【摘 要】
：
关键帧提取是人体运动捕获数据分析与处理的重要研究内容,为此提出一种基于量子粒子群优化算法的运动捕获数据关键帧提取方法。量子粒子群优化算法具有较快的搜索能力,编码方式采用有序整数编码来保证搜索中运动序列的时序性。该方法既可以提取出确定数目的关键帧序列,也可以根据目标函数来提取关键帧序列。其中目标函数由重构误差和关键帧数目来定义,重构误差由原始运动与重构运动之间的平均帧间距离来度量。实验结果表明,该方
论文部分内容阅读
关键帧提取是人体运动捕获数据分析与处理的重要研究内容,为此提出一种基于量子粒子群优化算法的运动捕获数据关键帧提取方法。量子粒子群优化算法具有较快的搜索能力,编码方式采用有序整数编码来保证搜索中运动序列的时序性。该方法既可以提取出确定数目的关键帧序列,也可以根据目标函数来提取关键帧序列。其中目标函数由重构误差和关键帧数目来定义,重构误差由原始运动与重构运动之间的平均帧间距离来度量。实验结果表明,该方法能够有效地从运动捕获数据中提取出具有最优重建误差的关键帧序列,并具有较好的视觉效果。
其他文献
针对人体姿势估计算法部分节点效果差的问题,提出降低训练开销并增加用多视角深度图的后处理改进技术。首先生成一个规模减小而包含常见典型动作的训练集合,并用小型集群服务器训练后进行骨架节点的估计,之后对置信度不高的骨架节点,在深度图投影得到侧视图和顶视图中再次计算需修正的骨架节点的后处理方法以提高节点的准确度。实验表明,在使用样本数量少一个数量级的情况下能取得比微软原算法平均误差小9 mm的结果。
优化网络的拓扑结构是互连网络研究的重要研究方向。局部扭立方体(locally twisted cube,LTQn)是对超立方体(hypercube,Qn)互连网络的优化变种,然而当对LTQn升级时,需要成倍地增加网络的节点,这不利于LTQn的应用和发展。为了克服LTQn这一缺陷,提出了一种新的互连网络拓扑结构:局部扭立方体环互连网络(locally twisted cube-connected r
针对鲁棒稀疏编码(RSC)计算复杂度大的问题,利用协作表示适合于人脸识别的优点,提出了一种鲁棒协作表示(RCR)的人脸识别算法。首先,认为编码余项和编码系数是分别独立同分布的,RCR寻求稀疏编码问题的最大似然估计解;然后,利用迭代重加权协作表示算法来解决RCR模型;最后,对测试图像进行分类和识别。实验结果表明,与其他算法相比,RCR在大幅降低计算复杂度的同时保证了识别率。RCR是一种有效的人脸识别
针对小基高比立体匹配当中的亚像素级视差精度和匹配效率较低问题,提出一种基于变分原理的亚像素级立体匹配方法。该方法以规范互相关函数作为能量函数的数据项,并将图像驱动的平滑项和视差驱动的平滑项相结合作为能量函数的平滑项,然后通过变分原理获得能量函数的欧拉方程,最后通过连续过松弛法进行迭代求解获得亚像素级视差。实验结果表明,提出的亚像素级匹配方法不但可以获得较高精度的亚像素级视差,得到更为精确的高程信息
针对传统粒子群算法易早熟、精度低、后期收敛速度慢等问题,结合反向学习理论,提出了一种基于交叉因子的双向寻优粒子群优化算法(CBMPSO)。该算法使初始种群在搜索区域均匀分布,计算粒子及其反向粒子的适应值,取最优作为初始种群;迭代过程增加对全局最差粒子的跟踪,随机开启基于交叉因子的双向学习机制。对几种典型函数的测试结果表明,CBMPSO算法的寻优能力及收敛速度有了显著提高,并且能够有效避免早熟收敛问
针对刑侦图像数量大、质量差、管理难的特点,采用了一种基于模糊分类理论对刑侦视频图像的场景进行分类的方法。首先对监控视频图像的场景进行人工多标记分类,然后对刑侦视频图像提取两种纹理特征(局部二值模式和小波纹理)并进行融合,最后采用模糊K-最近邻(K-nearest neighbor,KNN)分类器实现刑侦图像四种场景(车辆、行人、建筑和街道)的分类并得到监控视频数据库中图像的模糊不确定性。实验结果表
考虑设备应急抢修的时限要求和整个应急抢修系统的服务质量要求,采用0-1整数规划模型描述了应急抢修点选址问题,并针对该问题设计了一种混合遗传算法。在算法中使用启发式算法对种群中的不可行解进行修复,以保持种群在可行域内搜索,并采用近邻搜索算法改善种群中的最佳个体。算例计算的结果表明,该算法求得的结果要优于基于罚函数的遗传算法和采用简单修复算法的遗传算法。
模幂乘运算是实现公钥密码体制的一个很重要的运算,其运算速度从整体上决定了公钥密码体制的实现效率。通过采用预处理技术,将椭圆曲线的定点标量乘的固定基窗口方法应用在模幂运算中,与SMM算法进行组合得到一种新的求模幂乘算法——固定基窗口方法。对算法的原理与效率进行了分析,实验结果表明,算法的运算速度得到了有效提高。
运用进化算法求解柔性车间调度问题时,编码的特殊性对进化策略造成的局限制约了算法的搜索能力。为此,提出一种基于浮点型编码策略的差分多目标优化算法。该算法采用基于工序权重的浮点数编码—解码机制,消除了排列组合型编码方式对进化操作带来的约束,运用差分进化策略生成新个体,以提高优秀个体产生的几率,进而保证算法有更好的收敛性。将算法与传统算法及其改进形式在相同测试用例上进行对比,结果表明,本算法在保证收敛性
针对点到线模型计算量大的问题,提出了一种小波域子矢量的点到线模型的快速算法,并给出了该算法在高光谱图像无损压缩中的方案。该方法通过在点到线模型阶段对矢量进行小波变换,然后选择低频分量,通过调整小波域的低频分量来调节原来的矢量。实验结果表明,在量化算法相同的情况下进行点到线的模型计算,该方法在保证没有增加额外索引开销的情况下,算法的计算量得到大幅降低,同时图像的恢复质量也得到提高。