摘要：无监督视频异常检测,关注从只有视频级标签的视频中,检测出异常事件发生的视频帧。由于没有视频帧标签,会造成该视频中的正常视频帧和异常视频帧难以区分。为了对正常和异常视频帧进行外观和外观特征分析,本文提出一种用于无监督视频异常检测的时间-外观扩散Transformer。该模型中,Transformer编码器用于提取视频帧特征。时间能量扩散模块,使用高斯噪声对时间特征进行扩散,生成加噪后的时间特征集合。该模块使用单步的Monte Carlo采样方法选择出加噪样本,根据加噪样本和原始样本的余弦相似度和均方误差,判断加噪样本是否可信。该模块进一步设计了单次迭代的加噪和多次跨步的采样过程,来充分学习样本特征的更为复杂的时间变化情况。外观能量扩散模块,对外观特征进行单次迭代的加噪和多次跨步的采样过程,学习复杂的外观特征变化。上述的时间、外观能量扩散模块,描述视频帧可信的时间-外观特征,具有较好的互补性,能够有效增强正常和异常样本的区分能力。Transformer解码器用于异常分数的预测。在CUHK Avenue、ShanghaiTech、UCF-Crime和UBnormal这4个数据集上的实验表明,时间-外观扩散Transformer模型优于现有的无监督视频异常检测方法。

摘要：复杂场景目标识别是图像理解领域的重点和难点。Boosting算法是机器学习中用于提高精度的算法,现已在简单目标识别中获得广泛应用。提出了一种针对复杂场景目标识别任务的统计学启发Boosting算法,补充了现有识别任务中Boosting方法所缺乏的理论分析依据。首先在统计学基础上,分析了Boosting的稳定性能,以此快速确定弱分类器数目,解决了算法性能的不可预测性,缩短了算法设计时间。之后针对不同复杂程度的真实世界场景,设计稳定有效的Boosting识别算法,实验结果表明算法对存在光照、视角、干扰、遮挡和类内多变的场景目标均有较高的识别精度,具有鲁棒性。

摘要：为正确评价挖掘机工作装置在作业过程中的动态性能,需要准确模拟工作装置在挖掘过程中所受的载荷变化以及铲斗的装料过程。在RecurDyn中构建了工作装置的刚柔耦合模型,并与基于离散单元法的土壤模型进行双向协同仿真。结果表明,结合离散单元法的刚柔耦合仿真能提供更符合真实工况的动态变化数据,能正确地反应挖掘全过程中斗杆和动臂的强度/刚度的动态变化,避免了传统计算只取个别特征位姿的不足。仿真得到的挖掘阻力比传统解析解大约38%,所确定的工作装置危险姿态也与现国标中的构型略有差异。

摘要：PDMS三维软件因其项目管理结构合理、模块化数据库安全性高和可视化图形检测性强等优点,业已成为国内外应用较为广泛的工厂三维设计软件,并在各个领域逐步优化其使用性能和覆盖功能。采用PDMS三维软件,以某安全级带放射性的厂房为例,考虑到厂房不同辐射分区,阐述了该厂房整个消火栓系统的设计思路,提供了消防系统自动控制的操作方案,并按设计要求搭建模型。同时,结合现场经验反馈,针对模型搭建流程、抗震管道安装稳定性、各专业管道综合、设计进度紧张等问题,提出了相应的优化措施,达到提升软件使用操作性能、优化二维图纸和三维模型设计中的衔接,以及节省人力时间成本的目的。

摘要：武汉市碳酸盐岩天兴洲条带,发育一套巨厚层砂化白云岩,其岩体力学参数取值,目前尚无相关经验或建议。基于Hoek-Brown(简称H-B)准则及其Mohr-Coulomb(简称M-C)线性转换理论,归纳总结前人研究成果,在试验数据的基础上,研究了砂化白云岩的H-B准则参数,提出一种基于静止侧压力系数k_(1)的最大围压上限σ_(3max)简化取值方法,估算其岩体力学参数并给出了取值建议。结果表明:基于k_(1)的σ_(3m)_(ax)简化取值方法,合理缩减了围压σ_(3)的取值区间,提高了计算精度;砂化白云岩的地质强度指数GSI与无侧限抗压强度σ_(ci)呈良好的线性关系,结合其砂化程度在岩体块度上的贴切表现,制作了针对砂化白云岩的改进GSI建议值表;岩体材料参数m_(i)的大小主要受控于岩石种类及细观颗粒的粗糙程度,其取值区间跨度小且对岩体力学参数影响较小,取用m_(i)=9;通过H-B准则与M-C准则的线性转换,建立了σ_(ci)与岩体抗剪强度之间的计算关系;各试验值、拟合值及理论计算值之间关系自洽、结果合理,有效解决了极破碎白云岩岩体力学参数的取值问题。上述基础性工作对H-B准则的应用起到了有益的补充,对武汉市类似岩层的岩体力学参数取值方法研究及运用具有重要借鉴意义。

