王恬
- 作品数：8 被引量：55H指数：4
- 供职机构：河海大学物联网工程学院更多>>
- 发文基金：国家自然科学基金江苏省产学研前瞻性联合研究项目中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术机械工程更多>>
- 利用姿势估计实现人体异常行为识别被引量：30
- 2016年
- 异常行为识别是近年来计算机视觉领域的研究热点。为了实现对多人体异常行为精确识别的目标,提出了一种基于人体姿势估计的异常行为识别算法。首先采用基于滤波通道特征的行人检测算法对各个目标人体进行定位;然后对每个人体构建基于图结构框架的外观模型;最终采用霍夫方向计算器算法(HOC)提取人体部件特征,从而进行行为分类。实验结果表明,该文算法可以在单帧图像上对多个人体的行为进行识别,并提供了多类别的异常行为分类,实验效果明显,准确率较高。
- 王恬李庆武刘艳周亚琴
- 基于改进Vibe算法的行人目标检测被引量：4
- 2016年
- 针对经典Vibe算法在实际视频图像中,对行人目标检测不够精确,主要存在"鬼影"、光照误检的干扰问题,结合三帧差分算法及LUV均匀色彩空间的特性,提出了一种改进的Vibe算法。该算法首先通过三帧差分对视频进行预处理,获取真实背景,然后结合LUV空间的均匀色彩特性降低对光照的敏感度,最后对空洞填充并获取行人目标的最小外接矩形。实验结果表明,该算法能有效地消除"鬼影"问题,并在光照突变情况下具有良好的鲁棒性,在复杂环境的实时监控视频流中具有理想的行人目标检测效果。
- 仇春春王恬程海粟曹美
- 关键词：三帧差分
- 结合位姿约束与轨迹寻优的人体姿态估计被引量：4
- 2017年
- 基于混合部件模型的人体姿态估计方法忽视了人体结构的对称位姿约束关系,从而导致对称部件容易被重复检测、人体姿态估计准确率较低,为此,提出一种基于位姿约束与轨迹寻优的姿态估计新方法。首先估计人体单部件和对称部件在单帧图像中的多个合理位置,利用对称部件之间的位姿约束关系构建标识部件。然后根据单部件和标识部件各自的目标优化函数,通过动态规划算法反复迭代获得初始轨迹候选集,再结合轨迹的全局特征剔除检测得分较低的运动轨迹。最后引入树形合约模型,联系时空上下文信息,准确求解出视频序列光滑且兼容的最优轨迹。在N-best、Outdoor Pose和Scene数据集中的实验结果表明,对于存在背景复杂、运动模糊、部件遮挡等问题的视频序列中,该方法平均姿态估计准确率达87%以上,有效减少了对称部件的误判,提高了视频中人体姿态估计的准确率。
- 李庆武席淑雅王恬马云鹏周亮基
- 基于距离匹配的行人再识别技术综述被引量：3
- 2016年
- 行人再识别是指给定一张行人图像,在已有的可能来源于非交叠摄像机视场的行人图像库中,识别出与此人相同的图像。研究该问题有着非常重要的现实意义,同时也面临许多挑战。它是智能视频监控中的一项关键任务,是近年来计算机视觉领域中一直备受关注的研究热点,适用于安防以及公共场所寻人等技术领域。距离度量是行人再识别技术中存在的核心问题之一。对现有的基于距离匹配的行人再识别方法进行评述,并分析其中具有代表性方法的优缺点,介绍了常用行人数据库的特点,然后总结现阶段行人再识别研究所面临的挑战,最后对行人再识别技术的未来发展方向进行了展望。
- 俞婧仇春春王恬许金鑫
- 农业信息搜索可视化平台研究被引量：6
- 2016年
- 针对传统搜索引擎检索返回结果数量庞大、专业性差且只能为用户提供一维、线性搜索结果的问题,在分析研究农业垂直搜索引擎的基础上,构建农业信息搜索可视化服务平台。基于农业文献,对数据进行信息抽取、关联分析,并设计了一种基于最大距离法选取初始质心的K-means层次聚类算法来发现领域概念间关系;在此基础上,利用信息可视化模型与基于Java的Prefuse插件包为用户提供图形化的结果呈现方式,实现信息的交互控制,优化检索过程。通过实验验证,改进的层次聚类算法提高了领域概念间关系聚类效果的同时降低了聚类总耗时,平台满足用户检索的专业性需求。
- 王恬李书琴王志伟
- 关键词：层次聚类算法信息可视化
- 一种改进的IVT目标跟踪算法被引量：6
- 2016年
- 针对增量视觉跟踪(IVT)算法无法对受遮挡目标进行有效跟踪的问题,提出了一种改进的IVT目标跟踪算法。该算法对IVT算法中目标外观模型表示单一的问题进行了改进,对目标外观采用混合表示方法。若目标未被遮挡则使用增量主成分分析与高斯观测噪声进行表示,反之则使用连续均匀概率分布进行表示,对混合模型进行能量最小化求解来实现对目标的跟踪。实验结果表明,该算法在跟踪过程中具有较好的抗遮挡性能,同时能够实现对目标的实时跟踪。
- 仇春春李庆武王恬程海粟
- 关键词：图像处理目标跟踪
- 基于改进SAE网络的自然图像分类被引量：2
- 2016年
- 针对自然图像分类算法的精度低以及网络训练耗时过长的实际问题,提出了一种结合卷积自动编码器(Convolutional Auto-Encoders,CAE)的改进堆叠自动编码器(Stacked Auto-encoders,SAE)网络。研究了CAE学习局部特征的能力,并将其作为整个SAE网络的第一层。在提取初步特征的同时降低输入的维度,解决了网络参数过多,训练过程慢的问题。同时对改进的SAE网络进行微调,缩减训练时间,并提取更有利于分类的图像高层特征。实验结果表明,改进SAE网络对于自然图像的分类具有更好的普适性,可以有效地提高分类准确度,并加快网络训练速度。
- 王恬仇春春俞婧许金鑫
- 关键词：图像分类
