一种基于单幅图像的主平面检测算法

不同于传统的基于RANSAC思想的平面检测算法,提出一种新颖的单张图像主平面检测算法。通过图像中线段交点的角度直方图峰值得到图像所对应的三维场景消失点,并根据消失点将线段分类成不同组别;再使用图像分割算法分割图像中平面区域;然后由其中两组平行线段的交点像素值选择主平面颜色并确定主平面区域。最后在两组平行线中选择两对平行线优化主平面区域边界。

基于深度学习的行人单目标跟踪

基于SiamFC跟踪网络和Faster R-CNN检测网络,提出基于关键帧模板更新算法,提高行人目标跟踪速度,以及根据跟踪目标连续性和目标形状不会突变性质,提出欧氏距离和重叠度对系统跟踪结果进行约束。经实验验证,算法系统跟踪平均重叠度达到0.82,算法中心点l2-norm距离缩小到9,有效提高系统的跟踪质量,优于基于检测或者跟踪算法,在系统配置为NVIDIA 1080Ti显卡下,系统跟踪速度达到37fps,达到实时跟踪效果。

基于DCNN的人脸多属性识别

在人脸属性的识别过程中,目前常见的方法有以下几种,基于Gabor小波变换的人脸属性识别,基于SIFT的人脸属性识别和基于差分纹理的人脸属性识别。传统方法存在很多问题,例如特征的选取需要人为的干预,而且特征的选择也不一定能够符合预期。采用有监督的基于深度卷积神经网络(DCNN)的方法,构建一个多层卷积神经网络,通过卷积神经网络获得深度卷积激活特征,该方法采用CelebA库训练,之后用JAFFE人脸库进行检测,取得很好的实验结果。