国家自然科学基金(61273237) 作品数:15 被引量:51 H指数:5 相关作者: 张旭东 吴克伟 胡良梅 谢昭 张仁斌 更多>> 相关机构: 合肥工业大学 更多>> 发文基金: 国家自然科学基金 安徽省自然科学基金 更多>> 相关领域: 自动化与计算机技术 更多>>
Android系统权限提升攻击检测技术 被引量:1 2017年 权限机制是Android安全机制的核心,在对权限提升攻击原理分析的基础上,给出了一种权限提升攻击检测方案。充分利用组件间权限传递、通信连接的特点,从动态和静态两方面实现,其中基于缺陷的检测率高达78.7%,基于组件检测率也超过50%。实验结果表明:该方法能实现对提权攻击的有效检测,为解决提权攻击检测模型的可靠性问题提供了可行的解决途径。 王聪 张仁斌 李钢关键词:权限提升 融合颜色信息与深度信息的运动目标检测方法 被引量:7 2014年 基于颜色信息的运动目标检测易受光照、阴影等影响,基于深度信息的运动目标检测存在目标边缘噪声大,无法检测距离背景较近的目标等问题。针对上述问题,该文利用CCD相机获取的颜色信息及TOF相机获取的深度信息分别为每个像素建立颜色与深度信息的分类器,根据像素点的深度特征及前一帧的检测结果,自适应地为每个分类器的输出分配不同的权值,实现运动目标的检测。该文采集多组视频序列进行实验,实验结果表明该方法能有效解决单独利用颜色或深度信息进行运动目标检测时出现的问题。 胡良梅 段琳琳 张旭东 杨静关键词:运动目标检测 深度信息 颜色信息 基于降采样归一化割的多尺度分层分割方法研究 被引量:1 2015年 图像分割作为计算机视觉的中层任务,常建立在目标轮廓特征的基础上,但是局部轮廓检测器的结果难以保证其产生封闭轮廓。为获得完整的分割区域,归一化割方法提供一种将局部轮廓结果转化为图像分割结果的处理途径。传统的归一化割方法由于长特征向量的聚类导致计算耗时长、内存占用多。在轮廓特征的基础上,考虑轮廓的全局推断,提出一种归一化割的改进方法——降采样归一化割,以减少图像分割过程中的计算耗时。通过多尺度空间下的层级校准,准确定位多个尺度下的区域边界进行区域合并,从而得到更准确的多层分割图。 童昊浩 吴克伟基于视觉概率统计的无监督数字抠图模型 2015年 针对无监督抠图因视觉信息较少而存在抠图结果视觉偏差较大的问题,提出一种基于视觉统计概率的无监督抠图模型。该方法根据视觉统计概率模型训练SVM分类器,得到区分背景区域与视觉显著度较高的前景目标区域的SIFT特征点,根据特征点生成结构合理的Trimap,并利用Trimap实现无监督抠图。实验结果表明,在无用户交互的情况下,该模型生成的α掩像无较大视觉偏差,对前景目标边缘及透明度做出良好估计并且具有较好的鲁棒性。 马陈 李钢 张仁斌 张慧君 秦亚军 谢昭关键词:自然图像抠图 跨阶段结构下的人体姿态估计 被引量:5 2019年 目的基于图像的人体姿态估计是计算机视觉领域中一个非常重要的研究课题,并广泛应用于人机交互、监控以及图像检索等方面。但是,由于人体视觉外观的多样性、遮挡和混杂背景等因素的影响,导致人体姿态估计问题一直是计算机视觉领域的难点和热点。本文主要关注于初始特征对关节点定位的作用,提出一种跨阶段卷积姿态机(CSCPM)。方法首先,采用VGG(visual geometry group)网络获得初步的图像初始特征,该初始特征既是图像关节点定位的基础,同时,也由于受到自遮挡和混杂背景的干扰难以学习。其次,在初始特征的基础上,构建多层模型学习不同尺度下的结构特征,同时为了解决深度学习中的梯度消失问题,在后续的各层特征中都串联该初始特征。最后,设计了多尺度关节点定位的联合损失,用于学习深度网络参数。结果本文实验在两大人体姿态数据集MPII(MPII human pose dataset)和LSP(leeds sport pose)上分别与近3年的人体姿态估计方法进行了定性与定量比较,在MPII数据集中,模型的总检测率为89.1%,相比于性能第2的模型高出了0.7%;在口戸数据集中,模型的总检测率为91.0%,相比于性能第2的模型高出了0.5%。结论实验结果表明,初始特征学习能够有效判断关节点的自遮挡和混杂背景干扰情况,引入跨阶段结构的CSCPM姿态估计模型能够胜出现有人体姿态估计模型。 