【摘 要】
：
在动态场景下进行视差处理是实时视频拼接中的一个难题,当运动对象经过视频拼接接缝时容易发生伪影和错位的现象,而复杂的配准和融合算法又难以满足实时性要求。为了解决这个问题,提出了一种基于时序特征预测的实时视频拼接算法。针对采集到的具有20%～40%重叠区域的视频帧,通过结合HOG和LBP等快速特征匹配算法,保证了视频拼接的速率。利用视频帧的时序上下文特性,识别出运动物体并估计物体运动矢量,判断物体能否
【机 构】
：
中国科学院声学研究所国家网络新媒体工程技术研究中心,中国科学院大学
【基金项目】
：
中国科学院战略性科技先导专项课题:SEANET技术标准化研究与系统研制(编号:XDC02070100)。
论文部分内容阅读
在动态场景下进行视差处理是实时视频拼接中的一个难题,当运动对象经过视频拼接接缝时容易发生伪影和错位的现象,而复杂的配准和融合算法又难以满足实时性要求。为了解决这个问题,提出了一种基于时序特征预测的实时视频拼接算法。针对采集到的具有20%～40%重叠区域的视频帧,通过结合HOG和LBP等快速特征匹配算法,保证了视频拼接的速率。利用视频帧的时序上下文特性,识别出运动物体并估计物体运动矢量,判断物体能否到达接缝,选择性更新接缝,避免运动物体穿越接缝时产生畸变,达到了去伪影的效果。实验结果表明,所述算法视频
其他文献
在分布式存储系统中,引入分层缓存技术是优化系统读写的重要方法。目前分层缓存技术多使用LRU及其改进算法管理缓存空间,该方式虽然一定程度上改善了缓存性能,但有限的缓存命中率也使其成为性能瓶颈。针对此问题,本文研究聚焦于分布式对象存储在云计算场景下的应用特点,设计了一种基于高斯分布的淘汰算法。算法基于高斯分布的形态特征设计淘汰规则,规避了LRU及其改进算法采用频率估计概率的误差影响。通过仿真实验结果表明,在用户访问符合高斯分布时,本文提出的基于高斯分布的分层缓存淘汰算法能有效提高缓存命中率。
针对互联网网络端到端延迟因其非线性和非平稳性(时变)特性而导致其准确性预测的难题,提出了一种基于滑动窗口的奇异谱分析和局部加权线性回归的组合预测算法。并采用互联网所采集的RTT数据来验证提出的预测算法,实验结果表明,预测算法具有快速、精确的特点,是一种很适合实际工程应用的预测算法。
小儿功能性遗尿俗称“尿床”,是儿科常见的疾病之一。笔者采用温和灸联合醋酸去氨加压素治疗小儿功能性遗尿,取效较好。报道如下。1一般资料60例患儿全部来自于2018年9月至2020年9月在本院儿科门诊治疗的功能性遗尿患儿,均符合《实用儿科学》中相关诊断标准[1]。其中男38例,女22例,年龄5~15周岁,病程最短3个月,最长2年。随机分为观察组和对照组,每组30例。各组一般资料经经检验,无统计学意义(P>0.05),具有可比性。
针对目前视频服务场景下的电影资源中存在海量的关系型数据,现有的基于图相关的推荐算法需要将这些关系型数据映射成图结构后进行处理,由于图数据规模较大造成了传统的图数据处理方法中语义匹配算法的效率降低、通信开销增大的问题,本文融合关联性分析提出了一种基于语义匹配的图数据加速处理方案——一种在单一大图中查询图序列的子图匹配加速方法。该方法通过考虑时间因素的关联性来加快定位到海量数据中有效信息所在的范围,从
JavaScript作为Web应用的主要编程语言之一,其解释执行、动态类型、面向原型等特性成为限制Web应用性能的主要因素。为了加快JavaScript运行速度,提升Web应用性能,本文提出一种采用预先编译的V8引擎优化方法。该方法将Web应用第一次解释执行过程中热点函数的字节码或机器码进行保存,Web应用下次运行时可以直接运行热点函数已保存的字节码或机器码,避免了热点函数的解释代价和编译代价,而且提出了新的代价模型来确定保存热点函数字节码或机器码带来的时间增益和空间代价。本文在V8引擎最新编译架构上实现
结合多个模型集成学习可以提升单模型预测算法的性能,本文提出一种基于多特征融合的视频点击率预测方法,将哈希降维的特征和GBDT组合特征进行拼接作为输入特征,采用随机梯度下降法对逻辑回归、因子分解机和场感知因子分解机的输出值进行线性加权的迭代调整。实验结果表明该算法的预测效果优于基于单模型算法,也优于基于套袋方法的随机森林算法和基于平均法的其他集成算法,可以提高视频点击率预测精度。
底混响是侧扫声呐进行沉底静态小目标探测时的主要背景干扰,针对此问题提出了一种基于多级二分奇异值分解BSVD子空间投影的底混响抑制方法。该方法首先对接收信号构造二阶Hankel矩阵,通过矩阵的奇异值确定混响子空间,然后利用正交子空间投影抑制回波信号中的底混响,最后根据所选级数对回波信号进行多级正交子空间投影,并用otsu方法对原始声图和处理后的声图进行目标检测。实验结果表明,该方法改善了侧扫声呐沉底
随着工业控制、车载网络等实时业务流开始向以太网迁移,网络设备需要提供低时延低抖动的QoS保障机制。传统网络采用分布式控制,QoS保障机制的引入,会增加转发设备复杂度,同时也面临可扩展性问题。软件定义网络SDN通过将控制与转发分离,极大的增加了网络灵活性和可扩展性。本文基于SDN架构,通过在控制层将带宽资源量化为时隙,实现带宽资源的预分配;通过在转发层按时隙进行整形调度,避免了多条数据流同时到达中间转发节点产生的网络拥塞排队;通过从时间维度划分双通道传输,采用主动队列管理算法,隔离了普通通道对QoS通道的影
近年来,随着深度学习的不断发展,各类神经网络逐渐成为了图像识别、语音识别和自然语言处理等领域的最佳解决方案。模型在不断逼近更高精度的同时,其模型大小和参数数量也在成倍增长。这使得模型仅能在计算资源密集的集中式数据中心内运算,难以移植到移动端、嵌入式芯片或板卡中。考虑到许多智能识别算法的应用场景是在山区、荒郊等地,这些地区难以部署机房等基础服务设施,需要利用资源受限的设备执行运算。因此,优化网络模型
海水表面因海浪等因素引起的水面散射会造成声场的扰动,为研究高频条件下海面起伏对接收声场的影响,基于表面散射敏感核函数(SSK)的推导结果,分别从声场的数值仿真和敏感核正演两个角度对接收声场的声压相对变化进行了分析。结果表明表面散射敏感核的空间分布特性与本征声线在水面反射的位置有关,通过线性分析说明了在较小的扰动范围内,表面散射敏感核可以建立海面局部扰动与声压相对变化的线性关系,为海洋观测的研究提供