SA-FRCNN:一种改进的机场停机坪目标检测方法

机坪场景下包含丰富的空间位置关系上下文信息.传统目标检测器往往只关注单一的视觉外观而忽略上下文信息;此外机坪数据集中部分类别识别准确率较低.针对上述问题,提出一种改进的机场停机坪目标检测方法,称为SA-FRCNN.该方法利用图卷积网络来捕获机坪场景下目标间的相对空间关系,将空间位置关系上下文融入模型生成空间感知特征;在...     

CABAC算术编码器硬件优化实现

为了解决上下文自适应二进制算术编码器(CABAC,Context-based Adaptive Binary Arithmetic Coder)硬件实现吞吐率难以提高的问题,提出了基于数据流动态特性的电路优化方法.通过建立算法的数据流模型,提取出限制硬件实现性能的数据流反馈环路.针对上下文环路,采用3条迭代周期不同的子环路更新具有不同依赖周期的上下文变量,提高了时钟频率和吞吐率;对于字节打包环路,通过提取一类可简化电路结构的数据元素,并为之构建快速旁路,增加了环路的处理速度.基于上述方法并辅以基本的电路优化手段,设计实现在现场可编程门阵列(FPGA,Field-Programmable Gate Array)平台上频率可达309MHz,并且每个时钟周期处理一个编码符号.     

一种融合卡尔曼滤波的改进时空上下文跟踪算法

针对时空上下文跟踪算法对快速运动和遭受严重遮挡目标的跟踪精度下降问题,提出一种融合卡尔曼滤波的改进时空上下文跟踪算法。首先人工标记目标所在的矩形区域,然后利用改进的时空上下文算法对目标进行稳定跟踪,在跟踪过程中,基于连续两帧图像灰度的欧氏距离判定目标跟踪状态,当判定目标遭受严重遮挡时,利用卡尔曼滤波进行预测估计。算法对噪声有一定的容忍度,通过降低噪声对跟踪过程的影响,能够得到更优的目标区域。仿真实验结果表明:本文算法适用于不同光照强度下高速、高机动目标的稳定跟踪,并且对目标的尺度变化和短时严重遮挡具有鲁棒性。算法帧平均耗时为34.07ms;帧几何中心平均误差为5.43pixel,比时空上下文算法减少70.2%;目标轮廓面积平均误差为13.08%,比时空上下文算法减少52.7%。     

基于上下文感知的智能健康监护系统研究

随着我国老龄化和空巢老人的日益增多,老人的健康监护问题已成为新的研究热点。传统的健康监护系统仅采集到零散数据,不能根据老人所处环境、身体特点进行有效的健康监护。基于上下文感知的健康监护系统可以整合与用户健康相关的各种信息,从而提供更有效的服务。     

创建基于MTS的商务组件

简要介绍了Com 的概念以及其在Windows2000分布式环境中的重要性。阐述作为一种分布式技术，COM 是如何实现跨数据库事务的。解释了微软服务器端组件MTS以及涉及的永久上下文技术。     

基于Windows的OpenGL应用程序的开发技术

探讨在Windows基础上OpenGL的工作原理,分析OpenGL的绘图方式与Windows的一般的绘图方式不同之处,以及如何利用OpenGL开发研究三维可视化仿真系统。     

环绕智能系统架构设计及身份感知Agent实现

介绍了环绕智能(AmI, Ambient Intelligence)的概念,分析了AmI系统中上下文感知数据流,提出了基于多Agent系统(MAS, Multi-Agent System)的AmI系统架构.详细介绍了在此架构基础上设计实现的具有上下文感知的AmI实验系统-AmI-Space,并对其中的用户感知Agent进行了描述.实验证明,基于MAS的AmI系统架构满足了AmI系统中计算单元的模块化、分散化、可变性和复杂性要求;同时AmI-Space中的用户感知Agent结合了蓝牙Ad hoc网和以太网的优点,实现了一种无需用户配合的身份感知机制,是一种自然的、主动的交互方式.      

上下文无关文法测试充分性

讨论了文法测试的基本概念,分析了文法测试的特点、应用场景及其与一般软件测试的异同.形式化地定义了上下文无关文法的测试充分性准则,提出了一个上下文无关文法的测试充分性准则族.分析了该准则族中各准则之间的包含关系,以及这种包含关系与揭示文法所特有的2类缺陷的能力之间的关系. 计算和比较了准则族中各准则的测试集规模复杂性.为了评价文法的测试开销,定义了一个上下文无关文法的测试复杂性度量,该度量能够从测试充分性的角度反映测试一个文法的难易程度和测试开销的大小.      

基于上下文感知和用户组的访问控制模型

传统的基于角色的访问控制(RBAC,Role Based Access Control)主要依靠对主题赋予相应的角色来实现对资源的保护,在权限控制时没有考虑执行的上下文环境,也没有考虑在系统中的用户是如何组织和管理的.为了适应应用环境的动态要求,并且方便用户的管理,提出了基于上下文感知和用户组的访问控制(RGBACC,Role and Group Based Access Control with Context)模型,RGBACC将上下文感知和用户组管理加入到RBAC模型中,从应用环境中获取与安全相关的上下文信息来动态地改变用户的权限,并且可以对具有统一职能的用户进行统一管理,同时还保留了传统RBAC模型的优点.      

时空域上下文学习的视频多帧质量增强方法

卷积神经网络（CNN）在视频增强方向取得了巨大的成功。现有的视频增强方法主要在空域探索图像内像素的相关性,忽略了连续帧之间的时域相似性。针对上述问题,提出一种基于时空域上下文学习的多帧质量增强方法（STMVE）,即利用当前帧以及相邻多帧图像共同增强当前帧的质量。首先根据时域多帧图像直接预测得到当前帧的预测帧,然后利用预测帧对当前帧进行增强。其中,预测帧通过自适应可分离的卷积神经网络（ASCNN）得到;在后续增强中,设计了一种多帧卷积神经网络（MFCNN）,利用早期融合架构来挖掘当前帧及其预测帧的时空域相关性,最终得到增强的当前帧。实验结果表明,所提出的STMVE方法在量化参数值37、32、27、22上,相对于H.265/HEVC,分别获得0.47、0.43、0.38、0.28 dB的性能增益;与多帧质量增强（MFQE）方法相比,平均获得0.17 dB的增益。