检索结果

Select

1. 结合特征图谱学习的人数统计方法

易国宪, 熊淑华, 何小海, 吴晓红, 郑新波

计算机应用 2018, 38 (12): 3591-3595. DOI: 10.11772/j.issn.1001-9081.2018051162

摘要（331）

PDF （841KB）（294）

针对实际公共场景视频的人数统计中存在的背景干扰、光照变化、目标间遮挡等问题，提出一种结合特征图谱学习和一阶动态线性回归的人数统计方法。首先，建立图像的尺度不变特征变换（SIFT）特征与目标真实密度图之间的特征图谱映射模型，利用SIFT特征和前述映射模型得到包含目标和背景特征量的特征图谱；然后，根据通常监控视频中背景变化较小、特征图谱中的背景特征量相对稳定的特点，由特征图谱的积分与真实人数通过一阶动态线性回归建立人数回归模型；最后，通过该回归模型模型得出估计人数。在数据集MALL和PETS2009上进行实验，实验结果表明：与累积属性空间方法相比，所提方法平均绝对误差降低了2.2%；与基于角点检测的一阶动态线性回归方法相比，其平均绝对误差降低了6.5%，平均相对误差降低了2.3%。

参考文献 | 相关文章 | 多维度评价

Select

2. 多阶导数自适应视频超分辨率重建

吉晓红, 熊淑华, 何小海, 陈洪刚

计算机应用 2016, 36 (4): 1092-1095. DOI: 10.11772/j.issn.1001-9081.2016.04.1092

摘要（458）

PDF （717KB）（414）

传统视频超分辨率重建算法在去除噪声的同时,很难有效保持图像边缘细节信息。针对该问题,构建了一种结合多阶导数数据项和自适应正则化项的视频超分辨率重建算法。在正则化重建模型的基础上,该算法对数据项进行改进,引入能更好描述噪声统计特性的噪声多阶导数,并利用去噪效果较好的全变分(TV)和非局部均值(NLM)正则化项对视频超分辨率重建过程进行约束。此外,为了更好地保持图像细节信息,采用区域空间自适应曲率差分算法提取结构信息,从而对正则化系数进行自适应加权。实验结果表明:在噪声方差为3时,与核回归算法和聚类算法相比,该算法重建视频主观效果边缘更加锐化,局部结构更加正确、清晰;重建视频的均方误差(MSE)平均下降幅度分别为25.75%和22.50%;峰值信噪比(PSNR)分别平均提升了1.35 dB和1.14 dB。所提算法能够在去除噪声的同时有效保持图像的细节特征。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于欧氏距离的人脸检测窗口合并方法

黑建业熊淑华马娅丽

计算机应用 2013, 33 (04): 1122-1124. DOI: 10.3724/SP.J.1087.2013.01122

摘要（756）

PDF （698KB）（412）

为了解决人脸检测过程中同一人脸在不同尺度下检测结果的位置和大小不能完全重合的问题，对基于统计训练的人脸检测窗口的合并方法进行了研究，提出了一种基于欧氏距离的人脸检测窗口合并方法，在人脸检测结果不存在误检和漏检的情况下，根据人脸检测窗口中心坐标的分布特征，利用判定圆以及欧氏距离实现了人脸重复检测窗口的合并。分别针对不同情况的图片对方法进行了验证实验，实验结果表明该方法简单有效

参考文献 | 相关文章 | 多维度评价