���ڸĽ�����ɫ������ֱ��ͼ���µ�Mean-Shift�㷨

为了提高复杂环境下智能视频监控对运动目标跟踪的可靠性,提出一种基于改进的颜色特征和直方图更新的Mean-Shift跟踪算法.该算法利用像素点局部颜色变化作为跟踪目标像素点特征,弥补单一颜色值特征对目标表征的不足;并根据Mean-Shift跟踪结果和目标匹配程度对目标直方图进行更新,保证在目标姿态和大小发生变化时目标特征直方图的有效性.实验结果表明：与传统Mean-Shift算法相比,改进的颜色特征减小了相似背景像素对运动目标的干扰,目标直方图的更新提高了Mean-Shift算法对目标姿态和大小改变的鲁棒性.算法提高了基于颜色特征的Mean-Shift算法对复杂环境中运动目标进行实时跟踪的可靠性.     

基于 UKF 非线性人眼跟踪的驾驶员疲劳检测

为解决驾驶员疲劳检测算法中头部快速移动、人眼非线性跟踪以及实际疲劳表情的识别问题,提出了一种新的基于UKF眼跟踪算法的驾驶员疲劳检测方法.根据近似非线性函数的概率分布比近似其函数更容易的原则,利用UT无迹变换,选择一组确定的Sigma点集逼近驾驶员人眼运动状态的后验概率密度函数,进行人眼非线性跟踪.在驾驶员人眼非线性跟踪基础上,通过计算PERCLOS值,进行现实驾驶条件下驾驶员疲劳的跟踪检测.实验结果表明,该方法不仅可以增强对驾驶员头部旋转、快速移动以及光照变换的鲁棒性,而且可以比传统的Kalm an滤波算法提供更精确的计算估计.     

基于概率支持向量机方法的人脸识别

针对智能会议场景对人脸识别的特殊情况,通过依据检测、跟踪得到头部区域与人脸区域的面积比,选择正面的人脸进行识别,降低了人脸姿态对人脸识别的影响.在分类方法的选择上,采用支持向量机方法,并对支持向量机方法进行了概率建模,分类器输出结果是测试人脸属于每类的概率.实验结果表明:该方法不仅使人脸识别的精度得到了提高,还提供了其属于所在类中的可信程度.     

复杂环境基于多信息融合的车辆跟踪方法

平交路口复杂环境下基于视觉的车辆跟踪容易受到如车辆在图像上投影的尺 度变化,车辆的排队与消散过程中邻近车辆间的遮挡及分离等因素的影响.针对该问题, 本文提出了一种利用局部特征增强的Mean-shift 改进算法,利用SIFT 特征点对尺度、旋 转变化鲁棒的特性,将其与基于跟踪区域颜色特征的跟踪方法相融合实现车辆跟踪,较 好地解决了在车辆尺度、运动方向变化,以及遮挡情况下的跟踪问题.同时通过引入跟踪 车辆分离的判定条件,结合特征点聚类算法解决了相邻车辆发生分离时的判断及跟踪问 题.实验结果表明,在多种交通场景的车辆跟踪过程中,本文提出的算法有较好的鲁棒性, 定位结果更加精确.     

基于单目视觉的运动行人检测与跟踪方法

为了有效检测与跟踪城市交通环境中的行人,提出了一种在摄像机静止情况下基于单目视觉的运动行人检测与跟踪方法。检测阶段通过自适应背景模型快速提取背景图像,用动态多阈值方法二值化差分图分割运动行人;跟踪阶段引入灰色模型作为行人运动模型,预测行人运动,融合行人多种特征建立目标匹配模板,对行人连续跟踪。通过单个行人通行和多个行人同时出现这两种交通环境下的视频图像对本方法进行了验证,单个行人通行时,跟踪的正确率为95%;多个行人同时通行时,识别每个行人并分别跟踪的正确率为87%。     

A New Region-of-interest Coding Method to Control the Relative Quality of Progressive Decoded Images

Based on the ideas of controlling relative quality and rearranging bitplanes, a new ROI coding method for JPEG2000 was proposed, which shifts and rearranges bitplanes in units of bitplane groups. It can code arbitrary shaped ROI without shape coding, and reserve almost arbitrary percent of background information. It also can control the relative quality of progressive decoded images. In addition, it is easy to be implemented and has low computational cost.     

