基于帧间差分与背景消减的视频摘要算法研究

为克服帧间差分法只适合于帧像素变化较大的视频检测及背景消减法只适合于固定背景模型的视频检测的缺点,提出一种新的基于帧间差分与背景消减的视频摘要算法,这种算法首先对前后两帧的帧图像像素进行检测,若无显著运动对象,则继续进行背景模型对比检测.实验结果表明,该算法能够快速、精准地对运动显著及不显著的视频进行摘要提取,浓缩事件精华,较高地还原视频关键信息内容.     

基于Canny与Frame-ViBE的运动目标检测方法

ViBE算法前景检测准确率高,但在运动目标检测过程中会产生鬼影,不能很好地适应光照变化。针对ViBE中鬼影及光照变化问题,提出帧差法、ViBE与Canny相结合的方法,利用帧差法提取运动目标像素,使用Canny算子提取运动目标的边缘信息同时能够较好地适应光照变化。实验结果表明,该算法可以有效消除鬼影并减少光照变化的干扰,在复杂的动态环境下取得良好的效果。     

一种基于对称差分的运动检测算法

用于数字视频监控系统中运动物体检测的算法是一种基于三帧差分法的对称差分运动目标检测算法。实验表明,这种算法对于光照、背景内容的变化不敏感。该算法能够有效地检测出图像中的运动物体。     

典型视频目标跟踪方法实现与分析

分析目前运动目标检测跟踪中的经典方法,包括帧间差分法、背景差分法和Mean Shift法,探讨其适用范围及优缺点,然后对3种算法进行验证,给出实验结果,并分析其优缺点。     

一种基于改进帧差法的运动目标检测

针对视频中的运动目标离摄像头较近时由于形状的变化而导致目标边界测定不准确的问题,在帧间差分法的基础上,提出了一个求精运动目标边界的算法。先用得到边界值计算目标中心点,再对视频中的运动目标进行运动距离和速度的检测,并在Matlab中进行仿真。实验结果表明,该算法对帧差法的结果进行求精后,得到的运动目标的状态值更接近于实际情况,改进的算法更适合于视频中运动目标形状变化较大的情况下进行运动目标状态的检测。     

基于五帧帧差和混合高斯模型的运动目标检测

鉴于传统的帧差法检测准确率不高,而且在光照变化、噪声干扰时鲁棒性不高,容易造成检测错误等问题,提出了一种改进的视频序列运动目标检测算法.该算法是将混合高斯模型与改进的五帧差分算法相结合:首先改进五帧差分是将当前帧与前2帧、后2帧进行差分二值运算,然后将4个差分的结果轮廓填充,最后进行先"与"再"或"运算;通过将混合高斯建模后得到的运动目标与改进的五帧差分算法得到的运动目标,进行逻辑"与"操作,最后再通过形态学处理检测出运动目标.从实验结果证明,改进的算法既能适应光照的变化,又能有效克服空洞的现象,与同类的算法相比具有更高的鲁棒性和准确率.     

基于AdaBoost算法与改进帧差法的动态行人检测

针对传统基于HOG特征与AdaBoost算法分类器在目标检测中存在检测速度慢、误差率大的问题,提出一种基于改进帧差法与AdaBoost算法相结合的动态行人检测方法。帧差法是运动目标检测的一种算法,能够将运动中的区域很好地显示出来。改进的帧差法不再单一使用一个阈值,而是利用多个阈值,以更好地分割出检测行人,再通过分类器进行多尺度检测来确定目标。该方法减少了传统HOG特征的检测时间,能够更快地找出感兴趣区域,并提高检测速度和误差率。     

一种改进的视频运动目标检测算法

为了克服帧间差分法和HS光流法在运动目标检测中的缺点,提高视频运动目标检测准确性,提出了一种将改进的三帧差分法和基于灰度梯度优化计算的光流法相结合的运动目标检测算法。首先利用改进的三帧差分算法对图像进行预处理,使用最大类间方差法对图像进行二值化,获得全局二值化阈值,得到准确度较高的运动目标区域;然后利用优化灰度计算的光流法处理,排除光线等因素的干扰,从而更加准确地提取运动目标区域。实验结果表明,该方法能够有效提高运动目标检测的准确性。     

一种改进的彩色图像边缘检测方法

使用灰度图像算法进行彩色图像边缘检测,会造成图像边缘漏检.针对这个问题,在输出融合法基础上,对Roberts算子进行了改进,提出一种适用于彩色图像的边缘检测方法.实验表明,改进算法能有效检测彩色图像边缘.     

