【摘 要】
：
为提高针对红外观影图像的人数统计的准确率,提出一种基于U-net的人数统计方法。针对传统前景提取方法泛化能力差的问题,提出一种改进U-Net (IDU-net)前景提取方法,将多个影厅的原图与其前景图像进行端到端训练,实现不同影厅图像的前景提取;再结合改进透视效应校正方法,提取前景面积并建立其与人数的回归关系,得到最终人数统计结果。实验结果表明,IDU-net前景提取方法的分类准确率达到97.65
【机 构】
：
北京信息科技大学网络文化与数字传播北京市重点实验室,首都医科大学宣武医院
【基金项目】
：
国家自然科学基金项目(61671070),国家语委重点基金项目(ZDI135-53),北京信息科技大学校促进内涵重点培育基金项目(5211910940),北京信息科技大学“勤信人才”培育计划基金项目(QXTCP B201908),北京成像技术高精尖创新中心基金项目(BAICIT-2016003),网络文化与数字传播北京市重点实验室开放课题基金项目(ICDD201903)
论文部分内容阅读
为提高针对红外观影图像的人数统计的准确率,提出一种基于U-net的人数统计方法。针对传统前景提取方法泛化能力差的问题,提出一种改进U-Net (IDU-net)前景提取方法,将多个影厅的原图与其前景图像进行端到端训练,实现不同影厅图像的前景提取;再结合改进透视效应校正方法,提取前景面积并建立其与人数的回归关系,得到最终人数统计结果。实验结果表明,IDU-net前景提取方法的分类准确率达到97.65%,相较于ViBe算法、混合高斯模型、原U-net模型分别提高了5.72%,2.44%,5.37%。将其
其他文献
当图像灰度发生急剧变化时,常规算法存在"阈值检测不敏感"的问题。针对这一问题,借鉴RGB三相分解变换的思路,基于Laplace算法基本原理,文中提出BRGB-ALaplace算法。该算法先进行图像增强,并用高斯滤波器平滑图像和抑制噪声;再对RGB 3个相位分量方向进行拉普拉斯模板锐化拉伸,对这3个分量进行相位重组,实现基于Laplace边缘检测,进而对Laplace算法进行改进;最后,选取第三次全
水体作为国土资源的关键要素,其水体面积变化在水资源调查、变化检测及大型水利设施建设评估等方面具有非常重要的意义。由于区域山体阴影、建筑等因素的干扰影响,带来域内所
多台激光跟踪仪组网联合动态测量具有测量范围大、测量精度高、采样频率高的优点,在工业大尺寸动态位姿测量领域具有广泛的应用前景。目前激光跟踪仪动态测量精度评定主要针对单台激光跟踪仪,无法满足多台激光跟踪仪动态位姿测量精度评定的要求。文中提出基于物方先验约束条件的动态位姿测量精度评定方法,通过空间圆轨迹发生器和铟钢四面体,提供刚性约束条件和动态测量基准,实现对不同运动速度、不同采样频率的位姿测量精度进行
2019-06-14,河源市源城区东江大桥第三跨第二桥墩以及第四跨第三桥墩出现了垮塌,此次事故造成了人员伤亡和重大经济损失。为了分析此次灾害事故发生发展的成因,本研究获取了Sentinel-1A雷达卫星2018年12月至2019年6月的历史影像数据,基于时序InSAR技术手段处理得到了该监测时间段内的历史形变信息。研究成果显示该桥梁在此数据获取时间段处于相对稳固状态,并无明显的形变特征趋势。通过对
针对公交车GPS数据量大、数据密度不均匀、噪声点多等问题,提出PB-DBSCAN (pixel_based-DBSCAN,PBDBSCAN)算法。将聚类过程中判断数据点之间的关系改为判断像素格之间的关系,减小数据点邻域中的搜索范围,加快聚类速度。因公交线路的多样性,同一聚类参数无法适应所有线路,提出一种动态参数选择的方法。在石家庄公交车GPS实际数据集上进行实验,其结果表明,PB-DBSCAN可以
为解决复杂非线性多通道心电信号识别问题,提出一种基于多通道多维度深度卷积神经网络的识别方法。将心电信号转换为灰度心电图像,构建一维与二维深度卷积神经网络分别提取心
采用卫星导航对海上航行的船舶进行速度测量是目前最广泛应用的方法,但是卫星导航接收机由于受外界偶然因素的影响,其显示的速度往往包含噪声,且属于随机的高斯白噪声。针对此问题,提出一种基于卡尔曼滤波理论的计算模型,只考虑上一个时刻和当前时刻的关系,大大地减少数据冗余;应用迭代的方法来处理卡尔曼滤波,以更好地简化计算的过程,并根据深圳某航海公司的实际数据对此计算模型进行仿真验证。实验结果表明,对于数据跳跃
传统生成式模型中存在的梯度经过多次传播后,倾向于消失或爆炸,且存在语言理解不充分的性能缺陷,为此提出一种生成式自动文本摘要方法(BiGRUAtten-LSTM)。编码器端将原始文本
针对增强现实跟踪注册过程中遮挡及尺度变换的问题,提出一种基于Camshift和ORB算法的自适应跟踪注册方法。将高斯背景建模和Camshift算法融入到跟踪过程中,实现对目标尺度变
为学得更好的相似矩阵,提出一种基于L_(2,1)-范数距离相似度矩阵的学习方法,给出相应的聚类算法(CSCA)。利用L_(2,1)-范数距离计算出相似度矩阵,对相似度矩阵施加平方的约束;