基于光照方向一致性的换脸视频检测

光照条件是视频外部成像环境的重要因素,可反映视频成像时的客观物理条件,即使采用复杂的计算机图形学模型,也难以完全反映光照的真实场景。针对大部分Deepfake换脸视频与真实视频在外部成像环境上的差异,提出一种基于光照方向一致性的换脸视频检测方法。本文利用Lambert光照模型逐帧计算待测视频的二维光照方向,通过判断整段待测视频二维光照方向的角度变化是否平滑确定视频真伪。实验结果表明该方法在公开的测试数据库TIMIT和FaceForensics⁺⁺上具有较好的检测性能,可以有效区分真实视频和换脸视频。由于不需要训练检测模型,该方法具有计算复杂度低、实时性好的优点。     

一种基于语义分析的大数据视频标注方法

提出一种基于Spark计算框架的海量视频语义标注方法。将存储在Hadoop分布式文件系统（Hadoop distributed file system,HDFS）上的海量视频部署到若干计算节点上,依据分形特征实现镜头快速分割。提取样本关键帧的颜色、纹理和分形特征向量,进行元学习策略训练,进而形成视觉词典。根据视觉词典对检测视频内容进行分析,产生一系列能表征视频内容的视觉单词。根据重要程度,通过马尔科夫链按重要程度对视频的视觉单词进行排序,并将排列结果作为该视频的标注。最后,从检测正确率、平均运行时间和扩展效能方面与传统分布式计算模型进行了对比。     

基于时空模型的快速视频显著区域检测

传统的视频显著区域检测方法运算量大且难以处理包含复杂运动的视频,本文提出一种基于时空模型的快速显著区域检测方法.该方法用一种新的模糊聚类算法对特征点的运动轨迹进行无监督聚类,对不同运动类型进行分类.在复杂运动情况下,该算法通过计算优化的聚类中心的个数以获得运动类型数,再将异常数据剔除后,生成运动显著图.而在空间显著区检测方面,则利用反差模型以及Gabor滤波器获得图像的静态显著图.在此基础上,还提出一种基于运动优先思想的时空混合方法,将运动和空间显著图动态合成视觉显著图.实验证明,该方法能够有效地提取视频显著区域,与传统的方法相比该方法平均耗时更少且更方便.     

螺栓预紧过程的有限元仿真研究

预紧过程直接关系到螺栓结构的强度计算和松动分析,但是螺栓的预紧过程是一个复杂的非线性问题,目前对于预紧后螺栓的受力状态、接触状态以及不同加载方法的差异等方面的认识尚不完善.本文建立了精细的螺栓六面体网格模型,对转角法和预紧单元法两种不同加载方法进行了仿真研究.基于转角法研究了扭矩、转角、预紧力之间的关系,为一些特殊螺纹...     

基于联合检测-描述的火星表面特征提取方法

针对火星着陆光学导航过程中,传统的图像特征点提取算法在相机角度变化、光照条件变化等情况下,序列图像间的特征点提取与匹配鲁棒性差的问题,提出了基于卷积神经网络的联合检测-描述特征提取方法。首先,通过Blender获取模拟火星着陆过程的视频,使用稀疏重建方法,对模拟视频的图像和火星真实图像进行三维重建,建立了神经网络可用的训练数据集。然后搭建了卷积神经网络以处理图像数据,通过改进损失函数,联合特征描述符和特征检测器双重作用,获得了更准确的匹配结果。仿真结果表明,该方法在处理多视角、光照条件多变的火星表面图像方面,具有更好的特征提取结果,并在匹配测试阶段具备优于传统算法的性能。     

基于改进Faster-RCNN的机场场面小目标物体检测算法

针对目前应用于机场视频监控中的卷积神经网络方法存在小目标物体识别准确率较低的问题,本文提出了一种基于Faster-RCNN并结合多尺度特征融合与在线难例挖掘的机场场面小目标检测算法。该算法采用ResNet-101作为特征提取网络,并在该网络基础上建立了一个带有上采样的"自顶向下"的特征融合模块,以生成语义信息更加丰富的高分辨率特征图。并在网络训练过程中,采用在线难例挖掘的训练策略使模型更加鲁棒地对小目标样本进行定位。最后,手工构建了一个包含5 982张图片的机场数据集,用于检测模型的训练和测试。结果表明,本文所提出算法显著提升了机场场面小目标物体检测的准确率,且使整体平均检测准确率达到了80.8%,该结果高于其他先进的目标检测模型。     

螺栓根部裂纹的弱磁检测技术研究

传统无损检测方法很难解决火电厂高温螺栓根部裂纹的在役检测问题。本文应用弱磁检测技术采用中孔穿过法对火电厂高温螺栓根部的预制人工裂纹进行检测,计算检测磁信号梯度值,并运用概率统计中3σ法判断裂纹缺陷。结果表明:对于内外径差值达34 mm的高温螺栓,高精度测磁传感器对其根部裂纹有较好的检测效果,验证了弱磁检测技术在高温螺栓根部裂纹在役检测中的可行性。     

