重要地位.当前,缓存替换算法的研究工作主要集中在如何提高缓存系统命中率,忽略了通过降低缓存失效开销来提高缓存系统性能方面的研究.针对这一问题,本文提出了一种基于顺序检测的双队列缓存替换算法:本算法优先淘汰缓存中的顺序页面,保留随机页面,从而大大减少后续请求对磁盘进行随机访问的次数,能够显著降低缓存系统的失效开销.同时,本算法使用两个队列分别维护新加入页面和待淘汰页面,遵循时间局部性原理,保证了缓存命中率.实验结果表明,本算法在多种缓存大小及工作负载下,可以达到比LRU和ARC算法更优的性能.