搜索结果:找到“孔繁胜”相关结果106条
排序: 按相关 按相关 按时间降序
  • 【期刊】 浅析退耕还林工程中的问题及建议

    刊名:农家参谋 作者:孔繁胜 关键词:退耕还林 ; 问题 ; 建议 机构:贞丰县白层镇林业站 ; 贞丰县白层镇林业站 年份:2017
    摘要:自改革开放以来,我国就非常重视经济建设,现阶段,我国社会经济发展的非常快速,各种新型企业出现在市场中。但是,快速的发展所伴随的就是资源的严重消耗,生态环境的严重破坏。环境问题已是,我们发展过程中一项不能忽视的问题。而"退耕还林"政策,是本世纪初期开始实施的一项,生态保护工程,是我国可持续发展的主要战略措施。在党的领导下,在相关政府的监督执行下,退耕还林工程取得了非常好的效果。但是因为我国在此方面发展的比较晚,在发展的过程中仍存在着许多的问题,笔者以下将进行主要的论述。
  • 【期刊】 基于KL散度及多尺度融合的显著性区域检测算法

    刊名:《电子与信息学报》 作者:孔繁胜 ; 罗会兰 ; 万成涛 关键词:显著性区域检测 ; 多尺度融合 ; KL散度 ; 闭环连通图 机构:江西理工大学信息工程学院 ; 江西理工大学信息工程学院 ; 浙江大学计算机科学技术学院 年份:2016
    摘要:基于对超像素颜色概率分布间KL散度的计算,以及对多尺度显著图的融合处理,该文提出一种新的显著性区域检测算法。首先,采用超像素算法多尺度分割图像,在各尺度下用分割产生的超像素为节点,并依据超像素分割数量对各超像素进行适当邻接连通扩展,构建无向扩展闭环连通图。其次,依据颜色判别力聚类量化各超像素内颜色,统计颜色聚类标签的概率分布,用概率分布间KL散度的调和平均值为扩展闭环连通图的边加权,再依据区域对比度并结合边界连通性,获取各尺度下的显著图。最后,平均融合各尺度下显著图,并进行优化处理,得到最终的显著图。在一些大型参考数据集上进行大量实验表明,所提算法优于当前一些先进算法,具有较高精确度和召回率,并且可以产生平滑显著图。
  • 【期刊】 动作切分和流形度量学习的视频动作识别

    刊名:中国图象图形学报 作者:孔繁胜 ; 罗会兰 ; 赖泽云 关键词:动作识别 ; 动作切分 ; 流形学习 ; 度量学习 ; 特征协方差 ; 视频分析 机构:江西理工大学信息工程学院 ; 江西理工大学信息工程学院 ; 浙江大学计算机科学技术学院 年份:2017
    摘要:目的 为了提高视频中动作识别的准确度,提出基于动作切分和流形度量学习的视频动作识别算法.方法 首先利用基于人物肢体伸展程度分析的动作切分方法对视频中的动作进行切分,将动作识别的对象具体化;然后从动作片段中提取归一化之后的全局时域特征和空域特征、光流特征、帧内的局部旋度特征和散度特征,构造一种7×7的协方差矩阵描述子对提取出的多种特征进行融合;最后结合流形度量学习方法有监督式地寻找更优的距离度量算法提高动作的识别分类效果.结果 对Weizmann公共视频集的切分实验统计结果表明本文提出的视频切分方法具有很好的切分能力,能够作好动作识别前的预处理;在Weizmann公共视频数据集上进行了流形度量学习前后的识别效果对比,结果表明利用流形度量学习方法对动作识别效果提升2.8%;在Weizmann和KTH两个公共视频数据集上的平均识别率分别为95.6%和92.3%,与现有方法的比较表明,本文提出的动作识别方法有更好的识别效果.结论 多次实验结果表明本文算法在预处理过程中动作切分效果理想,描述动作所构造协方差矩阵对动作的表达有良好的多特征融合能力,而且光流信息和旋度、散度信息的加入使得人体各部位的运动方向信息具有了更多细节的描述,有效提高了协方差矩阵的描述能力,结合流形度量学习方法对动作识别的准确性有明显提高.
  • 【期刊】 融合多特征的加权分布跟踪  

    刊名:《模式识别与人工智能》 作者:孔繁胜 ; 罗会兰 ; 单顺勇 关键词:跟踪 ; 分布域描述子 ; 多特征融合 ; 模型匹配 机构:江西理工大学信息工程学院 ; 江西理工大学信息工程学院 ; 浙江大学计算机科学与技术学院 年份:2016
    摘要:单一特征很难做到长时间的有效跟踪,使用直方图描述特征简单方便,但丢失特征的空间结构信息,而分布域描述算子可体现特征的空间信息.基于各自特点,文中提出融合灰度值特征、纹理特征和边缘特征的目标跟踪算法.通过分布域描述子联合表示3种特征,并且对分布域特征密集的分布层乘以相应权值,构建一种高效的目标模型.采用自适应目标模型更新方式更新目标模型,适应背景和光照等的变化.在常用视频序列中的对比实验表明,文中算法可应对目标的形变、旋转、光照变化及遮挡等各种复杂情况,跟踪效果具有鲁棒性.
  • 【期刊】 基于深度学习的视频中人体动作识别进展综述

