国家自然科学基金(41371342)
- 作品数：8 被引量：62H指数：4
- 相关作者：王文伟何楚马强张雯邹练更多>>
- 相关机构：武汉大学更多>>
- 发文基金：国家自然科学基金湖北省高等学校省级教学研究项目更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 基于快速判别式尺度估计的核相关滤波方法被引量：5
- 2019年
- 针对核相关滤波(KCF)算法无法对视频序列中目标尺度变化作出响应的问题,提出一种基于快速判别式多尺度估计的核相关滤波跟踪算法。首先,使用核相关滤波器来估计目标位置;然后,通过使用一组不同尺度的目标样本来在线学习快速判别式尺度滤波器;最后,在目标位置应用学习的尺度滤波器来获得目标尺寸的准确估计。选取Visual Tracker Benchmark视频序列集进行实验,并与基于判别式尺度空间跟踪(DSST)的KCF算法和传统KCF算法进行对比,结果表明,在目标尺度发生变化时,所提算法在跟踪精度上提高了2. 2%至10. 8%;并且在平均帧率上,所提算法比DSST的KCF算法提高了19. 1%至68. 5%,表明该算法对目标尺度变化有很强的适应能力和较高的实时性。
- 熊晓璇王文伟
- 关键词：目标跟踪
- 基于颜色和局部二值相似模式的背景减除被引量：5
- 2016年
- 针对视觉背景提取(Visual Background Extractor,ViBe)算法对光照变化和动态背景适应性差、鬼影消除时间长的缺点,提出了一种改进的ViBe算法。该算法使用颜色特征与局部二值相似模式(Local Binary Similarity Pattern,LBSP)特征进行背景建模,增加了对光照变化的鲁棒性。在模型更新阶段,引入二次空间传播机制,以加快消除鬼影的速度。根据当前像素与空间邻域像素的标准差获得自适应判决阈值,以较快的时间响应速度抑制动态背景的干扰。在Change Detection dataset数据集上的实验结果表明,改进后的算法能较快地抑制鬼影,同时能保证慢速和静止目标不会很快地融入背景,对复杂动态场景和光照变化有较好的适应性,其F-measure指标较ViBe算法提升了19.29%。
- 任典元王文伟马强
- 关键词：鬼影自适应阈值
- 融合显著性因子的行人纹理提取
- 2015年
- 针对基于纹理信息的行人特征提取算法中存在特征信息冗余度大，无法刻画人眼视觉敏感性的不足，提出一种融合人类视觉感知特性的基于显著性局部二值模式（SF-LBP）的行人纹理特征提取算法。该算法首先采用显著性计算方法提取感兴趣区域得到各部分的显著性因子；然后将显著性因子权值与行人纹理特征根据核函数相融合，生成基于SF-LBP算子的特征向量；接着统计不同区域的特征向量，形成特征直方图；最后结合自适应AdaBoost分类器构建实验平台进行实验。INRIA数据集中的实验结果显示，SF-LBP特征在检测准确率上比梯度直方图（HOG）特征、Haar特征高出2％～3％，达到97％，召回率达到90％，提高了2％左右，表明SF-LBP算子能够准确描述行人的纹理特征，提高行人检测系统的准确率。
- 马强王文伟
- 关键词：感兴趣区域提取ADABOOST分类器行人检测
- 快速尺度估计的增强型多核相关滤波算法被引量：4
- 2020年
- 针对核相关滤波(KCF)跟踪算法在复杂环境下其定位性能和稳定性差的问题,提出了一种快速尺度估计的增强型多核相关滤波跟踪算法。该算法针对核相关滤波算法无法适应跟踪过程中目标尺度变化,将快速判别式尺度估计移植至核相关滤波跟踪框架,解决了跟踪过程的目标尺度问题。对于单个特征的单核相关滤波器在复杂环境中跟踪适应性差的问题,提出了一种多特征互补的多核相关滤波器。该滤波器利用KCF多通道特性以及不同特征可以描述不同信息,采用多个相同内核的线性组合,每个内核对应一个特征,并结合快速尺度估计,在保证算法实时性的同时进一步提高跟踪性能。通过在OTB2013目标跟踪数据集上进行实验,该算法与近年来性能优异的算法进行对比,结果表明,与传统的使用HOG特征的KCF算法相比精度上提高了10.9%,成功率提高了16.2%;与使用CN特征的CN2算法相比,精度上提高了20.6%,成功率提高了19.6%。实验结果表明,所提算法在目标尺度变化以及复杂环境下的跟踪效果均优于其余相关滤波算法,证明了该算法的有效性以及鲁棒性。
