基于团块多尺度光流方向直方图的人群异常行为检测

如何进行适应不同场景的人群异常检测是视频监控领域的研究难点。目前主流的人群行为特征表达式是基于HOF的,其中基于多尺度MHOF是主流方法,但由于多尺度MHOF特征是基于等距划分场景区域的局部特征,因而不是人类观察外界场景的方式。团块特征是基本符合人类观察事物的方式,因此提出基于Blob团块的MHOF特征提取算法,并联合Hog特征,应用多层递归神经网络提出了异常行为检测的算法框架。在3个数据集上进行实验,结果表明,该算法优于基于多尺度MHOF特征的异常行为检测方法。     

用于图像检索的多区域深度特征加权聚合算法

针对图像检索中多区域加权聚合算法局部特征提取过程较繁琐、耗时及内存占用高等问题,提出多区域深度特征加权聚合算法（MR-CroW）。该算法通过增大深度卷积神经网络（DCNN）最后一个卷积层池化窗口,调整预训练DCNN模型VGG16,得到全局特征提取器; 选择子区域作为检索对象响应区域,抑制非主要目标噪声;引入跨维度加权聚合算法（CroW）,将多个区域特征进行加权聚合,得到最终的特征向量。在Oxford5K和Paris6K数据集上的实验结果表明,MR-CroW平均准确率（mAP）高于其它几种算法,特征处理阶段时间低于其它几种算法。     

基于随机森林算法的用电客户欠费风险分析

为了解决电费回收问题,采用机器学习算法,通过对电力客户历史数据进行分析和研究,选择精确度普遍较高的随机森林算法,采用用电客户的基本信息、缴费行为、用电特征等多个维度确定模型指标,构建用户欠费模型,在分析用户欠费行为的同时对客户的欠费行为进行风险评级,提高对欠费用户的识别效率,降低电费回收的风险,通过该方法可以有效预测用...     

基于Hadoop的煤矿图像PCA-SIFT特征提取算法研究

大数据技术已经成为当下热点问题,Hadoop技术在煤矿领域运用也引起了广泛关注。针对传统监控模式下煤矿视频监控系统图像采集点多、历史留存数据量大、不利于后续查找特征图像等问题,提出一种Hadoop平台下PCA-SIFT算子的图像特征提取算法,研究并改进了MapReduce并行编程模型的任务设计,对传统尺度不变特征转换算法进行了并行化设计,在Hadoop集群下实现了海量煤矿图像的PCA-SIFT并行特征提取。使用汾西矿务局煤矿图像井下数据集进行实验,算法SIFT特征点检测效果好,运行耗时少。在图像数量庞大时,系统加速比几乎呈线性增长趋势,验证了算法处理大规模煤矿图像数据的有效性。     

基于改进堆叠独立子空间分析模型的行为识别

视觉特征提取与特征表达方法在图像分类及识别中十分重要,从特征学习和特征表达角度出发,提出一种基于改进堆叠独立子空间分析模型提取特征的行为识别算法。首先采用两层独立子空间神经网络构建堆叠网络,在特征学习过程中融入正则化约束项,并结合时空卷积算法,获取视频时空层次化不变性特征基元;然后以堆叠卷积网络两层特征基元的非线性映射获取一种规则网格划分下的视频块状局部特征描述符;最后结合时空金字塔匹配模型构建时空层次特征,采用一对多支持向量机分类方法对视频中的动作进行分类。在KTH视频数据库中进行实验。结果表明,该算法学习到的特征基元可对视频构建低维高效的特征描述符,与现有多种行为识别算法进行对比,改进行为识别算法有效性进一步提高。     

一种改进Yolov7算法在验证码识别中的应用

针对Yolov7算法在验证码字符检测进行特征提取时,原始主干网络的某些局部信息在逐层提取时中经常会出现信息丢失等问题,提出了RDN-Yolov7算法。该算法借鉴了残差密集网络中提取多层特征的方式,实现了在深层网络中对各个层的不同特征进行提取和融合。为了验证算法的有效性,通过Python自动生成,以及从58同城、搜狐网站上爬取数据,生成3类各具特点的验证码数据集,同时与目前目标检测领域先进的RCN、VGG-16、SVM、ResNet、Yolov7算法进行对比。从实验结果来看,RDN-Yolov7算法的字符检测成功率达到98%以上,优于对比的几种算法,具有一定的实际应用价值。     

数据挖掘技术在客户关系管理中的应用

企业要想在市场竞争中取胜,关键是了解并满足客户的需求.客户关系管理越来越受到企业的重视,企业试图发现最有价值的客户,提升客户的价值并保留住有价值的客户.数据挖掘是提取有用信息的"数据产生"过程.数据挖掘技术在客户关系管理中扮演更重要的角色,通过分析大量复杂的客户数据,进行客户特征多维分析、客户行为分析、客户关注点分析、客户忠诚度分析等,挖掘客户价值.同时,分析不同客户对企业效益的不同影响,分析客户行为对企业收益的影响,使企业与客户的关系及企业利润得到最优化.     

基于骨骼数据特征的人体行为识别方法综述

人体行为识别是人工智能领域的一个研究热点,相对于视频、运动流等数据,人体骨骼数据具有简洁性和矢量计算的高效性.从基于传统机器学习的手工特征提取方法和基于深度学习的深度特征提取方法两方面对基于骨骼数据的人体行为识别相关研究进行综述.将手工特征概括为物理属性特征和统计属性特征,将深度特征按卷积神经网络、循环神经网络、图卷积...     

基于语义分割的高速公路天气识别算法

为了实现高速公路场景下天气图像的准确识别,文章提出了一种基于语义分割的高速公路天气识别方法,通过设计一种结合语义分割模型提取道路区域特征的方法,构建了基于语义分割的结合道路天气图像全局特征及道路特征的融合网络,实现对高速公路的天气识别。在道路预处理阶段,应用具有密集连接结构的多尺度特征提取模块DASPP到Deep Labv3+网络,增大模型在不同尺度特征上的分辨率密集程度和特征图在不同维度的感受野,进而有效改善道路提取的效果。在特征提取阶段,基于引入深度可分离卷积层的Xception网络,设计了天气特征提取网络WFCN,分别提取输入图像和道路区域图像的全局天气特征和道路天气特征并进行融合分类,有效降低模型参数量和运算量,并增强模型的性能。在构建的高速公路数据集上,对设计的算法分别进行了消融实验和对比实验,实验结果证明了该算法的有效性及相比现有天气识别算法的优越性。     

基于数据挖掘技术的CRM系统中客户行为

为了解决在企业中实施客户关系管理(CRM),CRM系统中客户行为的定量研究问题,利用决策树的数据挖掘相关技术和方法,提出了UPTree数据挖掘算法,并采用UPTree算法对隐藏在大量客户行为中的信息进行挖掘,从而获取了CRM系统中潜在的客户行为规则,并给出这些行为规则的IF-THEN的描述形式,为企业的科学决策提供依据。