融合人体全身表观特征的行人头部跟踪模型

现有的行人多目标跟踪模型在密集场景下存在行人无法检出以及帧间关联混淆的问题。为了提高密集场景下行人跟踪的精确率,提出一种融合全身表观特征的行人头部跟踪模型HT-FF(Head Tracking with Full-body Features)。首先,使用行人头部检测器替代全身检测器,提高密集场景下行人的检出率;其次,利用人体姿态估计的信息为引导,获得去噪声的全身表观特征作为跟踪线索,大幅减少多帧之间关联时发生的混淆。HT-FF模型在密集场景下行人跟踪的基准数据集Head Tracking 21(HT21)上的MOTA(Multiple Object Tracking Accuracy)和IDF1(ID F1 Score)等多个指标上取得了最优的结果。HT-FF模型能有效缓解密集场景下行人跟踪丢失和混淆的问题,所提出的融合多线索的跟踪模型是行人跟踪任务的新范式。

连续动态手势的时空表观建模及识别

论述了复杂背景下连续动态手势的分割、建模及识别 ;融合手势运动信息和皮肤颜色信息 ,进行复杂背景下的手势分割 ;通过结合手势的时序信息、运动表观以及形状表观 ,提出动态手势的时空表观模型 ,并提出基于颜色、运动以及形状等多模式信息的分层次融合策略抽取时空表观模型的参数 .最后 ,提出动态时空规整算法用于手势识别 .实验表明 ,利用上述提出的手势分割、建模、特征参数抽取及识别方法识别 12种手势 ,平均识别率高达 97% .

基于强跟踪滤波器预测的主动表观模型人脸特征点跟踪

利用主动表观模型(AAM)可以对视频序列中人脸进行特征点定位,当目标对象与初始位置偏离过大时,就会使拟合过程陷入局部最小,使迭代无法收敛到正确位置,造成定位失败。针对此问题,提出了一种基于强跟踪滤波器(STF)预测的AAM(STF-AAM)人脸特征点跟踪方法。首先,将视频中头部运动看成动态系统,然后利用强跟踪滤波器对其进行预测跟踪,从而找到每一帧的拟合初始位置并进行拟合运算。由于视频序列中每一帧中的拟合初始位置都能被快速找到,从而取得了比较精确、快速的跟踪结果。实验结果表明,所提方法与传统方法相比在保证拟合精度的同时,提高了算法的跟踪定位速度。

烟草赤星病流行动态预测

2001～2002年对黑龙江省宾县和肇州县两个烟草赤星病田间观测点进行了系统调查,种植烤烟品种为NC89,共计获得了13组田间病害流行数据资料,利用多种增长模型对所得数据进行拟合检验,通过比较决定系数和剩余均方,认为Logistic模型能较好地拟合赤星病田间动态变化过程.分析赤星病发病因素,证明初始病情、日平均温度、日平均相对湿度、日降雨量及降雨日数是影响赤星病发生流行的重要因素,利用逐步回归分析建立了烟草赤星病田间增长速率的预测模型,并对田间病害流行动态进行了预测.

基于AAM和光流法的动态序列表情识别

为获得人脸表情变化过程的动态信息,提高表情特征点在动态序列中跟踪的准确性,提出将主动表观模型与高斯金字塔Lucas-Kanada光流法相结合的表情识别方法。构造中性表情的基本主动表观模型,得到中性表情帧中的表情特征点,在动态序列中用高斯金字塔Lucas-Kanada光流法跟踪这些表情特征点,获得表情动态变化信息作为人脸表情特征,用支持向量机方法进行表情分类。在Cohn-Kanade+人脸表情数据库进行实验,实验结果表明,该方法能有效提高人脸表情识别的准确率。

基于MBLBP与Haar特征提取的驾驶疲劳检测

为了提高驾驶员疲劳驾驶的检测效率,提取人脸和人眼的MBLBP与Haar特征,使用gentleboost训练方法得到多级强分类器,用级联的方法对人脸和人眼进行检测和识别.当系统连续三帧检测到人脸但检测不到人眼的情况下判定驾驶员出现疲劳.加入人脸肤色验证信息,构建6个视角分类器,使用动态表观模型(AAM)来拟合人眼.试验结果表明大大提高了驾驶员疲劳的检测效果.

