检索结果-南通市图书馆

基于视频特征提取的电力客户轨迹行为监测系统设计

在线全文

学校读者我要写书评

暂无评论

电子设计工程 2020年第22期28卷 180-184页

作者：杨维张全牛逸明盛妍徐强国家电网有限公司客户服务中心天津300306 北京中电普华信息技术有限公司北京100031

传统基于无线射频技术的监测系统对电力客户轨迹行为辨识率较差,监测精准度较低,针对该问题,提出基于视频特征提取的电力客户轨迹行为监测系统。根据系统需求部署系统总体框架,采用集中式管理框架,从控制中心角度出发,设计系统硬件结构... 详细信息

传统基于无线射频技术的监测系统对电力客户轨迹行为辨识率较差,监测精准度较低,针对该问题,提出基于视频特征提取的电力客户轨迹行为监测系统。根据系统需求部署系统总体框架,采用集中式管理框架,从控制中心角度出发,设计系统硬件结构。采用750 SDI高清视频采集卡采集图像信息,该卡具有5 G/s数据传输速度与两倍影像帧数,有效避免卡顿现象。使用计算机系统处理速度可达到每秒几亿,方便管理外部设备与主存储器之间信息交换。使用USB接口,进行信号串行传输。基于视频特征提取技术,设计离线提取和在线提取流程,并对过滤功能、应用过滤功能、数据包过滤功能和防恶意代码功能展开分析。由实验结果可知,该系统的最高监测精准度可达到97%。

关键词：视频特征提取电力客户轨迹行为监测系统

在线全文

学校读者我要写书评

暂无评论

基于改进快速鲁棒性特征的导弹视频特征匹配

计算机工程与科学 2016年第1期38卷 148-155页

作者：杨凯达赵文杰李成李德军 95808部队空军航空大学航空航天情报系

利用电视制导导弹视频图像确定导弹落点,从而开展精确目标毁伤评估研究,是目前全新的一种评估手段。图像特征匹配是利用视频图像确定导弹落点的关键步骤。针对导弹视频图像的特点及其作战应用,在特征匹配阶段,依据准确性和实时性两个原... 详细信息

利用电视制导导弹视频图像确定导弹落点,从而开展精确目标毁伤评估研究,是目前全新的一种评估手段。图像特征匹配是利用视频图像确定导弹落点的关键步骤。针对导弹视频图像的特点及其作战应用,在特征匹配阶段,依据准确性和实时性两个原则,对快速鲁棒性特征算法做了两方面的改进:一是限制特征点提取区域,定义了图像区域限制算子;二是限制特征点数量,利用算法阈值和随机抽样一致性算法对特征点进行限制。实验结果表明,提出的算法对典型视频片段进行处理,较原算法在匹配时间上平均减少12.6%,匹配准确率平均提升13.4%,较尺度不变特征变换算法匹配时间平均提升了74.9%,同时,有效消除伪匹配点。通过对三段视频进行测试仿真,改进算法在整体上较原算法的匹配时间加快14.9%,且通用性较强,适用于视频图像的特征点匹配。

关键词：视频特征提取图像匹配快速鲁棒性特征电视制导导弹

在线全文

学校读者我要写书评

暂无评论

视频时空特征协同学习与融合方法

视频时空特征协同学习与融合方法

作者：吴昊泽中国科学技术大学

学位级别：硕士

随着近年多媒体信息科技与互联网通信技术的不断发展以及各种直播短视频平台的兴起,视频信息已经完全充斥在我们的生活当中。为了更准确高效地满足用户们的需求,针对视频内容和特征提取的研究也应运而生。视频在所有多媒体数据中包含有... 详细信息

