国家自然科学基金(61071217)
- 作品数：9 被引量：46H指数：3
- 相关作者：王拓刘泽民许维胥博马瑞芳更多>>
- 相关机构：西安交通大学中国人民武装警察部队工程大学攀枝花学院更多>>
- 发文基金：国家自然科学基金江苏省科技计划项目江苏省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于颜色和方向梯度特征融合的粒子滤波跟踪算法被引量：3
- 2014年
- 提出基于均值偏移的粒子滤波算法。该算法融合了颜色特征和方向梯度特征对人体行为实施跟踪。HSV颜色模型采用带宽自适应的改进策略,有效地实现了对尺度变化目标的跟踪;方向梯度特征的融合,提高了算法在复杂环境中应对光线变化和相似目标遮挡等情况的适应性。针对粒子退化问题,在特征融合的粒子滤波基础上引入具有聚类作用的Mean Shift算法,从而可以用较少数量的粒子达到较好的跟踪效果。仿真实验表明,该算法具有较好的准确性、鲁棒性与实时性。
- 赵怀勋姜莹礁
- 关键词：带宽自适应方向梯度
- 基于灰关联度系数的证据组合方法被引量：1
- 2017年
- 分析了D-S方法及其改进方法的不足,基于灰关联度系数提出了一种新的冲突证据处理算法。首先,以灰关联系数作为衡量标准,把每条证据当做离散的点,求出证据体集合中其它证据与它的相似程度。然后把相似程度进行归一化处理得到相似度,该相似度表示的是该证据的重要程度。把该相似度当做每条证据体的权重,对证据体加权合成新的证据体模型。最后用新证据体融合得到结果。通过算例表明:该方法与其他改进方法比较,具有收敛速度快,计算方法简单,易于工程实现的优点。
- 卢彦龙王拓徐宏
- 关键词：D-S证据理论信息融合
- 基于代价敏感Adaboost目标跟踪被引量：6
- 2016年
- 目的当前,目标跟踪问题常常会通过在线学习、检测的方法来解决。针对在线学习过程中,分类器训练需要花费大量时间以提高其识别准确率的问题,提出使用Adaboost算法级联弱分类器,在训练一定帧数后仅进行检测的方法来达到实时和准确的折中。方法首先针对跟踪问题简化了haar特征,以降低特征计算量。同时考虑到经典的Adaboost算法可能并不适合跟踪过程中存在的正负样本不均衡问题,提出在样本权重更新公式中引入一个新的调整因子项并且结合代价敏感学习来提高目标识别率的方法。最终给出使用简化的haar特征作为描述子,改进的代价敏感Adaboost作为分类器的目标跟踪算法。结果对20组视频进行跟踪实验,本文算法的平均代表准确率高于压缩跟踪算法约26%,高于原始代价敏感算法约11%;本文算法的视频处理平均帧率高于压缩跟踪算法约38%。结论本文提出的新代价敏感Adaboost算法对目标的识别、跟踪具有较高的准确率及较快的处理速度,并具有一定的抗干扰能力。特别对人等非刚性目标能够进行较好跟踪。
- 薛一哲王拓
- 关键词：目标跟踪
- 应用色彩空间聚类方法实现道路建模被引量：2
- 2013年
- 通过图像对交通事故进行识别、处理,需要将卷入交通事故的车辆等目标从交通事故场景图像中分离出来,因此建立准确的道路模型十分重要。传统的道路建模方法大都基于灰度空间,忽略了图像中的彩色信息,不适合复杂的交通环境。针对道路像素分布的非参数化特点和后续处理中对彩色信息的需求,提出一种基于色彩空间聚类的非参数化道路模型,将道路模型的建立抽象为时间轴上的色彩空间聚类过程。根据颜色变化理论,设置聚类区间为RGB颜色空间中以聚类中心和原点连线为轴的圆柱体,并通过聚类中心特征值的不同自适应来调整聚类半径。同时,对于每个像素位置,根据场景复杂程度和变化频率的不同自适应地选取聚类中心数目,获得较为准确的背景模型,在提高检测精度的同时也保证了检测效率。
