检索结果

Select

1. 基于分块注意力机制和交互位置关系的群组活动识别

刘博, 卿粼波, 王正勇, 刘美, 姜雪

《计算机应用》唯一官方网站 2022, 42 (7): 2052-2057. DOI: 10.11772/j.issn.1001-9081.2021060904

摘要（274）

HTML （15）

PDF （2504KB）（104）

复杂场景下的群体活动识别是一项具有挑战性的任务，它涉及一组人在场景中的相互作用和相对空间位置关系。针对当前复杂场景下群组行为识别方法缺乏精细化设计以及没有充分利用个体间交互式特征的问题，提出了基于分块注意力机制和交互位置关系的网络框架，进一步考虑个体肢体语义特征，同时挖掘个体间交互特征相似性与行为一致性的关系。首先，采用原始视频序列和光流图像序列作为网络的输入，并引入一种分块注意力模块来细化个体的肢体运动特征；然后，将空间位置和交互式距离作为个体的交互特征；最后，将个体运动特征和空间位置关系特征融合为群体场景无向图的节点特征，并利用图卷积网络（GCN）进一步捕获全局场景下的活动交互，从而识别群体活动。实验结果表明，此框架在两个群组行为识别数据集（CAD和CAE）上分别取得了92.8%和97.7%的识别准确率，在CAD数据集上与成员关系图（ARG）和置信度能量循环网络（CERN）相比识别准确率分别提高了1.8个百分点和5.6个百分点，同时结合消融实验结果验证了所提算法有较高的识别精度。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于Darknet网络和YOLOv3算法的船舶跟踪识别

刘博, 王胜正, 赵建森, 李明峰

计算机应用 2019, 39 (6): 1663-1668. DOI: 10.11772/j.issn.1001-9081.2018102190

摘要（1109）

PDF （1018KB）（642）

针对我国沿海与内陆水域区域视频监控处理存在实际利用率低、误差率大、无识别能力、需人工参与等问题，提出基于Darknet网络模型结合YOLOv3算法的船舶跟踪识别方法实现船舶的跟踪并实时检测识别船舶类型，解决了重要监测水域船舶跟踪与识别问题。该方法提出的Darknet网络引入了残差网络的思想，采用跨层跳跃连接方式以增加网络深度，构建船舶深度特征矩阵提取高级船舶特征进行组合学习，得到船舶特征图。在此基础上，引入YOLOv3算法实现基于图像的全局信息进行目标预测，将目标区域预测和目标类别预测整合于单个神经网络模型中。加入惩罚机制来提高帧序列间的船舶特征差异。通过逻辑回归层作二分类预测，实现在准确率较高的情况下快速进行目标跟踪与识别。实验结果表明，提出的算法在30 frame/s的情况下，平均识别精度达到89.5%，与传统以及深度学习算法相比，不仅具有更好的实时性、准确性，对各种环境变化具有较好的鲁棒性，而且可以识别多种船舶的类型及其重要部位。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于魔方算法的自动信任协商敏感信息传输方案

李健利霍光磊刘博高勇

计算机应用 2011, 31 (04): 984-988. DOI: 10.3724/SP.J.1087.2011.00984

摘要（1258）

PDF （816KB）（440）

为解决自动信任协商(ATN)过程中在不安全物理信道上传输证书及其他资源的问题，提出一个基于魔方算法的敏感信息传输方案。协商发起方根据魔方算法把自己的请求或资源变换成一个变换序列，并在其后添加数字摘要产生信息变换序列。然后按表示协商成功条件的证书逻辑表达式把信息变换序列乱序成信息传输序列，再发送给协商接收方；协商接收方用自己的证书进行反向变换后得到请求或资源。该方案具有单轮证书交换、较小的网络开销等特性。实验结果表明，该方案具有较好的可行性，较高的安全性、效率与信息传输量。