结合特征置信度的背景感知相关滤波跟踪算法

基于相关滤波的跟踪算法表现突出,然而在复杂跟踪环境下跟踪器很容易发生预测错误而导致跟踪失败。针对这一问题,提出一种结合特征置信度的背景感知跟踪算法。首先,采用较大的样本采集区域捕捉背景信息对滤波器训练,利用二次项替换及交替方向乘子法对模型进行快速求解。在颜色特征、方向梯度直方图特征以及灰度特征等多特征融合的基础上,根据目标响应大小对每个特征通道动态计算特征置信度,通过特征置信度加权来训练新的滤波器。为提高滤波器鲁棒性,结合APCE和特征置信度对滤波器进行高置信度更新。所设计的算法在OTB100数据集上与多个优秀相关滤波算法进行对比,实验结果显示,该算法在多种复杂场景下均具有较好的准确性和实时性。

语音识别确认中的置信特征和判定算法

提出了一种基于支持向量机的联合多种置信特征进行语音识别确认的判定方法.从待确认语音中提取出分段的后验概率和线性预测编码识别结果置信特征,其中后验概率根据垃圾模型近似计算得到;设计支持向量机分类器联合多种置信特征给出最终确认结果.实验结果表明,所提出的置信特征和支持向量机分类器取得了很好的确认效果.

基于置信特征与结构相似度约束的图像修复算法

当前图像修复算法主要通过对像素值的差异进行度量来完成图像修复,当待修复图像中破损区域较大时,该方法修复的图像中会出现较为明显的块效应以及纹理不连续效应,导致算法的修复效果不佳.对此,本文提出了基于置信特征耦合结构相似度约束的图像修复算法.引入优先权函数,对破损区域中待修复像素的优先权值进行计算,以确定待修复像素.利用待修复像素的梯度模值来构造梯度变化约束机制,对修复块的模板大小进行调整,以提高图像的修复质量.通过像素点的置信度构造置信特征因子,并利用置信特征因子建立了搜索空间适配法则,明确了最优匹配块的搜索范围.引入结构相似度模型,对修复块与匹配块之间的结构相似度进行约束,以选取最优匹配块,利用最优匹配块对修复块进行扩散填充,从而完成图像的修复.仿真实验表明:与当前图像修复技术相比,本文方法具有更好的图像复原质量,有效降低了块效应以及不连续效应.

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。

GIS分合闸线圈电流特征分析及故障诊断

由于GIS设备的全封闭设计,可能出现辅助接点及现场显示分合成功,但实际触头分合不到位的情况,造成相当大的经济损失和严重的社会影响。断路器在每次分合闸过程中,线圈电流随时间变化,其变化波形蕴藏着包含电磁铁本身、所控制锁扣、传动机构在操动过程中的工作情况等一系列重要信息。通过传感器测量分合闸操作时分合闸线圈的电流信号,然后提取电流波形特征量进行故障诊断,可以为判断GIS操动机构的状态,确认分合闸的到位提供重要的依据。

基于粗糙集的分类关联规则挖掘算法研究

本文给出了一种将属性约简和分类关联规则挖掘相结合的新型分类挖掘系统的算法(CARMA)。它运用粗糙集理论把关系数据库按属性值分成若干等价类、约简冗余属性及依赖属性,然后对数据约简后的目标关系表求取分类支持度大于阈值的强类和特征置信度大于阈值的强特征,从而有效获取强类中的强特征的决策关联规则。实验结果表明,CARMA对于数据的分类是有效的,比其它算法具有更高的分类精度和效率。它能够有效地克服ID3系列算法的冗余性、复杂性和对大数据量的不适应性,对增量数据能够达到较好的分类效果和具有广泛的应用前景。本文关键讨论了具体的算法、系统框架和实例。

一种小规模数据集下的贝叶斯网络学习方法及其应用

提出了一种小规模数据集下学习贝叶斯网络的有效算法——FCLBN。FCLBN利用bootstrap方法在给定的小样本数据集上进行重抽样,然后用在抽样后数据集上学到的贝叶斯网络来估计原数据集上的贝叶斯网络的高置信度的特征,并用这些特征来指导在原数据集上的贝叶斯网络搜索。用标准的数据集验证了FCLBN的有效性,并将FCLBN应用于酵母菌细胞中蛋白质的定位预测。实验结果表明,FCLBN能够在小规模数据集上学到较好的网络模型。