一种用于多摄像机无重叠视域环境下的车辆跟踪系统

针对当前交通监控系统中自动化程度较低、过多依赖人力进行监控的现状,文章设计了一种用于多摄像机无重叠视域环境下的车辆跟踪系统.该系统为中心-分布式结构,中心服务器与分布在前端的智能摄像机节点通过GPRS相连,与传统的功能单一的摄像头相比,基于DM642的智能节点可以在前端完成目标检测、跟踪以及分类等工作,并将抽象化后的目标特征信息通过GPRS传输给中心服务器,大大减轻了网络传输的压力.中心服务器根据节点传送来的目标信息,对不同摄像机视域下的目标进行匹配,实现了目标的连续跟踪,获得了更为全面的目标信息.试验表明,文章设计的车辆跟踪系统可以在较大监控范围内有效地跟踪目标车辆.     

Long-term tracking based on spatio-temporal context

Aiming at the problem that the fast tracking algorithm using spatio-temporal context (STC) will inevitably lead to drift and even lose the target in long-term tracking, a new algorithm based on spatio-temporal context that integrates long-term tracking with detecting is proposed in this paper. We track the target by the fast tracking algorithm, and the cascaded search strategy is introduced to the detecting part to relocate the target if the fast tracking fails. To a large extent, the proposed algorithm effectively improves the accuracy and stability of long-term tracking. Extensive experimental results on benchmark datasets show that the proposed algorithm can accurately track and relocate the target though the target is partially or completely occluded or reappears after being out of the scene.     

智能网联车辆混行交通流中灯语意图识别模型研究

为使混行交通流下智能网联车辆(Connected and Automated Vehicles, CAV)实现对人工驾驶车辆(Human-driven Vehicle, HV)前照灯灯语意图(Vehicle Headlights Intention, VHI) 的识别，弥补车对车(Vehicle to Vehicle, V2V)和鸣笛意图识别技术的不足，更好地与HV交互沟通，提出CAV对HV的VHI识别模型.模型包括：灯光感知、光数据处理、VHI识别3个模块，灯光感知模块通过RGB(Red-Green-Blue, RGB)和HSV(Hue-Saturation-Value, HSV)颜色空间感知前照灯(Vehicle Headlights, VH)，采用KLT(Kanade-Lucas-Tomasi Tracking，KLT)和车辆匹配算法定位跟踪发出灯语的HV；光数据处理模块采用光通道增益算法计算光辐射通量变化； VHI识别模块基于双层隐马尔可夫模型(Double-layer Hidden Markov Model，DHMM)辨识VH 闪烁次数和HV行驶状态，实现VHI识别.在3种灯语示意典型场景下的实验结果表明：1 s内 VH感知准确率为96.8%，定位跟踪精度小于1°，VHI识别率为96.6%，满足混行交通环境下 CAV对HV驾驶意图的识别要求，基本保证实时性，为混行交通流中CAV自动驾驶决策提供理论依据.     

���ڳ���ǰ��������Ĺ��������

轨道交通线路净空安全是确保列车平稳、不间断运行的基础.由于轨间异物对行车安全产生严重影响,所以基于非轨道电路的轨道异物入侵检测系统在铁路系统中具有十分广泛的应用前景.本文提出了一种基于移动车载摄像机检测轨间异物的方法.首先,通过钢轨识别算法自动定位钢轨位置,并确定列车前方轨道是否有其它列车或公路车辆等大型异物,若有则进行报警;之后,基于边缘检测的异物检测算法自动检测轨间可疑小异物,同时提取可疑异物的尺度信息和颜色索引参数等相关特征;最后,用支持向量机（SVM）来对可疑小异物区域进行分类和辨识.车载实验结果表明,该方法可以有效地检测出轨间异物.     