摘要：针对现有基于视频整体序列结构建模的行为识别方法中,存在着大量时空背景混杂信息,而引起的行为表达的判决能力低和行为类别错误判定的问题,提出一种基于双流特征的时空关注度长短时记忆网络模型.首先,本文定义了一种基于双流的时空关注度模块,其中,空间关注度用于抑制空间背景混杂,时间关注度用于抑制低信息量的视频帧.其次,本文为双流模型设计了两种不同的时空关注度模块,分别讨论不带融合形式和双流融合的形式对行为识别的影响.最后,为了适应不同长度视频的处理需求,本文方法采用分段策略构建行为识别框架,通过调整段的数量自适应视频长度.在UCF101和HMDB51两个数据集上进行实验验证,与现有多种基于时间和空间显著性模型的行为识别方法进行比较,实验结果表明,本文方法在识别率上优于现有行为识别方法I3D,在UCF101上提高了0.66%,在HMDB51上提高了0.75%.

摘要：针对现有基于视频整体时间结构建模的行为识别方法中,存在的时间噪声信息和歧义信息干扰现象,从而引起行为类别识别错误的问题,提出一种新型的Grenander推理优化下时间图模型(temporal graph model with Grenander inference,TGM-GI).首先,构建3D CNN-LSTM模块,其中3D CNN用于行为的动态特征提取,LSTM模块用于该特征的时间依赖关系优化.其次,在深度模块基础上,利用Grenander理论构建了行为识别的时间图模型,并设计了两个模块分别处理慢行为时间冗余和异常行为干扰问题,实现了时间噪声抑制下的时间结构提议.随后,设计融合特征约束和语义约束的Grenander测度,并提出一种时序增量形式的Viterbi算法,修正了行为时间模式中的歧义信息.最后,采用基于动态时间规划的模式匹配方法,完成了基于时间模式的行为识别任务.在UCF101和Olympic Sports两个公认数据集上,与现有多种基于深度学习的行为识别方法进行比较,该方法获得了最好的行为识别正确率.该方法优于基准的3D CNN-LSTM方法,在UCF101数据集上识别精度提高6.41%,在Olympic Sports数据集上识别精度提高5.67%.

摘要：因果关系普遍存在于群体交互行为中,体现出主动体行为对被动体行为的有向影响.因果关系检测的难点在于交互双方的行为具有复杂的时间动态性.现有方法使用循环神经网络,来描述交互关系的时间变化特性,并使用时间注意力机制,来描述时间依赖关系.上述方法忽视了对多人依赖关系的分析,难以区分交互双方中的主动行为者和被动行为者.本文设计了一种基于Granger因果关系的时空图推理模型,来学习交互双方的主动和被动关系.为了实现Granger因果关系检测,该模型对单个个体时序特征进行自回归建模,来描述行为对个体自己的依赖.该模型对两个个体时序特征进行相关回归建模,来描述行为对两个个体的依赖.该模型通过比较自回归误差和相关回归误差,当自回归误差明显大于相关回归误差,则说明相关个体改变了另一方个体的行为特征,从而检测出相关个体为主动个体,另一方为被动个体.相关回归模型考虑了多种时间延迟量的两个个体的时序特征序列,用于学习两个个体之间行为的时间延迟量.该时间延迟量用于将主动个体时间特征与被动个体时间特征进行对齐.时间对齐后的主动个体特征提供了被动个体的时间和空间上下文特征,并与被动个体特征进行通道级的融合.为了充分描述个体之间的外观模式,位置约束,因果关系的交互关系,该模型构建多尺度外观的因果图,并使用图推理学习融合上下文的个体特征和群体特征.本文对Granger因果关系检测进行消融分析,并说明时间延迟量,交互融合通道比例,多尺度图推理,能够有效改善个体特征、群体特征的描述能力.本文方法在Volleyball和Collective Activity数据集上优于现有群体行为识别方法.本文的可视化结果说明Granger因果关系可以捕获群体中关键的交互关系.

摘要：针对基本层次化目标识别计算模型缺乏明确学习概念和有效学习方法的问题,利用神经稀疏编码的学习规则,生成原型向量集合。通过模拟复杂细胞的感受野特性,实现层次化的稀疏编码过程,提出基于神经稀疏编码的层次目标特征提取算法。并利用简化的分类器设计,完成复杂场景下的广义目标识别问题。在Caltech-101数据库上进行实验对比,结果表明本文算法相对Serre计算模型在识别正确率上有较大提高,时间复杂度增加并不明显,且更加符合生物视觉机理。

摘要：针对场景分类任务中全局Gist特征粒度较为粗糙的问题,提出一种基于稠密网格的局部Gist特征描述,利用空间金字塔结构加入空间信息,通过引入RGB颜色空间加入颜色信息,并基于词汇包(BOW)模型设计一种高效匹配核来度量局部特征间的相似性,核化特征匹配过程,使用线性SVM完成场景分类。实验考察了不同尺度、方向、粒度和不同匹配核的局部Gist特征以及训练样本集的大小对分类结果的影响,并通过在OT场景图像集上与全局Gist特征和稠密SIFT特征的场景分类结果进行比较,充分说明了本文特征构造方法和分类模型的有效性。