检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

车载动态条件下钢轨廓形快速追踪算法

中国铁道科学 2020年第6期41卷 145-155页

作者：赵鑫欣王胜春王昊夏承亮杜馨瑜任盛伟中国铁道科学研究院集团有限公司基础设施检测研究所北京100081

高速综合检测列车高速运行时,车载非接触式钢轨廓形检测系统对钢轨廓形追踪的影响因素,主要包括钢轨结构、车体运动姿态和环境光照变化。为有效避免以上因素的影响,提出基于时空上下文信息的快速追踪和最近点迭代的钢轨廓形定位算法。首... 详细信息

高速综合检测列车高速运行时,车载非接触式钢轨廓形检测系统对钢轨廓形追踪的影响因素,主要包括钢轨结构、车体运动姿态和环境光照变化。为有效避免以上因素的影响,提出基于时空上下文信息的快速追踪和最近点迭代的钢轨廓形定位算法。首先,基于标准钢轨廓形,计算实测钢轨的轨头目标特征;然后,根据时空上下文信息更新廓形追踪区域的置信图;最后,利用点迭代最近算法快速定位钢轨位置,并持续追踪钢轨廓形区域。将该算法与已有追踪算法对比,结果表明:该算法准确率约99.7%,且可适用于道岔区段,相比已有追踪算法处理效率提升约40%,可满足高速综合检测列车350 km·h-1检测准确性和时效性的要求。

关键词：钢轨廓形目标追踪时空上下文信息置信图图像匹配

在线全文

学校读者我要写书评

暂无评论

城轨车第三轨廓形快速追踪算法研究及应用

铁道建筑 2020年第9期60卷 128-130页

作者：赵鑫欣王胜春王昊杜馨瑜赵延峰蒋曙光中国铁道科学研究院集团有限公司基础设施检测研究所北京100081 北京铁科英迈技术有限公司北京100081

由于车体多自由度振动和外部光照导致图像内容和噪声复杂多变,而现有追踪算法对目标形变适应能力不强,本文提出基于时空上下文信息的快速追踪算法。该算法依据贝叶斯概率模型构建目标区域置信图,利用最近点迭代算法实现第三轨廓形的快... 详细信息

由于车体多自由度振动和外部光照导致图像内容和噪声复杂多变,而现有追踪算法对目标形变适应能力不强,本文提出基于时空上下文信息的快速追踪算法。该算法依据贝叶斯概率模型构建目标区域置信图,利用最近点迭代算法实现第三轨廓形的快速追踪。采用快速追踪算法的车载平台非接触式廓形检测系统基于结构光测量原理,利用安装在转向架端的摄像组件获取第三轨图像。该系统在国内多条城轨线路应用,与现有追踪算法相比,快速追踪算法执行效率提升约30%,准确率在99.5%以上,可满足城轨车运行时速160 km的检测要求。

关键词：轨道检测时空上下文信息试验研究第三轨廓形目标追踪置信图

在线全文

学校读者我要写书评

暂无评论

复杂场景中在线目标跟踪研究

复杂场景中在线目标跟踪研究

作者：郑轩中国民航大学

学位级别：硕士

目标跟踪是当前计算机视觉领域的研究热点之一。经过几十年的发展,目标跟踪在许多方面已经取得了很多进展,但其在复杂场景下的跟踪可靠性依旧是当前的研究难点之一。本文研究了现有的典型目标跟踪算法,并针对复杂场景中的光照变化和遮... 详细信息