智能网联车辆混行交通流中灯语意图识别模型研究

为使混行交通流下智能网联车辆(Connected and Automated Vehicles, CAV)实现对人工驾驶车辆(Human-driven Vehicle, HV)前照灯灯语意图(Vehicle Headlights Intention, VHI) 的识别，弥补车对车(Vehicle to Vehicle, V2V)和鸣笛意图识别技术的不足，更好地与HV交互沟通，提出CAV对HV的VHI识别模型.模型包括：灯光感知、光数据处理、VHI识别3个模块，灯光感知模块通过RGB(Red-Green-Blue, RGB)和HSV(Hue-Saturation-Value, HSV)颜色空间感知前照灯(Vehicle Headlights, VH)，采用KLT(Kanade-Lucas-Tomasi Tracking，KLT)和车辆匹配算法定位跟踪发出灯语的HV；光数据处理模块采用光通道增益算法计算光辐射通量变化； VHI识别模块基于双层隐马尔可夫模型(Double-layer Hidden Markov Model，DHMM)辨识VH 闪烁次数和HV行驶状态，实现VHI识别.在3种灯语示意典型场景下的实验结果表明：1 s内 VH感知准确率为96.8%，定位跟踪精度小于1°，VHI识别率为96.6%，满足混行交通环境下 CAV对HV驾驶意图的识别要求，基本保证实时性，为混行交通流中CAV自动驾驶决策提供理论依据.     

轨道不平顺概率模型

为了高效选取轨道不平顺随机样本, 以满足车辆-轨道系统随机动力与可靠度分析中的激振源遍历性要求, 依据轨道随机不平顺的弱平稳与谱相似特征, 提出了一种轨道不平顺概率模型; 采用离散概率积分和统计方法, 在时域中将大量轨道不平顺检测信号分成若干个时程序列, 对每个序列采用谱分析法计算其统计功率谱密度分布; 采用矩阵法对轨道不平顺功率谱密度函数进行集合表征, 视每条谱线在不同频率点的功率谱密度概率具有累加性, 采用单一频率下的功率谱密度概率分布推知整条谱线的出现概率; 采用通用随机模拟方法选取代表性轨道谱, 并反演随机不平顺序列; 实测了某高速铁路约269km的轨道高低和方向不平顺, 基于车辆-轨道耦合动力学理论, 从轨道不平顺模拟幅值与车辆-轨道系统动力响应的概率密度分布出发, 对比了轨道不平顺概率模型与轨道不平顺随机模型的计算结果, 以验证轨道不平顺概率模型的正确性和高效性。计算结果表明: 以2种模型生成的轨道随机不平顺为激振源, 获得的车辆-轨道系统动力响应分布熵差异小于2%, 2种模型均能准确表达不平顺激扰特性; 为保证模拟与实测不平顺的概率密度分布一致, 采用随机模型和概率模型分别需要生成131和33个随机样本, 概率模型具有更高的分析效率; 在给定计算工况下, 轮轨力和车体加速度的幅值分别为38~152kN和-0.042g~0.043g (g为重力加速度), 均未超过《高速铁路设计规范》 (TB 10621—2014) 中的限值(轮轨力为170kN, 车体加速度为0.25g), 表明此高速铁路轨道不平顺状态较优, 行车安全性和舒适性可以得到保证。      

基于改进的均值漂移的森林火灾图像提取技术

为了解决呈红色山地路面等对火灾图像提取的干扰问题,考虑林区图像的R通道直方图的分布曲线,采用一种基于均值漂移改进算法,自适应地得到背景与火灾,山地路面的分割闽值T1.通过阈值分割将火灾和山地路面从背景图像中分割出来,再利用改进算法对R通道占比率直方图进行处理,自适应地得到火灾与山地路面的分割阈值T2,从而实现火灾的自适...     

融合式空间塔式算子和HIK-SVM的交通标志识别研究

在交通标志识别问题上,提出了一种基于融合式的空间塔式算子和直方图交叉核支持向量机(HIK-SVM)的分类方法.在该方法中,通过提取图像的灰度塔式词袋直方图(Gray-PHOW)特征、颜色塔式词袋直方图(Color-PHOW)特征和塔式边缘方向梯度直方图(PHOG)特征来对交通标志的外观、颜色和轮廓信息进行描述.通过提取空间塔式直方图特征,能很好地对图像各种特征的空间分布状况进行描述.提取到图像的外观、颜色、轮廓和特征的空间分布信息后,对其进行融合,最后得到的融合式的空间塔式特征具有很强的鲁棒性.将该融合式特征送入HIK-SVM进行训练和分类,取得了极其高的识别效果.     

