摘要：热成像适合低照度行人检测,车载热成像背景灰度分布变化大,行人目标易与背景干扰物混淆,捕捉远距离行人困难,以双阈值分割方法提取RoI(region of interest)很难满足系统召回率和虚警率要求.针对车载热成像行人检测,提出新的RoI提取方法,包括图像预处理、RoI提取和后处理.设计膨胀最大值滤波器进行图像增强;利用Haar-like特征来改进自适应双阈值分割法进行RoI提取,设计增量计算模型以提高计算效率;设计目标时序特性和空间对称性过滤器来排除虚假RoI.与基准方法相比,当虚警率不高于40时,本文方法提高召回率49%,且RoI提取速率不低于18帧/s.

摘要：道路场景复杂、热成像纹理信息较少以及图像品质不稳定,RoIs提取面临挑战.阈值分割RoIs提取更多关注行人局部细节和像素间邻域关系,容易产生行人遗漏、背景粘连和行人断裂,且很难控制RoIs总量.模拟人类视觉,关注图像显著性区域及其位置和大小,提出概率图RoIs提取方法,设计凸-凹形曲线映射像素灰度值增强图像对比度;基于图像签名方法获取显著性图.融合灰度强度和显著性概率图并从中提取图像前景;设计算法搜索路面估计限定的概率图区域生成RoIs.实验表明,相对阈值分割,本文方法能够提高RoIs定位准确度、控制RoIs总量和显著减少非行人RoIs;提取等量单帧RoIs,召回率提高不低于9%.

摘要：深度歧义是单帧图像多人3D姿态估计面临的重要挑战,提取图像上下文对缓解深度歧义极具潜力.自顶向下方法大多基于人体检测建模关键点关系,人体包围框粒度粗背景噪声占比较大,极易导致关键点偏移或误匹配,还将影响基于人体尺度因子估计绝对深度的可靠性.自底向上的方法直接检出图像中的人体关键点再逐一恢复3D人体姿态.虽然能够显式获取场景上下文,但在相对深度估计方面处于劣势.提出新的双分支网络,自顶向下分支基于关键点区域提议提取人体上下文,自底向上分支基于三维空间提取场景上下文.提出带噪声抑制的人体上下文提取方法,通过建模“关键点区域提议”描述人体目标,建模姿态关联的动态稀疏关键点关系剔除弱连接减少噪声传播.提出从鸟瞰视角提取场景上下文的方法,通过建模图像深度特征并映射鸟瞰平面获得三维空间人体位置布局;设计人体和场景上下文融合网络预测人体绝对深度.在公开数据集MuPoTS-3D和Human3.6M上的实验结果表明:与同类先进模型相比,所提模型HSC-Pose的相对和绝对3D关键点位置精度至少提高2.2%和0.5%;平均根关键点位置误差至少降低4.2 mm.

摘要：基于局部区域的仿射不变特征被广泛应用于目标识别、场景分类和图像检索.在已经提出的仿射不变局部特征中,最稳定极限区域特征MSER(maxi mally stable extremal region)在多个方面具有优越的性能.但是由于最稳定极限区域特征MSER是从单一尺度图像中提取的,当图像尺度发生较大变化时,图像的模糊会使最稳定极限区域特征的边界发生变化,从而影响特征的稳定性.针对这一问题,通过定义多尺度空间中极限区域的稳定性指标,提出一种在图像空间和尺度空间都最稳定的极限区域特征,并设计了在尺度空间进行极限区域提取的快速算法.同时,针对极限区域可以较好地描述特征轮廓的特点,将局部灰度梯度信息和形状信息相结合设计了一种新的特征描述器.这种特征被称为多尺度最稳定极限区域MMSER(multi-scale maxi mally stable extremal region)特征.实验结果表明,在不同仿射变化条件下,MMSER的稳定性和可识别性均优于MSER,而且其描述器的创建时间约为SIFT描述器的45%.