目标跟踪是当前计算机视觉领域的研究热点之一。经过几十年的发展,目标跟踪在许多方面已经取得了很多进展,但其在复杂场景下的跟踪可靠性依旧是当前的研究难点之一。本文研究了现有的典型目标跟踪算法,并针对复杂场景中的光照变化和遮挡这两个跟踪难点对现有跟踪算法进行了研究和改进,主要研究成果如下:针对剧烈光照变化下图像局部或整体灰度剧烈变化而容易导致跟踪失败的问题,提出了一种结合颜色信息和Retinex灰度增强的时空上下文算法。该方法使用多尺度Retinex算法对图像进行增强以减弱光照变化对灰度图像的影响,并在使用Retinex灰度增强的目标模型的基础上,引入基于色调信息的目标模型与之结合成改进的目标模型用来跟踪。实验结果表明该方法在光照剧烈变化的场景下跟踪依然可靠,相较其它主流算法精度更高。针对复杂场景下的遮挡问题提出了一种双模型的时空上下文算法。改进算法引入了一个辅助目标模型,辅助目标模型基于图像二值特征而不是相关性信息,能评估时空上下文算法跟踪结果的有效性,并在时空上下文跟踪结果评估为无效时在图像中搜索目标。该方法在利用时空上下文模型在短时遮挡情况下的优势的同时,解决了时空上下文模型在持续遮挡过程中容易错误更新的缺点,同时也避免了单一使用二值特征进行跟踪带来的运算量大的问题。实验结果表明,提出的算法在遮挡场景中能可靠跟踪目标,具有较好的鲁棒性。

关键词：目标跟踪时空上下文信息颜色恒常性随机森林在线学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于用户行为和时间序列的推荐系统研究

基于用户行为和时间序列的推荐系统研究

作者：殷思哲中国矿业大学

学位级别：硕士

人工智能和大数据技术推动了电子商务的高速发展,用户可以根据自己的需求通过互联网获取更多相关信息,但是随之而来的是信息过载问题。个性化推荐系统的出现完美解决了如何在浩瀚如海的数据中精准、及时地将符合用户偏好的物品推送给目... 详细信息

人工智能和大数据技术推动了电子商务的高速发展,用户可以根据自己的需求通过互联网获取更多相关信息,但是随之而来的是信息过载问题。个性化推荐系统的出现完美解决了如何在浩瀚如海的数据中精准、及时地将符合用户偏好的物品推送给目标用户,以此减少用户的搜索时间从而提高搜索效率的问题。现有的推荐系统大都平等对待用户的各种历史行为,忽略了用户历史行为的差异性,而且由于不能选择性地处理数据而导致推荐效率过低,并带来推荐的同质化问题。此外,许多推荐系统忽略了随着时间变化而产生的用户偏好变化问题,以及随着序列长度的增加和迭代,会造成一定的数据稀疏性与遗忘性,从而导致推荐效率和推荐质量的下降。针对上述问题,本文从用户行为和时间序列两个角度出发,深入研究了用户历史行为的差异与用户历史行为的隐式信息,以及时空信息的变化给推荐系统所造成的影响,提出了相关算法与模型。具体的研究工作如下:(1)针对大多数序列推荐算法未能很好地挖掘隐式评论文本信息而造成的推荐同质化问题,本文提出了一种新的评论文本提取模型。该模型在用户层面和物品层面分别学习评论文本深层嵌入表示,并在此基础上添加方面级特征与隐式特征表示,使得模型能够更加精确表示用户与物品特征。同时利用用户社交关系建立信任模型并计算用户相似度。通过将评论文本和社交关系的最终嵌入表示一起输入Trans FM进行评分预测,提出一种基于评论文本与社交关系的推荐算法。并在Yelp和Epinions数据集上分别进行实验,结果表明,所提算法相较于对比算法在RMSE和MAE两个评估指标上均有所下降。(2)目前大多数推荐模型还处于融合时空上下文信息的早期阶段,对长序列数据的处理效果并不理想。因此本文将时空信息加入到门控循环神经网络中,提出了一种改进的门控循环单元算法来捕捉长期偏好,同时利用注意力机制捕捉短期偏好。通过将得到的用户长期偏好嵌入、用户短期偏好嵌入和用户画像特征嵌入融合输入到多层感知机来预测下一个推荐,以此提出一种融合用户偏好和时空信息的序列推荐模型。该模型在Foursquare和Brightkite数据集上的实验结果相较于对比算法在HR@K,NDCG@K和MAP@K三个评估指标上均有所提升。本文共有图22幅,表14个,参考文献84篇。

