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. 基于外观和动作特征双预测模型的视频异常行为检测

李自强, 王正勇, 陈洪刚, 李林怡, 何小海

计算机应用 2021, 41 (10): 2997-3003. DOI: 10.11772/j.issn.1001-9081.2020121906

摘要（369）

PDF （1399KB）（412）

为了在视频异常行为检测中更加充分地运用外观和动作信息，设计出了一种能同时捕捉外观和动作信息的孪生网络模型。该网络的两个分支采用相同的自编码器结构，其中的外观子网络以连续几帧RGB图作为输入来预测下一帧，而动作子网络则输入RGB帧差图来预测未来帧差图。此外，考虑到影响基于预测的方法的检测效果的原因之一，即正常样本的多样性以及自编码器网络强大的“生成”能力，即对部分异常样本也有很好的预测效果，因此在编码器与解码器之间加入一个学习并存储正常样本的“原型”特征的记忆增强模块，从而使异常样本能获得更大的预测误差。在Avenue、UCSD-ped2和ShanghaiTech三个公共的异常数据集上进行了广泛的实验。实验结果表明，相较于其他基于重建或预测的视频异常行为检测方法，所提方法取得了更优异的表现。具体来说，该方法在Avenue、UCSD-ped2和ShanghaiTech数据集上的平均曲线下面积（AUC）分别达到了88.2%、97.5%和73.0%。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于协同表示的多特征融合岩石分类

刘珏先, 滕奇志, 王正勇, 何小海

计算机应用 2016, 36 (3): 854-858. DOI: 10.11772/j.issn.1001-9081.2016.03.854

摘要（483）

PDF （754KB）（454）

针对传统的岩石薄片成分分析耗时、识别率不高等问题,提出了一种基于协同表示(CR)的岩石薄片成分分析方法。首先,分析探讨了岩石薄片中颗粒纹理特性,证明将薄片图像的分层多尺度局部二值化(HMLBP)特征与灰度共生矩阵(GLCM)特征相融合能有效地表征岩石薄片中颗粒的纹理。然后,为降低识别阶段时间复杂度,采用主成分分析(PCA)方法将新特征降维到100维。最后,采用基于协同表示的分类器(CRC)进行分类识别。与基于稀疏表示的分类器(SRC)分别采用样本字典中某一个样本单独编码表征预测样本不同,基于协同表示的分类器采用样本字典中的所有样本协同编码表征预测样本,借助不同样本的同一属性提高识别率。实验结果表明该方法的识别速度较基于稀疏的分类器识别方法提高300%,识别率提高2%;在实践应用中能较好地区分岩石薄片中的石英成分和长石成分。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于快速离散曲波变换的图像去噪算法

方高球王正勇吴晓红

计算机应用

摘要（1501）

PDF （468KB）（1665）

Curvelet变换可以更好地表示曲线奇异函数的异向性及图像边缘，因此更适合于多尺度图像去噪。针对传统阈值法存在的不足，在分析wrapping方法的快速离散曲波变换基础上，提出结合Cycle Spinning循环平移方法的菱形块阈值规则去噪法，并自适应地对不同的Curvelet子块进行阈值化。该方法可以消除由于Curvelet变换缺乏平移不变性而产生的图像失真，并且更好地利用曲波系数的相关性。实验结果表明，该方法与传统的小波去噪、曲波硬阈值去噪、曲波软阈值去噪、曲波软硬阈值折中法去噪相比，使得去噪图像的峰值信噪比更高，视觉效果更好。