基于深度卷积网络的海洋涡旋检测模型

传统的利用遥感数据检测涡旋的方法通常是基于物理参数、几何特征、手工特征或专家知识。本文重点研究了基于深度学习技术从海表面高度图中识别海洋涡旋的方法。针对海洋卫星拍摄的海洋表面高度图中的涡旋检测问题,提出了一种基于卷积神经网络的多涡旋检测模型,该模型能够准确提取涡旋的特征信息,拟合语义信息与海面高度之间的关系。同时,在用于涡旋检测的最新公开数据集SCSE-Eddy上进行模型训练,以评估基于人工智能的涡旋检测方法性能,该数据集涵盖了15年来位于中国南海及其东部部分海域的每日卫星遥感海表面高度数据。实验结果表明,与现有的方法相比,本文模型取得了更好的检测结果,能够更好地区分相距较近的涡旋。     

监控视频中异常事件检测技术研究进展

异常事件检测技术是当前智能监控技术研究领域关注的一个热点,作为计算机视觉的重要研究内容,其主要目标是利用计算机自动检测出可被视为异常的事件。传统方法存在低层视频特征描述能力弱,异常检测方法计算代价大,对复杂场景建模时鲁棒性差等方面的限制。本文结合国内外的研究现状和目前的主流方法,介绍了监控视频中异常事件检测涉及的基本技术,分析了各类监控视频特征提取方法、特征学习模型和异常检测方法的优缺点,整理归纳了可用于监控视频中异常事件检测的常用实验数据集,最后讨论了监控视频中异常事件检测技术的难点、挑战及未来发展趋势。     

面向快速原型制造的海量数据模型重建(英文)

根据已有实物的测量数据进行模型重建 ,在机械产品逆向建模、计算机视觉、基于二维轮廓数据的生物外形重建等领域中具有重要应用价值。随着坐标测量设备的发展 ,获取包含被测物体更多细节的海量数据已非常方便 ,但大量的测量点却给模型重建带来了困难。本文首先提出了精度可控的海量数据自动简化算法。为了提高算法的效率 ,文中提出了一个数据集空间划分策略。根据简化后的数据集 ,应用步进立方体方法重建模型的三角网格曲面表示。由于种种原因 ,重建的三角网格模型常常含有不希望有的孔洞。为此 ,本文给出了一个算法产生形状优化的三角片以修补网格模型中的孔洞。经过孔洞修补 ,完全封闭的三角网格模型可以直接输出为快速原型制造中广泛应用的 STL文件。应用实例说明了本文的方法的可行性     

基于PoolNet显著性和SURF-VIBE模型的林火视频烟雾提取算法

烟雾的实时视频探测可用于早期森林火灾的预警,然而,由于烟雾具有飘动、扩散、闪烁等特性,通过实时视频提取烟雾区域具有极大挑战。本文根据人眼视觉注意力机制,将阴燃烟雾看作视频中湍流和灰色显著的区域,提出了一种基于显著性检测和SURF-VIBE模型的疑似烟雾区域提取算法。首先采用一种基于PoolNet的显著性检测方法获得烟雾显著性图谱,通过VIBE运动检测算法获得视频中运动前景,并使用SURF特征匹配算法消除相机抖动等对运动前景带来的干扰,再由计算出的运动前景构造运动能量函数,对显著性谱进行估计,最终提取出疑似烟雾区域。实验验证结果表明:该算法检测准确率为91.3%,每帧检测速度为0.028 s,可用于实时视频烟雾探测。     

基于灰色-神经网络联合模型的大型冷却塔风效应预测

基于灰色GM(1,1)模型和BP人工神经网络,建立灰色-神经网络联合的大型冷却塔平均位移和风振系数预测模型。该联合模型增强了预测结果的自适应性和准确性,能解决因气弹模型试验中测点样本数目太少而无法直接建立神经网络预测模型的局限。通过某大型冷却塔气弹模型风洞试验结果的算例分析,表明该组合模型对于平均位移和风振系数的预测结果均与试验结果吻合良好,随后基于已训练的模型给出结构风振反应精细化分析所需的输入参数预测结果。这为冷却塔结构风效应的精细化研究提供了一个新的有效方法。     

基于视频的行人再识别

行人再识别是指在无交叉区域的多摄像机视频监控系统中,匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法,用HOG3D来描述一组视频的时空特征,在训练集上用预训练的DenseNet来微调模型参数,利用迁移学习得到的模型来提取视频中行人的表观特征,融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维,并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用,实验结果表明本文的方法取得了较高的累积匹配得分。     