驾驶人手机通话行为中基于图像特征决策融合的手势识别方法

为鲁棒检测自然环境中驾驶人的通话行为, 提出了一种驾驶人手机通话手势的识别方法。运用Adaboost算法检测驾驶人面部区域, 在YC_gC_r色彩空间中分别对面部肤色亮度分量和色度分量进行稀疏网格间隔采样, 由此建立了肤色的高斯分布模型; 针对驾驶室光照强度的不均匀性, 提出了肤色分量的漂移补偿算法, 建立了适应光照变化的在线肤色模型, 以准确分割左右手部肤色区域; 运用HOG算法获取手部肤色区域的2 376维HOG特征向量, 运用PCA方法将HOG特征降至400维; 同时提取手部肤色区域的PZMs特征, 并采用Relief算法筛选出权重最大的8个PZMs特征向量, 建立了融合PCA-HOG特征和Relief-PZMs特征的通话手势支持向量机分类决策。试验结果表明: 基于PCA-HOG特征的手势识别率为93.1%, 对光照变化的鲁棒性较好, 但易受到手部与头部转动的干扰; 基于Relief-PZMs特征的手势识别率为91.9%, 对于头部与手部姿态的耐受度较好, 但光照鲁棒性较差; 基于PCA-HOG和Relief-PZMs多元特征融合方法的手势识别率达到94.5%, 对光照波动、手部与头部转动等干扰条件具有较好的适应性。      

Region of interest based selective encryption scheme for privacy protection in H.264 video

A selective encryption scheme for region of interest （ROI） of H.264 video is proposed to protect the personal privacy in a video. The most important part of video can be protected with less cost and operation by only encrypting the content of ROIs. Human face regions are selected as ROI and detected by using Gaussian skin color model. Independent ROI encoding is realized with the mechanism of flexible macro-block ordering （FMO）. Frames are divided into grid-like slice-groups which can be combined flexibly to form a required ROI. Both luminance component and chrominance component of the macro-blocks in ROI are modified to achieve good encryption quality and location accuracy. In the process of decryption, the encrypted area is located automatically. There is no need to transmit additional position information of ROIs to the end of decryption. The encrypted video is decrypted correctly with the secret key. JM18.4 software is employed to perform the simulation experiment. Experimental results show the accuracy and effectiveness of our scheme to encrypt and decrypt the ROIs in H.264 video.     

对构建我国会计信息质量特征体系的思考

我国目前的会计信息质量体系层次不清晰,未能明确区分主次质量特征,各质量特征之间的相互关系不明朗,内容也有欠缺。在全球经济一体化的背景下,应主动适应要求,构建我国新的会计信息质量特征体系。新的会计信息质量特征体系应当由基础质量特征、总体质量特征、主要质量特征、次要质量特征和约束条件五部分构成。     

Probabilistic Tracking of Objects with Adaptive Cue Fusion Mechanism

A tracking method based on adaptive multiple cue fusion mechanism was presented,where particle filter is used to integrate color and edge cues.The fusion mechanism assigns different weights to two cues according to their importance,thus improving the robustness and reliability of the tracking algorithm.Moreover,a multi-part color model is also invoked to deal with the confliction among similar objects.The experimental results on two real image sequences show the tracking algorithm with adaptive fusion mechanism performs well in the presence of complex scenarios such as head rotation,scale change and multiple person occlusions.     

用于检测疲劳驾驶的自适应脸部定位方法

针对疲劳驾驶视觉检测技术中驾驶员脸部定位快速性与准确性难以同时满足的情况,提出了一种将肤色和面部几何特征相结合的自适应脸部定位方法。该方法对YCbCr空间肤色相似度和传统Otsu闾值分割算法进行改进,降低了计算复杂度,采用新的区域连通和区域标记算法定位出脸部位置。最后,根据人脸几何特征对脸部区域做进一步确认：试验结果表明,该方法能对驾驶员图像脸部进行快速、准确定位。     

一种避免航迹聚集的改进的JPDA方法

提出了使用分类信息来改进传统的JPDA方法,在数据关联过程中综合使用了目标的运动学信息和目标的分类信息,提高了在跟踪波门内目标正确关联的概率,有效避免了航迹聚集现象.理论分析和仿真结果表明,尤其当多个临近目标的属性信息差别明显时,有目标分类信息辅助的JPDA方法可以显著提高跟踪波门内目标的正确关联概率,降低波门内其他目标/杂波的关联概率,使得被跟踪目标的信息更新以正确目标的信息为主.仿真结果验证了算法的正确性和有效性.