智能车前方目标车辆检测方法研究

为了准确检测智能车前方目标车辆以及确定目标车辆与本车的距离信息,提出了一种应用模糊逻辑融合车辆多特征检测目标车辆的算法。该算法充分考虑到车辆多个特征的重要性,将模糊理论中的模糊隶属度函数和特征置信度值相结合实现目标车辆的验证。在生成目标假设以及提取有效特征点后,通过对不同特征进行模糊化,根据模糊推理融合得到的目标车辆的最终置信度验证车辆假设,实现前方车辆的检测。试验数据表明,该算法具有较好的适应能力和抗干扰能力,能够及时准确地检测前方目标车辆。

Configurable ontology mapping based on multi-feature

A configurable ontology mapping approach based on different kinds of concept feature information is introduced in this paper. In this approach, ontology concept feature information is classified as five kinds, which respectively corresponds to five kinds of concept similarity computation methods. Many existing ontology mapping approaches have adopted the multi-feature reasoning, whereas not all feature information can be com- puted in the real ontology mapping and only fractional feature information needs to be selected in the mapping computation. Consequently a eonfigurable ontology mapping model is introduced, which is composed of CMT model, SMT model and related transformation model. Through the configurable model, users can conveniently select the most suitable features and configure the suitable weights. Simultaneously, a related 3-step ontology mapping approach is also introduced. Associated with the traditional name and instance learner-based ontology mapping approach, this approach is evaluated by an ontology mapping application example.

An improved method for multiple targets tracking

The difficulty of multiple targets tracking is how to quickly fulfill the target matching from one flame image to another and fix the position of the target. In order to accurately choose target feature information for reliable matching, simplify operations under the reliable precondition, and realize precise moving objects tracking, an approach based on Kalman prediction and feature matching was proposed. The position of the target in next frame image was predicted by Kalman, and then the moving objects of two adjacent frames were matched by the centroid and area methods. When occlusion occurs, the best matching result was found to realize tracking by matching matrix algorithm. The simulation results show that the proposed method can achieve multiple targets tracking accurately and in real-time under complicated motion movements.

一种室内弱纹理环境下的视觉SLAM算法

针对室内机器人在弱纹理环境下视觉SLAM(同步定位与地图构建)不鲁棒、不精确的问题,提出一种视觉惯性SLAM优化算法。首先,利用基于注意力机制的深度学习模块直接对相邻两帧图像进行特征匹配,结合传统特征检测方法,解决无法提取足够特征点的问题;其次,建立相机深度置信模型,在计算相机帧间位姿变换关系前,引入空间点的深度置信概率来减小远距离特征的漂移误差;最后,将参与后端优化的所有匹配特征点的深度置信度作为动态鲁棒核函数的分段阈值,优化传统光束平差法,协调整体运动轨迹。实际场景实验表明,该算法在弱纹理环境下有明显的鲁棒性,相较于VINS-RGBD算法,该算法的绝对轨迹误差降低了50.38%,相对轨迹误差降低了85.75%。

弱纹理环境下视觉里程计优化算法研究

针对视觉里程计在弱纹理的道路环境下定位精度骤降的问题,提出一种双目视觉里程计优化算法。首先,通过提取局部特征平面,为立体匹配缺失的特征提供平面约束,增加有效立体特征的数量;其次,在特征追踪过程中,使用匀加速运动模型,提高特征追踪的数量和质量;最后,在位姿计算和优化过程中,使用考虑特征置信度的光束法平差算法来减少远距离特征引入的误差影响,提高算法的精度和稳健性。数据集实验和实际场景实验表明,该算法在占有极少计算资源的情况下对弱纹理环境下的定位精度有较明显的优化效果,在其他场景也具有较好的适应性。

Effect of the uncertainty in soil-water characteristic curve on the estimated shear strength of unsaturated soil

Most failures or instabilities of geotechnical structures commonly result from shear failure in soil. In addition, many infrastructures are constructed within the unsaturated zone. Therefore, the determination of shear strength of unsaturated soil is crucial in geotechnical design. The soil-water characteristic curve(SWCC) is commonly used to estimate the shear strength of unsaturated soil because the direct measurement is time-consuming and costly. However, the uncertainty associated with the determined SWCC is rarely considered in the estimation of the shear strength. In this paper, the uncertainties of SWCC resulted from different factors are reviewed and discussed. The variability of the estimated shear strength for the unsaturated soil due to the uncertainty of SWCC associated with the best fit process is quantified by using the upper and lower bounds of the determined SWCC. On the other hand, the uncertainties of the estimated shear strength due to different initial void ratios or different confining pressures are quantified by adopting different SWCCs. As a result, it is recommended that the measured SWCC from the conventional Tempe cell or pressure plate needs to be corrected by considering different stress levels in the estimation of the shear strength of unsaturated soil.