主观评价在发现地区二进制数据匹配路径

文摘

在本文中,我们展示信号模式系统的框图。接收输入数据后,系统计算出信号图。这一步包括选择一组特性根据他们的反应程度和使用模拟退火找到二进制数据路径。一群然后用于检测信号

关键字

图像分类、数据库、特征提取和生成MPEG7,模式识别

介绍

它成功地找到一个,报告发现地区。如果失败了,“信号图匹配”集团将接管过程和信号图匹配二进制数据的基础上,参考信号图。它显示了一些视频数据集的背景。左上角的图片显示的是视频数据的模板,作品和一个信号被发现的地方。另一个图像显示旋转信号和二进制数据的模式结果组仅基于单一模板数据信号后手动禁用(1- - - - - -4]。可以看到,在二进制数据匹配,系统仍然可以检测到信号,而大范围的旋转。通过主观评价,我们估计一个额附近信号模板可以绕任意轴旋转的封面,而良好的二进制数据匹配的结果。这是一个重大的改进,原始信号检测器。图片左上角显示的信号作为模板,其他的图像显示出白色块跟踪信号图。更好的说明的匹配区域扩大。矩形之间的不规则的曲线显示了二进制数据匹配路径。上面的信号模式方案可以很容易地扩展到连续的模式系统。模式系统的框图。我们的信号模式系统(框图4]。关键的区别是,现在可以更新参考信号图在线为了不断旋转信号的特性。信号模式的结果。白色矩形覆盖信号选择的可变形信号图。向右,二进制数据信号图。

方法和材料

我们显示的信号模式运行的结果扩展系统相同的序列。为了比较,曲线与直线,星星表示新的结果。模式结果的模式系统。线显示结果从旧方案,恒星的结果显示我们的模式系统。纵轴是模式的系统。我们把价值范围内由于的原因我们没有确切的标准在二进制数据搜索匹配的正确性。因此匹配结果可以解释为概率匹配的区域对应一个信号。横轴表示数据数量。它显示了模式系统在两个数据集的结果。这两个数据集都是相同的。 It could be seen in our system the second data is matched quite well. if the signal detect group finds a signal, the pattern rate is still equal to, if not, a binary data group will always find a match.图1说明了数据嵌入头信号分类。匹配的准确性将根据匹配结果之间的相对距离和模板的反应。在我们的实验中我们选择检测率阈值为0.12的主观评价这样的速度与真实信号区域。完全,739的960数据集正确报告信号区域,平均只有23%不正确报道,由于太大旋转和闭塞。它可以看到附加的二进制数据组,信号模式的可靠性大大提高信号组相比只使用信号模式。

结果与讨论

首先是成本函数的问题,我们使用一个指数函数的匹配分数。从图中可以看到,它是构成变化不太敏感。使用一个阈值也可以是一个问题在一些视频的一部分。结果也表明做初始化的可能性,从最新的特征信号。虽然在这项研究中我们没有执行初始化。结合我们的实验表明,基于haar-feature对象的探测器与图像数据组可能会导致快速和可靠的对象模式和模式。这个方案是用于初始化的过程如果模式系统失败。尽管它只申请一个特殊的对象,人类的信号。我们相信我们的方案适用于更一般的情况下,大多数对象模式和模式等问题。在基于模型的编码系统中,初始化任务的重要性不能被低估。 The initialization problem has to be solved if we want to have a complete model based coding system. Although an automatic initialization scheme for a model based coding system is important, there are no feasible solutions yet. In this thesis, we propose a new strategy to treat the initialization problem in Model Based Coding. The key idea is to separate the initialization process into two stages, the offline work and the application stage. The offline work could happen only once, and includes manual works.

应用程序阶段负责个人模型的自动拟合到视频信号地区。该策略的主要优势是用户的知识被添加到系统离线在真实的应用程序的初始化过程是自动完成的。在综合分析系统中,递归搜索过程可以由硬件速度足够高时图形硬件。模式或初始化的目的,个人面部特征是更好的选择比语义特征点在mpeg - 4中定义。因为他们在长期稳定,个人特征点很容易检测或特性。我们演示了使用特定于用户的优点,个人特征点为初始化的目的。Haar-like特性可能是一个很好的方式来表示一个信号对象。这建议像特性可用于信号模式和信号模式。系统初始化时从模式开始失去功能比从最初的地方容易原始执行初始化任务。

结论

在本文中,我们使用硬件信号模式的目的,与类似的原则个人面部特征用于信号模式。尝试失去约束,附近的信号,信号模式的任务。图像数据是用来匹配融合在一个离散参数空间。可能的改进是在连续做匹配的参数空间。这可以通过使用隐马尔可夫模型进行匹配。

引用

1. Sedghi T。”,一个快速和有效的循环模型分析及其在分类中的应用”阿拉伯日报》对科学和工程卷。38 2012年10月。
2. Sumedha Kshirsagar、Stephane Garchery Nadia-Magnenat Thalmann”,基于特征点的网格变形应用mpeg - 4人脸动画,“可变形的化身,24到34 Kluwer学术出版社,2011,pp。
3. t . Broida、美国Chandrashekhar和r . Chellapa“递归3 d运动估计从单目图像序列”,IEEE航空航天和电子系统,26:639——656,2010。
4. t·毛雷尔和c v d。Malsburg。”特性和学习图形和图像序列的脸上,“第二届国际会议上自动的脸和手势识别,176 - 181页,2006年。