随着近年多媒体信息科技与互联网通信技术的不断发展以及各种直播短视频平台的兴起,视频信息已经完全充斥在我们的生活当中。为了更准确高效地满足用户们的需求,针对视频内容和特征提取的研究也应运而生。视频在所有多媒体数据中包含有最复杂的信息,一个视频可以看做多个图片的聚合体,相比于图片而言,视频不仅具有空间维度上的特征,还具有时间维度上的特征。本文对视频时空特征的提取进行了深入的研究,根据设计理念的不同,我们将视频特征提取分为两个研究方向:基于视频时空特征相互增强的学习方法以及多尺度视频时空特征协同学习与融合方法。主要研究内容和创新如下:（1）基于视频时空特征相互增强的学习方法从利用视频时空特征相互作用的角度出发,我们提出了一种新颖而有效的基于视频时空特征相互增强的学习方法。该方法由时空分解单元,相互增强单元以及时空融合单元组成。其中时空分解单元将三维视频输入分解为空间和时间特征;相互增强单元学习空间和时间信息的相关性并利用此关联性来来增强空间特征和时间特征的区分能力;时空融合单元选择性地增强有效的空间和时间特征,抑制无用的空间和时间特征,并将时间和空间特征进行融合。实验结果表明了该方法的有效性,并取得较高的识别性能。（2）多尺度视频时空特征协同学习与融合方法我们从生成并整合多尺度视频时空特征的角度出发,解决了构建用于人体动作识别的高效深度神经网络的问题。我们提出了一种新颖而有效的多尺度视频时空特征协同学习与融合方法,该方法主要包含两个模块:多尺度卷积模块和跨尺度注意力加权模块。其中多尺度卷积模块用于生成多尺度空间和时间特征,而跨尺度注意力加权模块通过整合多尺度时空特征来执行时空特征的重新校准工作——加强有效的时空特征,削弱无用的时空特征。实验结果表明得益于这两个模块,我们的深度网络模型所需的计算资源大幅减少,但仍可以实现高效准确的识别性能。

关键词：视频特征提取深度学习卷积神经网络时空协同学习相互增强多尺度融合方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于SVD的镜头边界检测方法

计算机应用 2007年第1期27卷 155-156,159页

作者：胡双演李俊山李建军王蕊杨威第二炮兵工程学院陕西西安710025

为了有效地进行视频镜头边界检测,在简要介绍了现有的镜头边界检测基本方法的基础上提出了基于SVD的镜头边界检测方法。该方法通过特征提取来构造视频特征矩阵,经过SVD变换得到特征值矩阵,然后将特征值矩阵映射到向量空间,最后通过分析... 详细信息

为了有效地进行视频镜头边界检测,在简要介绍了现有的镜头边界检测基本方法的基础上提出了基于SVD的镜头边界检测方法。该方法通过特征提取来构造视频特征矩阵,经过SVD变换得到特征值矩阵,然后将特征值矩阵映射到向量空间,最后通过分析向量间的夹角来判断镜头的变化。实验结果表明,在镜头边界检测性能上优于已有的基于帧差的双阈值镜头边界检测方法。

关键词：镜头边界检测奇异值分解视频特征提取视频特征矩阵

在线全文

学校读者我要写书评

暂无评论

基于手势特征融合的操作动作识别

计算机工程与应用 2021年第14期57卷 169-175页

作者：周小静陈俊洪杨振国刘文印广东工业大学计算机学院广州510006

针对动态复杂场景下的操作动作识别,提出一种基于手势特征融合的动作识别框架,该框架主要包含RGB视频特征提取模块、手势特征提取模块与动作分类模块。其中RGB视频特征提取模块主要使用I3D网络提取RGB视频的时间和空间特征;手势特征提... 详细信息

针对动态复杂场景下的操作动作识别,提出一种基于手势特征融合的动作识别框架,该框架主要包含RGB视频特征提取模块、手势特征提取模块与动作分类模块。其中RGB视频特征提取模块主要使用I3D网络提取RGB视频的时间和空间特征;手势特征提取模块利用MaskR-CNN网络提取操作者手势特征;动作分类模块融合上述特征,并输入到分类器中进行分类。在EPIC-Kitchens数据集上,提出的方法识别抓取手势的准确性高达89.63%,识别综合动作的准确度达到了74.67%。

关键词：手势特征操作动作视频特征提取动作识别

工厂环境下基于深度学习的生产行为检测方法研究

在线全文

学校读者我要写书评

暂无评论

工厂环境下基于深度学习的生产行为检测方法研究

作者：王庆文杭州电子科技大学

学位级别：硕士

在工厂环境中,为了对工业流程以及人力资源进行优化,通常使用人工方式对车间工人的生产行为进行记录。相较于计算机视觉而言,人类视觉容易受到个体状态的影响,很难进行长时间的观测,因此亟需一种自动化的方式对工厂环境下的生产行为进... 详细信息