摘要：针对现有三维(3D)姿态估计方法在复杂场景下难以准确预测人体关键点位置的问题,提出了一种新的3D姿态估计方法,目的在于应对关节遮挡和姿态奇异等挑战,提升模型在复杂场景下的准确性。通过互信息计算得到人体关节图谱,以此引导关节分组,并基于人体结构的三级自由度进行归集;然后,利用级联估计和关节分组特征共享网络,对静态关节关系建模,并设计了多分组注意力机制,以建模动态关节关系。此外,还引入类别平衡姿态重组策略来拓展数据,增强了模型的泛化能力。实验结果显示,所提出的模型在Human3.6M,MPI-INF-3DHP和MPII等数据集上的表现优异,关键点位置的平均误差较现有模型至少降低了0.2 mm,精度至少提高了0.2%,能够有效提高3D姿态估计方法的整体性能,尤其是在复杂场景下具有显著优势。

摘要：在图像场景分割中存在小目标易丢失,边缘轮廓噪声大等问题.在目前的增强特征表征能力与优化空间细节的语义分割算法中,由于边缘和小目标特征的丢失,导致小目标和边缘很难被准确分割.为此,本文研究了一种小目标特征增强的图像分割算法.首先设计一种像素空间注意力模块(Pixel spatial Attention Module,PAM),来获得空间像素具有较强语义信息的特征图像.然后通过对PAM的输出进行建模提取,分别获得含有语义类别信息的边缘特征和小目标特征.最后,将特定的损失函数应用到语义分割训练中,并将多种特征进行融合,经过反复的监督学习和训练校正,可以在不影响其他类别性能的情况下提高边缘和小目标分割的性能.在Cityscapes,VOC2012,ADE20K和Camvid基线数据集上的实验表明,该算法与先进的图像分割算法相比,在小目标分割、边缘特征增强和内轮廓噪声减少等方面,其性能和效果都有明显提高,分割精度提高了2个百分点.

摘要：为改善线性哈希表这一有效索引结构的插入性能,在分析现有方法的基础上,结合CUDA并行编程模型,设计并实现了一种基于GPU的批量插入线性哈希表GBLHT;借助原子函数atomicAdd,GBLHT可以充分利用GPU强大的并行吞吐量来实现大规模记录的无锁批量插入;通过实验对比传统串行插入方法、CPU批量插入方法以及GBLHT的插入性能,发现在不同参数设置条件下,GBLHT的插入性能比传统串行方式提升了7～14倍,与4线程的CPU批量插入方法相比则提升了3～6倍.

摘要：小世界网络的确定性模型研究是复杂网络建模领域的重要分支,通过分析Cayley图的极小性与小世界特性的关联,提出一种基于极小Cayley图构造小世界网络的确定性模型.模型通过选择满足条件的极小Cayley图,恰当地扩展其生成集,构造出一类对称性强且结构规则的小世界网络.结果表明,和现有模型不同,该模型可根据需求构造常数度或非常数度网络,且生成网络不仅具有较高的聚集系数和低的网络直径,而且是节点对称的,在通信网络、结构化P2P覆盖网络等实际领域的拓扑结构设计中具有重要应用.

摘要：仿人机器人在行走过程中,需要及时检测到是否要摔倒,从而阻止摔倒或通过保护动作在摔倒过程中减少机器人损伤.文中基于姿态传感器(包括加速度传感器和陀螺仪)、力感应传感器(FSR)及步行阶段建立了多传感器信息融合模型,采用模糊逻辑决策方法建立了机器人跌倒检测的综合判定方法,并设计相应的控制器,该控制器可检测到仿人机器人运动时是否会摔倒,若无法避免摔倒,则采取相应的保护动作;若可避免摔倒,则通过控制髋关节阻止机器人摔倒.最后在SCUT-I仿人机器人上进行实验,结果表明,文中方法能及时检测到机器人在运动过程中发生跌倒的时刻,并及时通过稳定控制器阻止摔倒或通过倒地控制器产生保护动作,减少机器人的损伤.

摘要：当前域名服务系统(DNS)安全的监控统计中,存在查询日志操作影响DNS性能及异常处理滞后的问题.为此,文中提出一种多层次构架的实时监控统计系统(DRMSS)的设计方案.首先利用BSD包过滤器(BPF)过滤DNS服务报文数据,然后通过内存缓存机制存储和实时处理监控统计信息.实验结果表明,DRMSS能对多种域名服务器应用软件进行实时监控处理及数据统计整合,显著提高了域名监控统计的服务性能,增强域名服务的安全性.