    刊名:电子学报 作者:孔繁胜 ; 罗会兰 ; 童康 关键词:动作识别 ; 综述 ; 卷积神经网络 ; 深度学习 机构:江西理工大学信息工程学院 ; 江西理工大学信息工程学院 ; 浙江大学计算机科学技术学院 年份:2019
    摘要:视频中的人体动作识别是计算机视觉领域内一个充满挑战的课题.不论是在视频信息检索、日常生活安全、公共视频监控,还是人机交互、科学认知等领域都有广泛的应用.本文首先简单介绍了动作识别的研究背景、意义及其难点,接着从模型输入信号的类型和数量、是否结合了传统特征提取方法、模型预训练三个维度详细综述了基于深度学习的动作识别方法,及比较分析了它们在UCF101和HMDB51这两个数据集上的识别效果.最后分别从视频预处理、视频中人体运动信息表征、模型学习训练这三个角度对未来动作识别可能的发展方向进行了论述.
  • 【期刊】 融合多特征的加权分布跟踪

    刊名:模式识别与人工智能 作者:孔繁胜 ; 罗会兰 ; 单顺勇 关键词:跟踪 ; 分布域描述子 ; 多特征融合 ; 模型匹配 机构:江西理工大学信息工程学院 ; 江西理工大学信息工程学院 ; 浙江大学计算机科学与技术学院 年份:2016
    摘要:单一特征很难做到长时间的有效跟踪,使用直方图描述特征简单方便,但丢失特征的空间结构信息,而分布域描述算子可体现特征的空间信息.基于各自特点,文中提出融合灰度值特征、纹理特征和边缘特征的目标跟踪算法.通过分布域描述子联合表示3种特征,并且对分布域特征密集的分布层乘以相应权值,构建一种高效的目标模型.采用自适应目标模型更新方式更新目标模型,适应背景和光照等的变化.在常用视频序列中的对比实验表明,文中算法可应对目标的形变、旋转、光照变化及遮挡等各种复杂情况,跟踪效果具有鲁棒性.
  • 【期刊】 结合运动矢量的分权快速压缩跟踪算法

    刊名:中南大学学报(自然科学版) 作者:孔繁胜 ; 罗会兰 ; 张文赛 ; 钟睿 关键词:目标跟踪 ; 运动矢量 ; 置信值 ; 遮挡检测 机构:江西理工大学 ; 江西理工大学 ; 信息工程学院 ; 浙江大学计算机科学技术学院 年份:2017
    摘要:针对跟踪过程中目标移动过快产生跟踪漂移问题,提出一种结合超像素运动矢量的候选目标位置搜寻策略;在跟踪框架内分块提取特征并根据区域分配置信权值,弱化跟踪框架内边缘背景对分类结果的干扰,提高分类器分类鲁棒性;针对当目标出现严重遮挡时,分类器仍对正负样本特征进行学习而导致的学习不准确问题,提出增加目标遮挡检测机制,避免错误分类,有效解决目标遮挡问题.实验结果表明:提出的算法与当前先进目标跟踪算法相比,效果较好,克服目标快速移动、目标形变、复杂背景干扰、目标遮挡、光线变化等一系列挑战性的跟踪难点,实现目标长时间有效跟踪的同时,跟踪效率满足实时性的要求.
  • 【期刊】 融合多姿势估计特征的动作识别

    刊名:中国图象图形学报 作者:孔繁胜 ; 罗会兰 ; 冯宇杰 关键词:动作识别 ; 多姿势估计 ; 模板匹配 ; 遮挡 机构:江西理工大学信息工程学院 ; 江西理工大学信息工程学院 ; 浙江大学计算机科学技术学院 年份:2015
    摘要:目的为了提高静态图像在遮挡等复杂情况下的动作识别效果和鲁棒性,提出融合多种姿势估计得到的特征信息进行动作识别的方法。方法利用已得到的多个动作模型对任意一幅图像进行姿势估计,得到图像的多组姿势特征信息,每组特征信息包括关键点信息和姿势评分。将训练集中各个动作下所有图像的区分性关键点提取出来,并计算每一幅图像中区分性关键点之间的相对距离,一个动作所有图像的特征信息共同构成该动作的模板信息。测试图像在多个动作模型下进行姿势估计,得到多组姿势特征,从每组姿势特征中提取与对应模板一致的特征信息,将提取的多组姿势特征信息分别与对应的模板进行匹配,并通过姿势评分对匹配值优化,根据最终匹配值进行动作分类。结果在两个数据集上,本文方法与5种比较流行的动作识别方法进行比较,获得了较好的平均准确率,在数据集PASCAL VOC 2011-val上较其他一些最新的经典方法平均准确率至少提高近2%。在数据集Stanford 40 actions上,较其他一些最新的经典方法平均准确率至少提高近6%。结论本文方法融合了多个姿势特征,并且能够获取关键部位的遮挡信息,所以能较好应对遮挡等复杂环境情况,具有较高的平均识别准确率。
  • 【期刊】 带权分块压缩感知的预测目标跟踪算法