杨兴明 周亚辉 张顺然 吴克伟 孙永宣一种基于D-S证据理论的融合RGB特征和Depth特征的3D目标识别方法 2016年 针对利用单一特征进行3D目标识别导致识别率低的问题,结合RGB图像和Depth图像的优势,提出一种结合支持向量机(SVM)和D-S证据理论的融合RGB特征和Depth特征的3D目标识别方法。该方法提取目标物体的RGB特征以及Depth特征,分别以这两类单特征的SVM的概率输出作为独立的证据,构造出基于每个证据的基本概率分配函数(BPA),利用D-S证据融合规则进行证据融合,并根据决策准则得到最终的3D目标识别结果。在Kinect相机得到的RGB-D数据集上进行实验验证,结果表明,该方法能够有效地实现对RGB特征和Depth特征的融合,提高了3D目标识别的识别准确性和可靠性。 杨慧 胡良梅 张旭东 陈仲海 董文菁关键词:目标识别 D-S 证据理论 KINECT 融合RGB特征和Depth特征的3D目标识别方法 被引量:11 2015年 针对目标类内差异、类间相似的识别问题,结合RGB图像和Depth图像各自的优势,提出一种基于多核学习的融合RGB特征和Depth特征的3D目标识别方法。该方法提取目标物体的RGB特征和Depth特征;并根据两种特征的类内、类间相似性均值和方差,为特征自适应的分配不同的权重;最后利用多核学习(MKL)的方法对特征进行加权融合,并结合SVM分类器,实现3D目标识别。最后通过在Kinect相机得到的RGB-D数据集上进行实验,验证了该文方法能够有效地实现对RGB特征和Depth特征的融合,很好的解决类内差异、类间相似的3D目标识别问题,提高了3D目标识别的识别率。 胡良梅 杨慧 张旭东 董文菁 陈仲海关键词:多核学习 自适应加权 基于采样汇集网络的场景深度估计 被引量:2 2020年 针对现有场景深度估计方法中,由于下采样操作引起的复杂物体边界定位不准确,而造成物体边界处的场景深度估计模糊的问题,受密集网络中特征汇集过程的启发,本文提出一种针对上;下采样过程的汇集网络模型.在下采样过程中,使用尺度特征汇集策略,兼顾不同尺寸物体的估计;在上采样过程中,使用上采样反卷积恢复图像分辨率;同时,引入采样跨层汇集策略,提供下采样过程中保存的物体边界的有效定位信息.本文提出的采样汇集网络(Sampling aggregate network,SAN)中使用的尺度特征汇集和采样跨层汇集,都可以有效缩短特征图到输出损失之间的路径,从而有利于避免模型的参数优化时陷入局部最优解.在公认场景深度估计NYU-Depth-v2数据集上的实验说明,本文方法能够有效改善复杂物体边界等干扰情况下的场景深度估计效果,并在深度估计误差和准确性上,优于当前场景深度估计的主流方法. 谢昭 马海龙 吴克伟 高扬 孙永宣双流网络构架行为识别隐含层模型仿真 2019年 复杂场景中特征的有效提取一直是行为识别的难点,动作和行为的精确表达也是影响识别结果的重要因素。针对当前行为识别模型只能选择单一特征进行行为识别,对动作和行为的表达有误,导致识别精确度、召回率低、识别速度慢等问题,提出双层网络架构和隐含层相融合的行为识别模型。采用CNN和RNN构建双流网络架构,用于抽取视频动作片段的外观特征和时间特征,同时在双流网络架构中添加一个隐含层,以便更有效地对特征进行描述。依据求和的形式融合运动特征和外观特征,构建运动行为组合特征,将运动行为组合特征输入到支持向量机分类器中来完成行为识别,在UCF101、UCF50数据集上进行行为识别实验。实验结果表明,所提模型有效提高了行为识别率和召回率,识别速度也优于对比模型。 刘松泉 胡军关键词:支持向量机 液晶显示器斑痕缺陷高质量背景建模 被引量:1 2016年 针对目前液晶显示器斑痕(LCD-Mura)缺陷背景抑制检测中重建的背景存在引入性噪声干扰和目标缺损的问题,提出一种基于奇异值分解(SVD)和最大熵的缺陷图像背景建模方法:通过SVD图像像素矩阵,求得奇异值序列;借助矩阵范式推导出图像分量与奇异值的对应关系,进而以图像各分量奇异值所占比率计算各分量的熵值,以此利用最大熵确定重建背景的有效奇异值;再由矩阵重构得到背景,并进一步提出关于背景重建效果评价的一般方法。相比双三次B样条曲线拟合方法,该方法将区域Mura的对比度最少提升0.59倍,提升线Mura对比度最多达到7.71倍;相比离散余弦变换(DCT)方法,该方法将点Mura的噪声最少降低33.8%,将线Mura噪声降低76.76%。仿真结果表明,该模型具有低噪、低损和高亮的优点,能够更为准确地构建出缺陷图像的背景信息。 谢瑞 李钢 张仁斌关键词:奇异值分解 最大熵