在工厂环境中,为了对工业流程以及人力资源进行优化,通常使用人工方式对车间工人的生产行为进行记录。相较于计算机视觉而言,人类视觉容易受到个体状态的影响,很难进行长时间的观测,因此亟需一种自动化的方式对工厂环境下的生产行为进行检测。现阶段,深度学习以及时序行为检测技术的发展为工厂环境下的生产行为检测提供了新的方向,时序行为检测的目的是从未处理的视频中检测出活动的类别以及起止时间。因此,在工厂环境中使用时序行为检测技术进行生产行为检测可以自动化地获得生产行为信息,从而减少人工开销,但是工厂环境的多样性也同样对生产行为检测造成了一定的影响。本文从一般工厂环境和复杂工厂环境的需求出发,主要开展了以下两方面工作:(1)针对场景较为简单的一般工厂环境,为了提高检测算法的训练速度和检测速度,基于R-C3D改进了一种快速的时序行为检测方法iR-C3D。主要工作包括:1)针对特征提取阶段的速度问题,使用ECO网络代替C3D网络,大幅度提高了模型训练速度以及检测速度;2)采用Non-Local注意力机制来捕获时空特征中较远距离的依赖;3)通过对损失函数进行优化,获得更加准确的时序信息。通过在公共数据集THUMOS’14上进行相关实验,验证了iR-C3D各改进部分的性能提升,最终在THUMOS’14上mAP@0.5达到了35.2%。同时,在一般工厂环境下进行了实验,证明了iR-C3D在一般工厂环境中进行生产行为检测的有效性。(2)针对复杂工厂环境下存在的无用背景过多、光线变化以及遮挡等现象,提出了一种复杂工厂环境下的生产行为检测框架FERM。主要工作包括:1)针对复杂工厂环境中存在的大量无用背景以及光线变化,使用了泛化能力强且鲁棒性较好的YOLO v3对视频中以工人为前景的区域进行分割,减少了无用信息对检测造成的干扰。2)针对复杂工厂环境下存在的遮挡现象,使用了一种基于时间阈值的合并策略对相邻片段进行合并。同时在复杂工厂环境下进行了一系列实验,实验结果表明,FERM能够有效提高检测算法在复杂工厂环境下的检测精度。本文使用深度学习和时序行为检测技术在工厂环境中进行生产行为检测,通过实验证明了本文所提出方法的有效性,为下一步进行工业流程以及人力资源的优化提供了基础。

关键词：工厂环境深度学习时序行为检测视频特征提取生产行为检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于手势与物体的操作行为识别

基于手势与物体的操作行为识别

作者：周小静广东工业大学

学位级别：硕士

现代社会的发展使得互联网与多媒体技术走向了新的高度,给我们的生活带来了大量的音视频数据,人们越来越期望能够利用计算机来感知理解这些图像或视频中人类的行为,由此引出了行为识别技术。作为计算机视觉领域的前沿技术之一,行为识别... 详细信息

现代社会的发展使得互联网与多媒体技术走向了新的高度,给我们的生活带来了大量的音视频数据,人们越来越期望能够利用计算机来感知理解这些图像或视频中人类的行为,由此引出了行为识别技术。作为计算机视觉领域的前沿技术之一,行为识别技术吸引了广大科研工作进行广泛而深入的研究与探索,在智能家居、视频监控以及机器人学习等多个应用领域有广阔的发展前景。针对动态复杂场景下的操作行为识别,本文提出了一种基于手势与物体的操作行为识别框架。该框架主要包含RGB视频特征提取模块、手势特征提取模块、物体特征提取模块与动作分类模块四个部分。其中RGB视频特征提取模块主要使用了I3D网络来获取RGB视频的时间与空间特征;手势特征提取模块利用Mask R-CNN网络提取出操作者手势特征（抓取类型）;物体特征提取模块使用Mask R-CNN网络提取出被操纵物体特征（物体属性）;动作分类组件将上述特征进行融合,并将融合后的特征输入到分类器中进行识别行为。本文在一个名为EPIC-Kitchens的大型的公开行为数据集上进行了实验验证,实验结果表明,本文提出的方法框架能够较好地识别分类出视频中的手部操作行为,验证了手势与物体特征对操作行为识别的可用性与有效性。

关键词：行为识别视频特征提取抓取类型物体属性 I3D Mask R-CNN

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

监控视频动态人脸识别与检索研究

监控视频动态人脸识别与检索研究

作者：柳博方山东大学

学位级别：硕士

本文主要是针对监控视频数据的动态人脸识别算法的研究。随着计算机技术和视频影像技术的发展,监控摄像头在各种公共场所随处可见。监控摄像头会将监控到的视频影像存到硬盘中用于以后的查找,其中的查找内容主要是查找人。当前的主要查... 详细信息