关键词：序列推荐用户行为时空上下文信息社交关系评论文本

基于密集网络和核相关滤波的目标跟踪技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于密集网络和核相关滤波的目标跟踪技术研究

作者：张雪南京邮电大学

学位级别：硕士

目标跟踪是计算机视觉领域的重要研究分支,在智能监控、智慧交通、无人驾驶和军事科技等领域有着广泛应用。但由于目标自身和周边环境的复杂性和多样性,在目标跟踪过程中随机出现的背景干扰、遮挡、尺度变化、目标形变等问题,都将严重... 详细信息

目标跟踪是计算机视觉领域的重要研究分支,在智能监控、智慧交通、无人驾驶和军事科技等领域有着广泛应用。但由于目标自身和周边环境的复杂性和多样性,在目标跟踪过程中随机出现的背景干扰、遮挡、尺度变化、目标形变等问题,都将严重影响目标定位的准确度和实时性。因此,运用信息处理的新技术提高目标跟踪的性能始终是研究人员关注的重要研究方向。随着近年来深度学习的崛起和发展,学者们开始把深度学习技术引入到目标跟踪的研究中,通过深度学习网络获取目标深层的特征信息,提升现有跟踪器的性能。得益于课题组前期工作的启发,本文研究了密集卷积网络与经典的核相关滤波框架结合的目标跟踪策略和方法,分别从目标定位、抗背景干扰和抗部分遮挡等三方面进行了深入探讨。论文的主要研究成果如下:(1)研究了一种基于改进的密集网络与核相关滤波结合的目标跟踪方法(M-Dense NetKCF)。为了获取表征力更强的特征,在基础的Dense Net模型中对密集块数进行调整,并添加瓶颈结构,构建新的Dense Net模型;之后,在大规模数据集上训练调整后的网络模型;接着使用训练好的网络模型提取深度特征,以之作为训练样本得到最佳相关滤波器;最后,通过搜索响应图中的最大值,确定目标的最终定位位置。本项技术研究不仅提升了目标跟踪的定位精度,同时提高了运算效率。(2)研究了一种基于背景和特征点的密集网络相关滤波跟踪方法。为了改善背景杂波对目标跟踪的影响,首先利用卡尔曼滤波预测图像中目标的运动轨迹,训练运动方向区域上的背景信息得到相关滤波器,提高识别目标和背景的能力;之后,在运动方向区域获取FAST特征点,然后根据本帧图像和首帧图像匹配的特征点信息预测目标中心和尺度,最后把本方法和M-Dense Net-KCF估计的目标中心进行加权融合,进一步准确定位目标。本项技术研究有效的改善了背景干扰问题,同时对尺度问题也有一定改善,进一步提升了跟踪性能。(3)研究了一种基于高置信更新的抗遮挡密集网络相关滤波跟踪方法。首先根据得到的目标预估位置,利用高置信度更新的两个判别标准来判断是否更新模型;其次,利用目标上下文信息引入遮挡判别因子和响应稳定因子判断遮挡情况;最后,利用支持向量机检测器重新检测被遮挡的目标,恢复目标位置。本项技术研究有效改善了遮挡问题,大大减少了模型漂移的问题。本文在OTB100公开数据集上对所提出的算法开展了仿真实验,并与目前优秀的跟踪算法分别进行实验结果的定性对比分析和定量对比分析。实验结果表明,基于改进的密集网络与核相关滤波结合的目标跟踪方法,可以有效提升目标定位的准确性;基于背景和特征点的密集网络相关滤波跟踪方法,可以有效解决跟踪过程中的背景干扰问题;基于高置信更新的抗遮挡密集网络相关滤波跟踪方法,能够有效判断跟踪过程中目标的遮挡状态,并准确地更新模型,确定目标位置。