手势识别技术及其在人机交互中的应用

手势是一种自然、直观、易于学习的人机交互手段 ,手势输入是实现自然、直接人机交互不可缺少的关键技术。目前的手势识别技术主要分为基于数据手套和基于视觉两种。这两种方法各有自己的长处 ,也都取得了一些研究成果 ,但都还不成熟。手势输入作为一种自然、丰富。

动物模型的表观-生化-病理-分子生物学指标的关联特点分析

目的:建立一个能够准确评价动物模型复制成功与否,指导动物模型研究及科研实验的动物模型评价体系。方法:本文参照河南中医大学药理实验室苗明三教授等人起草的多项动物模型制备规范草案以及中国知网、维普、万方的多个数据库中随机筛选的100篇各类疾病动物实验文献,就动物模型常见的表观指标、生化指标、病理指标、分子生物学指标,进行数理统计分析。借助SPSS 24.0,对各指标数值的平均值、标准差,进行整合,对所得数据进行分层,对实验动物的各项指标进行动态统计分析,并进行合理的赋值加权,以求对动物模型进行合理的评价。结果:得出了动物模型表观-生化-病理-分子生物学的动态模式分析的体系:表观指标:N_(1)=γ_(1)/α_(1)×β_(1);生化指标:N_(2)=γ_(2)/α_(2)×β_(2);病理指标:N_(3)=γ_(3)/α_(3)×β_(3);分子生物学指标:N_(4)=γ_(4)/α_(4)×β_(4);动物模型表观-生化-病理-分子生物学指标的动态得分:N=N_(1)+N_(2)+N_(3)+N_(4)。结论:该体系能够准确评价动物模型复制成功与否,对动物模型研究、科研实验的开展、新药开发均有一定的指导意义。

智能高光谱遥感卫星前视相机性能设计

高光谱遥感可以得到地物连续光谱信息,实现地物精细分类、目标高精度探测以及地物生化参量的定量化应用。传统的高光谱遥感器由于固定辐射动态范围,存在大量无效且冗余数据,给卫星载荷造成了巨大的存储压力。智能高光谱卫星关键技术之一在于利用前视相机预判辐射动态变化范围的方式辅助主相机成像模式调整,本文在智能遥感卫星系统概念的基础上,重点开展前视相机倾斜角设计、波段设置和辐射动态范围预测研究。研究表明:前视相机倾斜角需要综合考虑星上响应时间、单次成像距离和空间分辨率;考虑到云检测、气溶胶光学厚度和水汽含量反演等指标的实现,前视相机需要设置0.49μm、0.66μm、0.87μm、0.94μm、2.1μm等5个波段;0.4—1.0μm波段范围最大最小值辐亮度可以由有限波段进行预测。基于ENVI光谱库76条光谱数据,通过MODTRAN辐射传输模型模拟各类地物(植被、矿物、人造地物、土壤)在不同观测条件下的表观辐亮度,建立了在0.4—1.0μm波段内各类地物辐射动态最大值和最小值模拟模型,利用光谱库中其他光谱数据验证了各类地物辐射动态最大值和最小值模拟模型,各类地物最大值和最小值预测模型验证的拟合优度(R2)分别大于98%和75%,模型验证相对误差分别小于5%和25%;同时利用Hyperion影像,验证了植被类预测模型,最大值模拟模型验证相对偏差在5%内,最小值模拟模型验证相对偏差在10%内。以上研究为智能高光谱卫星主相机的辐射动态范围调整提供了重要依据。