    刊名:电子与信息学报 作者:孔繁胜 ; 罗会兰 ; 钟宝康 关键词:目标跟踪 ; 分块压缩感知 ; 贝叶斯分类器 ; 变先验概率 机构:江西理工大学信息工程学院 ; 江西理工大学信息工程学院 ; 浙江大学计算机科学技术学院 年份:2015
    摘要:针对矩形跟踪框在边缘处包含较多背景信息的问题,该文提出一种基于规范化梯度特征的带权分块压缩感知的目标特征提取方法。该方法将压缩感知测量矩阵转化为分块对角矩阵,且根据块的重要程度分配适当的权重,缩小测量矩阵规模,简化特征提取运算,弱化背景干扰。然后将提取的特征输入变先验概率的贝叶斯分类器,变先验概率的分类器充分利用已有的跟踪结果,从一定程度预测了目标的运动方向,减小候选目标的分类歧义性,使得每一帧的分类函数根据以往跟踪结果进行变化,提高了分类的准确度。实验在8个具有常见跟踪难度的序列中测试,并与目前较流行的4种目标跟踪算法在跟踪效果、成功率等方面进行比较,结果从多个角度表明,该文提出的目标跟踪算法具有较高的准确度和稳定性。
  • 【期刊】 像素点特征加权的尺度自适应跟踪算法

    刊名:通信学报 作者:孔繁胜 ; 罗会兰 ; 杜芳芳 关键词:目标跟踪 ; 尺度自适应 ; 更新模型 ; 像素点特征加权 机构:江西理工大学信息工程学院 ; 江西理工大学信息工程学院 ; 浙江大学计算机科学技术学院 年份:2015
    摘要:针对目标运动过程中的姿态变化、旋转、干扰以及缩放等情况,提出了结合像素点特征加权的尺度自适应跟踪算法。首先利用目标区域中每个像素点的颜色特征和位置特征,建立目标模型;其次用目标的平均权值图估算尺度变化系数,以实现目标尺度的自适应;最后构建一个更新模型,对跟踪过程中的目标模型和背景模型进行更新。实验表明,提出的算法充分利用目标区域内各像素点间的差异,可以做到快速、有效的跟踪,且具有较强的顽健性。
  • 【期刊】 密集特征加权跟踪算法

    刊名:中国图象图形学报 作者:孔繁胜 ; 罗会兰 ; 梅晶 关键词:目标跟踪 ; 尺度自适应 ; 密集特征加权 ; Mean-shift 机构:江西理工大学信息工程学院 ; 江西理工大学信息工程学院 ; 浙江大学计算机科学技术学院 年份:2015
    摘要:目的当前大多数基于Mean-shift的跟踪算法都忽视了目标中密集的特征信息,本文有效利用密集特征信息,来提高跟踪的准确性。方法在目标模型中,常存在一些颜色特征相对聚集,形成一定大小的特征密集区,这些区域的面积或大或小,对人眼视觉跟踪异常重要。这些区域形成的空间结构信息,可以被利用到目标跟踪。提出一种高效的目标模型,通过计算密集特征区域面积,以及密集区质心到目标中心的距离,构建加权系数,通过该系数,来增加目标中分布相对集中的特征的权值,同时削弱离散特征的权值。同时使用零阶矩和目标模型与候选模型之间的相似度系数,估算目标的面积;再使用预测目标面积补偿法,对目标中因使用背景加权法而权重被削弱的特征区域,进行面积补偿;最后使用估算的目标区域面积以及二阶中心距,估算目标尺度和方向的改变。在跟踪过程中,背景如发生较大变化,则对目标模型进行更新。结果本文算法具有很好的尺度适应性,跟踪平均准确率在94.6%以上,得到较当前一些先进方法更好的准确度和效率。结论提出的算法能增加目标模型中不同特征权值间的差异,使得构建的目标模型具有较强区分目标和背景的能力,提高了定位目标的准确性;面积补偿法解决了目标因特征权重被削弱,而导致估算的目标面积小于实际面积的问题。
  • 【期刊】 基于分割集成的行人检测方法

    刊名:模式识别与人工智能 作者:孔繁胜 ; 罗会兰 ; 彭凯 关键词:行人检测 ; 集成学习 ; 分割集成 ; 方向梯度直方图(HOG) 机构:江西理工大学信息工程学院 ; 江西理工大学信息工程学院 ; 浙江大学计算机科学与技术学院 年份:2015
    摘要:为提高行人检测的准确率,提出基于分割集成的方法用于静态图片中的行人检测.先将每个训练样本均匀分割成若干区域,提取特征后利用Ada Boost算法对每个区域建立一个局部分类器,这些局部分类器加权组成一个全局分类器.采用不同的分割方法重复上述过程,得到多个全局分类器.为进一步提高检测效果,得到更好的平均性能,对每种分割方法分别使用方向梯度直方图、多尺度方向梯度直方图特征建立2个全局分类器.当检测新的窗口时,集成上述全局分类器,通过加权投票的方式决定最终的检测结果.在INRIA公共测试集上的实验表明,文中方法有效提高检测效果.