关键词：目标跟踪密集卷积网络核相关滤波特征点时空上下文信息

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于压缩感知的运动目标跟踪研究

基于压缩感知的运动目标跟踪研究

作者：丁剑重庆邮电大学

学位级别：硕士

目标跟踪技术研究是计算机视觉领域的重要课题之一,是智能安防、人机交互、智能交通等众多高级计算机视觉应用的基础。压缩感知技术作为一种高效的信号采样方式,解决了很多由于信号维度过高造成的计算麻烦,显著减少了信号处理时间和计... 详细信息

目标跟踪技术研究是计算机视觉领域的重要课题之一,是智能安防、人机交互、智能交通等众多高级计算机视觉应用的基础。压缩感知技术作为一种高效的信号采样方式,解决了很多由于信号维度过高造成的计算麻烦,显著减少了信号处理时间和计算成本。快速压缩跟踪算法成功地将压缩感知技术应用到对高维图像特征的压缩降维上,并且取得了良好的跟踪效果。该算法采用学习机制固定的朴素贝叶斯分类器对采样样本进行分类判断,不能很好的适应跟踪环境的变化对学习机制作出自适应调整。为此,本文学习压缩感知基础理论知识,了解常用跟踪方法,重点对快速压缩跟踪算法的框架和理论进行深入研究,在压缩感知理论应用于目标跟踪的基础上提出改进,主要研究工作如下:(1)为了使跟踪算法能够根据跟踪环境和运动状态的改变而自适应的调节分类器对于特征信息的学习,本文改进快速压缩跟踪算法的分类器更新学习机制,提出一种新的分类器参数自适应学习更新模型,使得分类器能够更有效地学习特征信息,提升了分类器的分类判断能力,另外,提出一种新的判断样本位置为目标位置的策略,减小了样本被分类器误判目标位置的可能性。(2)将时空上下文信息融入快速压缩跟踪算法中,通过在连续帧图像中计算预测目标位置与采样样本距离对采样样本进行样本加权,从而有效地帮助算法更好地区分目标与跟踪背景,提升算法在跟踪时的准确性。在视觉跟踪基准标准数据集上进行多组实验证明,本文算法对于快速压缩跟踪算法提出的改进提升了算法的跟踪鲁棒性。虽然在时间效率上有所下降,但依然满足实时跟踪的要求。

关键词：目标跟踪压缩感知自适应学习时空上下文信息视觉跟踪基准

基于LBPR-NET的融合时空特征的兴趣点推荐模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

兰州文理学院学报（自然科学版） 2023年第3期37卷 45-52页

作者：程淑玉安徽电子信息职业技术学院信息工程学院安徽蚌埠233060

传统的兴趣点推荐算法都是通过用户签到信息建模用户与兴趣点之间的偏好直接进行兴趣点的推荐及优化,针对传统方法存在高维稀疏、噪声、计算复杂度高和无法建模用户兴趣的动态变化等问题,提出基于LBPR-NET的融合时空特征的兴趣点推荐模... 详细信息

传统的兴趣点推荐算法都是通过用户签到信息建模用户与兴趣点之间的偏好直接进行兴趣点的推荐及优化,针对传统方法存在高维稀疏、噪声、计算复杂度高和无法建模用户兴趣的动态变化等问题,提出基于LBPR-NET的融合时空特征的兴趣点推荐模型.首先引入时间特征建模用户兴趣的动态变化,通过观察用户不同时刻在兴趣点类别之间的转移关系,并采用List-BPR方法进行兴趣点类别建模,根据ListNet方法优化兴趣点类别排序列表,克服了高维稀疏问题,降低计算复杂度;其次,在类别内部通过启发式算法筛选出兴趣点的候选集,降低了噪声.实验结果表明,该模型能有效提高推荐质量和准确率.

关键词：兴趣点推荐时空上下文信息贝叶斯个性化排序张量分解 ListNet

在线全文

学校读者我要写书评

暂无评论

强振动平台下的第三轨廓形快速追踪算法研究

强振动平台下的第三轨廓形快速追踪算法研究