- 向宸薇王拓于舰
- 关键词：智能交通系统RGB颜色空间彩色信息
- 基于RBF神经网络的人体行为识别技术研究
- 2020年
- 本文提出了基于聚类RBF神经网络人体行为识别方法。采用背景差分法检测人体轮廓特征,Meanshift粒子滤波自适应算法跟踪人体运动特征,跟踪对颜色和纹理特征的特征融合方式进行了改进;采用了傅里叶描述子选取人体动作外形轮廓,利用人体运动速率表征人体运动特征;提出了结合聚类分离度和紧密度的Silhouette宽度,定义了均方根误差RMS为训练参数目标误差。实验表明,改进的算法提高了人体行为的识别率,具有较好的实用价值。
- 姜莹礁
- 关键词：粒子滤波
- 可信可控网络中的一致性视图构建机制
- 2013年
- 可信可控网络利用多个控制节点对AS进行联合控制,容易造成多个控制节点在网络控制过程中持有的AS视图不一致。针对该问题,在可信可控网络模型的基础上提出了基于选举算法的AS内一致性视图构建机制,该机制首先基于选举算法选举出主控制节点,然后主控制节点根据AS内各个控制节点的负载将视图构建任务分配给负载最低的控制节点负责构建视图,并利用主控制节点的时间对生成的视图的版本进行界定,从而避免了多个控制节点独自构建视图造成的视图混乱问题。另外,仿真实验结果表明,提出的一致性视图构建机制具有良好的性能。
- 刘泽民
- 关键词：选举算法
- 基于PCA和HMM-支持向量机的故障诊断方法设计被引量：3
- 2014年
- 为了提高复杂系统运行的有效性和可行性,避免系统发生故障时造成巨大的财产损失甚至灾难性的后果,提出了一种基于PCA(Principal Component Analysis,PCA)和HMM(Hidden Markov model,HMM)-支持向量机的故障诊断方法;首先获取故障征兆特征向量,然后采用PCA主成分分析法对特征向量进行降维以减少样本数据的复杂性,将降维后的训练样本数据输入HMM模型和支持向量机模型进行训练得到最终的HMM-支持向量机混合模型,最后将降维后的测试样本数据输入最终的HMM-支持向量机混合模型进行故障诊断;在Matlab仿真环境下进行故障诊断实验,结果证明文中故障诊断精度高达98.9%,与其它方法相比,不仅具有较少的诊断时间而且具有较高的诊断精度,具有很强的可行性。
- 刘泽民李世文
- 关键词：故障诊断主成分分析支持向量机
- 采用改进的尺度不变特征转换及多视角模型对车型识别被引量：25
- 2013年
- 针对车型识别过程中车辆的姿态复杂以及采集图像时尺度缩放和光照等因素导致识别出现困难的问题,提出采用改进尺度不变特征转换(SIFT)及多视角的车型识别算法。该算法对尺度不变特征提取方法进行改进,并获取车型特征;通过视觉聚类对车辆进行多视角建模;利用最佳节点优先搜索算法完成特征向量的近邻搜索,并根据匹配相似度完成车型识别。实验结果表明,该算法所给出的车型识别方法具有可行性和有效性,可以在不同的图像畸变条件下保持稳定性,最终的车型识别效率也都可达到90%,所用时间要低于SIFT方法,处理时间在原SIFT方法的基础上降低了20.58%。
- 华莉琴许维王拓马瑞芳胥博
- 关键词：车型识别
- 基于聚类RBF神经网络的人体行为识别被引量：6
- 2013年
- 提出基于聚类RBF神经网络的人体行为识别方法。通过基于单模态高斯背景模型的背景差分法提取动作轮廓;采用基于中心距的傅里叶描述子,对图像轮廓线进行处理,降低了特征的维数;利用谱聚类算法提取行为序列的关键特征向量,采用改进的基于聚类的RBF神经网络进行行为识别。仿真实验表明,该方法能有效识别人体行为类别,应用效果满足实际要求。
- 姜莹礁赵怀勋贾琪王寻
- 关键词：背景差分中心距谱聚类