基于改进帧间差分与局部Camshift相结合的目标跟踪算法

为了能够准确、快速地跟踪运动目标,提出了改进帧间差分与局部Camshift相结合的目标跟踪算法。针对传统帧间差分法在运动目标提取过程中容易产生“空洞”的现象,并且对噪声敏感的问题,提出了三帧差分的运动目标检测算法。首先,利用三帧差分法,将相邻的三帧图像作为一组进行再差分,从而检测出中间帧运动目标的形状轮廓,然后将该区域作为运动目标的模板区域,并将该区域进行适当扩充,最后采用局部Camshift算法进行目标跟踪。实验结果表明,改进的帧间差分可以有效地弥补“空洞”现象,对噪声也起到了一定的抑制作用。同时,该方法克服了传统Camshift算法需要人为选择跟踪区域和容易发散的缺点,达到了预期的目标检测和跟踪效果。     

入侵检测系统

入侵检测系统是网络安全系统的重要组成部分之一 .本文介绍了入侵检测系统的概念、基本原理和分类 ,讨论了入侵检测系统面临的挑战 ,展望了这项技术的未来     

基于改进Canny边缘检测算法的道路标线检测实验研究

为提高传统Canny算法的灵活度和自适应能力,提出了一种改进的自适应Canny边缘检测算法。采用双边滤波代替高斯滤波滤除噪声并锐化图像边缘;再使用水平、垂直、45°、135°等4个方向的梯度模板对图像的梯度幅值进行计算。对传统的Otsu阈值分割算法进行了改进,改进的思路是找出类内和类间方差的最大值作为阈值,阈值搜索范围的缩小可以使计算量减少,实现快速分割。通过道路标线图像验证,说明改进后的Canny算法对道路标线的分割效果更好,减少了边缘断裂和假边缘,处理的时间也相对缩短。     

蓝藻毒素及其检测

本文总结了蓝藻毒素的分类、致毒机理和检测技术的相关研究进展。     

Deadlock detection using abstraction refinement

This paper adopts counterexample guided abstraction refinement scheme to alleviate the state explosion problem of deadlock detection. We extend the classical labeled transition system models by qualifying transitions as certain and uncertain to make deadlock-freedom conservative, i.e. if the abstraction of a system is deadlock-free, then the system is deadlock-free. An abstraction refinement approach to deadlock detection is proposed, and the correctness of the approach is proved.     

一种新的入侵检测方法

将一种基于聚类算法的RBF(径向基函数)神经网络方法运用于入侵检测中。在这种方法中采用两阶段学习方法,在利用非监督学习算法确定网络隐层中心时,提出一种基于高斯基的距离度量,并联合输入输出聚类的策略。基于F isher可分离率设计高斯基距离量度中的惩罚因子,可以提高聚类的性能。通过构建入侵检测模型,一方面可以加速网络训练速度,另一方面可以提高入侵检测在预测误报漏报中的性能。     

Error detection in numeric codes

This article investigates the efficiency of four commonly used methods for detecting the most frequent types of errors committed by individuals while entering numeric codes.     

Intrusion detection using rough set classification

Recently machine learning-based intrusion detection approaches have been subjected to extensive researches because they can detect both misuse and anomaly. In this paper, rough set classification (RSC), a modem learning algorithm,is used to rank the features extracted for detecting intrusions and generate intrusion detection models. Feature ranking is a very critical step when building the model. RSC performs feature ranking before generating rules, and converts the feature ranking to minimal hitting set problem addressed by using genetic algorithm (GA). This is done in classical approaches using Support Vector Machine (SVM) by executing many iterations, each of which removes one useless feature. Compared with those methods, our method can avoid many iterations. In addition, a hybrid genetic algorithm is proposed to increase the convergence speed and decrease the training time of RSC. The models generated by RSC take the form of"IF-THEN" rules,which have the advantage of explication. Tests and comparison of RSC with SVM on DARPA benchmark data showed that for Probe and DoS attacks both RSC and SVM yielded highly accurate results (greater than 99% accuracy on testing set).     

基于深度学习的疟疾检测

针对疟疾检测方法中的模型存在训练时间过长,权重参数冗余等问题,用疟疾数据集从头开始训练,更改输入图像的大小,直接对ResNet-50网络的深度和宽度进行缩减,研究采用深度学习技术快速、准确地检测疟疾。该方法缩短了模型训练时间,提高了疟疾分类精确度,缩小了模型权重参数大小。     

自由基的捕获与检测

介绍了自由基的捕获与检测的方法及最新进展 ,几种常用捕集剂的优缺点     

Equality detection for linear arithmetic constraints

Satisfiability modulo theories （SMT） play a key role in verification applications. A crucial SMT problem is to com- bine separate theory solvers for the union of theories. In previous work, the simplex method is used to determine the solvability of constraint systems and the equalities implied by constraint systems are detected by a multitude of applications of the dual simplex method. We present an effective simplex tableau-based method to identify all implicit equalities such that the simplex method is harnessed to an irreducible minimum. Experimental results show that the method is feasible and effective.