- 杨佳霖王文伟熊晓璇和世瑛
- 关键词：目标跟踪多核学习
- 电子信息大类人才培养教学过程管理与质量控制被引量：11
- 2016年
- 该文探讨了电子信息大类人才培养教学过程管理与质量控制问题,通过分析教学活动应达到的教学目的和质量标准,建立用人单位、教师、学生全面参与的教学质量监控体系和教学过程控制机制;并根据毕业生调查评估教师教学活动的效果和质量,根据学生的知识掌握和运用能力来分析、评估基本教学质量等。该文对本项目研究的基本思路、目的和意义,进行了阐述,同时也进行了有益的探索与实践。
- 隋竹翠徐新贺赛先邹练何楚
- 关键词：教学改革过程管理
- 基于全卷积神经网络与图嵌入的PolSAR图像分类方法研究
- 在人工智能飞速发展的今天，如何利用好深度学习和大数据的优势来对PolSAR图像进行分类是遥感领域的一个热点话题。特征提取或学习是PolSAR图像分类的关键步骤，目前研究的趋势之一是极化特征和空间特征的有效提取(或学习)与...
- 王彦
- 关键词：图嵌入流形学习
- 文献传递
- 基于局部二值模式和深度学习的人脸识别被引量：34
- 2015年
- 针对人脸识别中深度学习直接提取人脸特征时忽略了其局部结构特征的问题,提出一种将分块局部二值模式(LBP)与深度学习相结合的人脸识别方法。首先,将人脸图像分块,利用均匀LBP算子分别提取图像各局部的LBP直方图特征,再按照顺序连接在一起形成整个人脸的LBP纹理特征;其次,将得到的LBP特征作为深度信念网络(DBN)的输入,逐层训练网络,并在顶层形成分类面;最后,用训练好的深度信念网络对人脸样本进行识别。在ORL、YALE和FERET人脸库上的实验结果表明,所提算法与采用支持向量机(SVM)的方法相比,在小样本的人脸识别中有很好的识别效果。
- 张雯王文伟
- 关键词：人脸识别特征提取
- 使用物体交互模型的车辆违停事件检测被引量：2
- 2017年
- 随着平安城市与监控摄像头的发展,车辆违章停靠事件的自动检测在视频自动检测方法中具有重要意义。当前的目标检测算法,例如基于特征+分类器、基于视频背景差分、基于深度学习的方法等,大多关注车牌、交通标志的定位与识别,而忽略了对车辆违章等事件的判别。因此,发展了一种基于物体交互模型的车辆违章停靠事件检测方法:首先基于轮廓提取和SVM进行车牌检测;其次基于形状和颜色进行交通标志检测;最后基于物体交互模型来判断是否违停。上述方法在真实视频场景中的实验验证了方法的有效性和可靠性。
- 韩功王彦何楚
- 关键词：车牌检测
- 面向移动端的单阶段端到端目标检测压缩算法被引量：1
- 2019年
- 近30年间,深度学习异军突起。它在各项计算机视觉任务中都取得了令人瞩目的进步,加之大量高质多样化数据的出现,使得各种依赖数据的目标检测方法重现曙光。然而,这些深度网络算法通常需要大量数据来支持数百亿参数的计算,其运行效率较低并且对存储空间的要求越来越高,使得在小型设备或移动端中无法嵌入大型神经网络。因此,本文提出优化目标检测算法以适应移动端环境,利用CNN卷积核多样性和可分离的原理,应用深度可分离卷积(Depthwise Separable Convolution)结构的理论,提出单阶段-端到端目标检测压缩网络DW-YOLOv3。最后,在带有详细标注的地面观测实况大规模基准数据集VisDrone2018数据集上的结果表明,本文提出的改进单阶段-可分离卷积目标检测压缩网络算法可以将网络参数压缩8~9倍,由于其增加了整体网络的深度,在对网络整体性能影响较小的同时提升了对无人机视角图像中小目标物体的识别性能。
- 童鸣何楚何博琨王文伟
- 关键词：目标检测