本文主要是针对监控视频数据的动态人脸识别算法的研究。随着计算机技术和视频影像技术的发展,监控摄像头在各种公共场所随处可见。监控摄像头会将监控到的视频影像存到硬盘中用于以后的查找,其中的查找内容主要是查找人。当前的主要查找方式还是人工进行,这对于硬盘中堆积如山的视频影像显然是有些捉襟见肘,因而有必要利用计算机自动查找来提高效率。视频人脸识别算法在查找中起到重要作用。视频数据由于其分辨率低下、各种光照遮挡等情况严重的影响算法的识别效果。现有的视频人脸识别算法对于视频数据空间特征提取不充分以及对视频数据时序信息利用较弱。针对现有的算法没有充分利用视频数据的空间特征和时序信息的问题,本文提出了一种视频数据特征嵌入的视频人脸识别算法。对于视频人脸数据的空间特征,算法采用具有超强非线性特征表达能力的卷积神经网络进行空间特征的提取。对于视频人脸数据的时序信息,算法通过时序移位模块在提取视频数据空间特征的同时对视频数据的时序信息进行提取。提取到的时序信息通过卷积神经网络与提取到的空间特征进行充分融合。最后对得到融合后的视频人脸数据的静态人脸特征通过提出的时序集成模块进行最后的视频数据特征的集成,得到视频数据的一个嵌入特征。对于最终得到的视频人脸数据的特征,通过度量学习的方式进行模型参数的更新。本文对提出的视频数据特征嵌入的视频人脸识别算法在COX视频人脸数据集上进行了实验验证。在数据集的视频到视频的场景下对提出的方法进行了实验,并在V2-V1、V3-V2、V1-V2、V2-V3这几种实验情况下取得了较好结果。进一步还对COX数据集进行了戴口罩情况的拓展,用来模拟当下新冠疫情影响下全民戴口罩的情况。并采用提出的方法在拓展之后的数据集上进行了实验,进一步体现本文算法的有效性。

关键词：视频人脸识别视频特征提取时序集成模块度量学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的手语识别系统设计与实现

基于深度学习的手语识别系统设计与实现

作者：王琪西安电子科技大学

学位级别：硕士

在我国有2057万的聋哑人,他们无法像正常人一样通过说话和聆听来进行交流,因而手语在他们的交流当中扮演着极其重要的角色。在日常生活中,大部分人没有学习过手语,无法理解手语的含义,这给聋哑人和健全人交流带来了困难。目前大部分手... 详细信息

在我国有2057万的聋哑人,他们无法像正常人一样通过说话和聆听来进行交流,因而手语在他们的交流当中扮演着极其重要的角色。在日常生活中,大部分人没有学习过手语,无法理解手语的含义,这给聋哑人和健全人交流带来了困难。目前大部分手语识别技术针对的是手语词汇,而针对于整个句子的翻译较少。针对上述问题,本文通过人工智能技术搭建了一个聋哑人和健全人交流的平台,将手语翻译成健全人可以理解的汉语。此外,随着科技的发展,基于计算机视觉的手势识别作为一种新的人机交互方式,提供了一种无接触交互的新思路,拥有广阔的应用空间。本文基于深度学习,以实现手语翻译为目标,所做的主要工作内容包括:（1）实现了基于R（2+1）D多纤维网络的手语视频特征提取。三维卷积可以提取视频的时空特征,但是计算量巨大。本文提出了一种新的的特征提取模型,该模型以R（2+1）D网络为基础,结合轻量级神经网络的思想,引入了多纤维网络（3D Multi-fiber Network,3D MF-Net）,形成R（2+1）D多纤维网络。对手语视频特征进行提取,从而在效果不变的情况下有效降低了计算量。实验显示,该模型相比于传统的三维卷积网络不仅精度高而且运算量小,可以满足特征提取的需要。（2）实现了基于改进后的Transformer手语识别模型。手语视频的翻译属于广义上的序列到序列的问题,本文对在序列处理问题中表现优异Transformer进行了改进,加入了标签平滑层,提出基于改进后的Transformer手语识别模型。实验表明该模型可以实现手语翻译任务。（3）在R（2+1）D多纤维网络的手语视频特征提取模型和改进后的Transformer手语识别模型的基础上搭建了web手语翻译系统。该系统以手语视频作为输入,经过手语识别系统翻译后,以汉字语句作为输出。该系统还实现了汉语到手语的简单翻译,包含了手语语料库,可以不断为本文的模型增加新数据。（4）对本文实现的手语识别模型和其他手语识别模型做了对比验证。本文手语识别模型与基于Resnet-3D和S2VT的手语识别模型进行了实验对比,实验证明本文的手语识别模型在各个指标上均优于基于Resnet-3D和S2VT的手语识别模型。在实际应用中,本文的手语识别模型性能优异,可以满足应用需求。本文实现了手语识别系统,该系统可以有效的帮助聋哑人和健全人的沟通,同时本文在手语识别任务中所应用的技术为人机交互提供了新的参考。

关键词：深度学习视频特征提取手语翻译 Transformer