武玉伟
- 作品数：8 被引量：15H指数：2
- 供职机构：北京理工大学计算机学院智能信息技术北京市重点实验室更多>>
- 发文基金：北京市自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 上下文建模与推理的视频异常事件检测
- 2024年
- 视频异常事件检测旨在从视频中自动地检测出不符合正常事件规律的视频事件.视频中许多正常和异常的事件是由目标与场景或其它目标交互而产生的,即它们是以目标为中心且高度上下文相关的.如何从底层的视频特征中提取事件高层语义上下文信息,并根据上下文信息进行视频异常事件检测仍是一个开放的难题.为此,本文提出了一种新的上下文建模与推理的视频异常事件检测方法.本文方法通过建立视频的上下文图,自动地推理事件相关的语义上下文信息,以缩小底层视觉特征与异常事件高层语义之间的差距,实现异常事件检测.具体来说,首先使用了预训练的目标检测网络,提取目标初始的表观特征、目标之间的时空关系特征和场景特征;其次设计了一个上下文图推理模块,通过建模时空上下文图,将提取到的特征显式地建模为三类语义上下文,包括事件目标的个体行为、不同目标之间的时空关系以及目标与场景之间的交互,其中图的节点表示目标/场景,图的边表示时空关系;最后构建了一个异常预测模块,根据推理到的语义上下文信息进行异常事件检测.本文的上下文图推理模块基于平均场理论,通过使用多个带有消息传递模块的循环神经网络,迭代更新图的节点和边的状态,目的是从底层的视觉特征中推理得到高层的语义上下文.本文的异常预测模块包括注意力池化网络层和全连接网络层,通过输入语义上下文信息,计算视频帧的异常分数,从而正确地进行异常事件检测.实验中,设计了一个自训练策略,分别使用了无监督、半监督、弱监督和监督四种训练策略,以端到端的方式训练时空上下文图推理模块和异常预测模块.本文方法在四个公开的数据集上进行了实验,包括三个半监督的数据集Subway (Entrance/Exit)、Avenue和ShanghaiTech,以及一个监督的数据集UCF-Crime.与�
- 孙澈武玉伟贾云得
- 关键词：异常事件检测
- 一种智能交通监控系统中的高分辨率视频车辆检测方法
- 本发明属于智能交通和视频监控技术领域，涉及一种基于高分辨率视频的车辆检测方法。本发明结合智能交通系统的实际应用情况，将视频车辆检测问题视为车头（或车尾）区域的检测问题，为便于描述以车头区域为例；首先在高分辨率监控视频中设...
- 杨敏裴明涛武玉伟王永杰贾云得
- 文献传递
- 一种智能交通监控系统中的高分辨率视频车辆检测方法
- 一种智能交通监控系统中的高分辨率视频车辆检测方法。本发明属于智能交通和视频监控技术领域，涉及一种基于高分辨率视频的车辆检测方法。本发明结合智能交通系统的实际应用情况，将视频车辆检测问题视为车头（或车尾）区域的检测问题，为...
- 杨敏裴明涛武玉伟王永杰贾云得
- 文献传递
- 一种基于运动目标检测的视觉车辆跟踪方法被引量：8
- 2014年
- 针对复杂交通场景中动态光照变化、阴影和遮挡等因素带来的影响,提出了一种基于运动目标检测的高效、鲁棒的车辆跟踪方法.采用自适应背景建模获取动态场景中的运动信息,通过阴影去除获得准确的运动区域,并针对场景中的遮挡问题提出了相应的遮挡检测与处理策略,最后通过区域匹配获得跟踪结果,同时使用Kalman滤波器建立车辆的运动模型,对跟踪结果进行了约束和优化.实验结果表明,提出的视觉车辆跟踪方法可以在复杂多变的室外场景下有效地解决场景中的阴影和遮挡问题,得到鲁棒的车辆跟踪结果.
- 杨敏裴明涛王永杰董震武玉伟
- 关键词：车辆跟踪智能交通遮挡处理
- 一种基于广义梯度矢量流Snake模型的心脏MR图像分割方法被引量：7
- 2010年
- 提出了一种基于广义梯度矢量流Snake模型的心脏核磁共振图像左心室内、外膜分割方法。首先构造了一种基于目标边缘的方向广义梯度矢量流(edge-based directional generalized gradient vector flow,EDGGVF)Snake模型,该模型在传统GGVF的基础上,结合目标边缘图梯度方向信息,将左心室内、外膜区分为正边缘和负边缘,从而实现左心室内外膜的全自动分割。其次,根据左心室近似为圆形的形状特点,引入了圆形能量约束,有利于克服由于图像灰度不均、乳突肌等引起的局部极小。实验结果表明,该方法可以高效准确地自动分割出左心室内、外膜。
- 武玉伟梁佳王元全
- 关键词：梯度矢量流SNAKE模型图像分割左心室
- 基于梯度矢量流Snake模型的心脏核磁共振图像分割方法
- 武玉伟
- 关键词：主动轮廓模型梯度矢量流图像分割
- 混合曲率空间中的几何自适应元学习方法
- 2024年
- 元学习通过学习先验知识,能帮助模型快速适应新任务.在适应新任务的过程中,空间几何结构与数据几何结构的匹配程度对模型泛化起着重要作用.现实世界数据具有多样的非欧几何结构,例如自然语言具有非欧层级结构,人脸图像具有非欧环状结构等.已有研究表明,真实数据的非欧结构同黎曼流形的几何结构相匹配,从理论上提供了利用黎曼流形来建模数据的可行性.本文提出了混合曲率空间(mixed-curvature space)中的几何自适应元学习方法,利用多个混合曲率空间来表示数据,并生成与数据非欧结构相匹配的黎曼几何.本文构建了多混合曲率神经网络,将混合曲率空间的几何结构表示为曲率空间的曲率、数量和维度,由此通过梯度下降过程实现对数据非欧结构的几何自适应.本文进一步引入几何初始化生成策略和几何更新策略,通过少数几步迭代,空间几何结构即可快速匹配数据非欧结构,加速了梯度下降过程.本文在小样本分类和小样本回归等任务上进行了实验验证.与欧氏空间的元学习方法相比,本文方法在小样本分类任务上取得了约3%的准确率提升,在小样本回归任务上将均方误差减少了一半,验证了本文方法的有效性.
- 高志武玉伟贾云得
- 关键词：元学习黎曼流形
- 视觉目标跟踪中的表观建模研究
- 视觉目标跟踪（Visual Object Tracking）是计算机视觉和模式识别领域的热点问题,它在视频监控、智能交通、人机交互、行为分析、医学图像处理等领域有着广泛的应用。视觉目标跟踪算法主要分为目标初始化、表观建模...
- 武玉伟
- 关键词：目标跟踪半监督学习黎曼流形