基于多噪声数据训练CNN的自动倾斜器滚动轴承故障诊断

针对传统卷积神经网络(Convolutional Neural Network,CNN)在直升机自动倾斜器滚动轴承噪声环境下诊断效果不佳的问题,提出一种基于多噪声数据训练CNN的自动倾斜器滚动轴承故障诊断方法。该方法首先在原始振动信号中随机添加不同大小的高斯白噪声,然后利用小波变换方法构造不同噪声下的时频图,最后利用CNN对不同噪声下的时频图进行故障分类。利用课题组和美国凯斯西储大学的公开轴承数据集开展真实诊断实验,结果表明,与传统CNN相比,极大地提高了在噪声环境下的故障识别率。     

基于压电阻抗技术和BP网络的结构健康监测

以装有多个螺栓和多片压电元件(PZT)的铝梁为实验对象,研究激励频率对PZT导纳值的影响以及PZT传感器感知较近螺栓松动与较远螺栓松动的灵敏性.构建BP网络,以各个螺栓分别松动时所测得的所有压电元件的导纳值作为网络的模式样本,输入到神经网络进行训练.实验结果表明:PZT传感器的导纳谱能灵敏地反映结构状态的微小变化;且离松动螺栓近的PZT导纳谱的变化远大于离松动螺栓远的PZT的导纳谱的变化;对于同一PZT传感器,激励频率不同,其阻抗变化量不同;选取PZT阻抗值变化明显的频率点来构成神经网络输入向量,训练后的BP神经网络能够快速并精确地判断出松动的螺栓位置.     

基于曲率的指尖检测方法

指尖检测是基于视觉的徒手人机交互系统的关键环节,由于背景的复杂性和系统的实时性要求,导致指尖的精确定位在处理速度和准确性方面存在很大问题。本文针对这一问题,提出了一种简单高效的基于曲率的指尖检测方法。该方法首先将输入视频流基于肤色空间进行二值化,并将二值化后的视频序列作为输入数据;然后采用边缘检测算法提取出肤色区域的边缘(肤色区域的轮廓),在肤色区域的轮廓上根据曲率来对类指尖的点进行检测,并且根据类指尖点的位置关系来判定一个肤色区域是不是手;最后通过过滤算法过滤掉误判手臂点。实验结果表明,该方法在不同的应用背景下都具有很好的检测效果,对光照的鲁棒性也较高,并且能够达到实时检测的效果。     

一种基于压缩传感和改进机场残差网络的信号调制模式识别方法（英文）

随着机场航站无线电设备数量的增加,迅速准确地识别通信信号的模式尤为重要。本文提出了一种基于压缩感知和改进残差网络的信号调制模式识别方法。首先,在信号预处理过程中引入了压缩感测方法,以丢弃采样信号的冗余分量,压缩后的测量信号作为网络的输入;然后,基于缩放的指数线性单位激活函数构造残差单元和残差网络,以解决训练时间长和样本相似特性难以区分的问题;最后,将全局残差引入训练网络以保证网络的收敛性。仿真结果表明,与前端的深度学习方法相比,该方法具有更高的识别效率和准确性。     

基于时频图和CNN的滚动轴承故障诊断

针对传统轴承故障诊断方法泛化能力差,提出了一种基于时频图和卷积神经网络(CNN)的滚动轴承故障诊断方法。首先,对振动信号进行短时傅里叶变换,构造时频图;然后,将训练信号的时频图作为卷积神经网络的输入,训练网络模型;最后,将测试信号的时频图输入网络模型,实现对滚动轴承的故障状态识别。通过美国凯斯西储大学的开放数据集进行多组验证实验,结果表明该方法能够有效的判断轴承是否存在故障,并且能够识别故障类型,准确率可以达到97.63%以上。     

基于深度学习的先进陶瓷零件实时缺陷检测系统

传统先进陶瓷零件检测与分类的主流方法为纯机械尺寸过滤和人工判断,为解决其成本高、失误率高和损坏率高等问题,提出了基于深度学习的多目标实时检测分类模型（Multi-object real-time detection and classification model, MRDC）。该模型以YOLOv3为基础,使用SKNet作为注意力机制进行特征重构提高精确度,配合灰度图快速转化算法与跳帧检测方法提高检测速度,可实现实时缺陷检测。对实际生产中的先进陶瓷零件进行采集训练,多批次采集图像数据,每批数据含多个陶瓷零件的1 000张图像,平均精确率均值达到99.19％,用先进陶瓷零件生产线视频检验,识别分类的正确率达到100％,可以保证每分钟检测450~550个零件。多目标实时检测分类模型拥有识别速度更快、识别准确率更高和零件不易损坏等优点,可极大地节约生产原料与人力成本,减少废品产出。     

基于光流法和模糊控制的扑翼飞行器避障研究

扑翼飞行器是一种仿生机器人,其翅膀可以像鸟和昆虫的翅膀一样上下扑动.本文提出了一种基于视觉的扑翼飞行器避障方法.首先,使用稠密光流算法计算机载图像传输摄像机拍摄的第一视角视频帧的光流场.基于所获取光流信息作为输入量,设计模糊避障控制器来给出扑翼飞行器的导航指令.实验结果表明,本文所提出的避障方法能够准确识别障碍物,实现...