JRRG的博客

在施工场景中，一些违规操作总是会造成潜在的安全事故等。目前的违规防范主要采用人盯人的方式，这种传统方式主观性强，还造成严重的人力资源浪费。得益于计算机视觉和人工自能的发展，目前正在探索基于人工智能的异常行为识别模型研究，希望研究成果能切实的应用于真实的场景，解放人力成本。说到行为识别模型，在深度学习之前，iDT是最为经典的一种方法，利用光流场获取视频序列的一些轨迹，再沿着轨迹去提取类似HoF和Ho...

多目标跟踪乃是违规行为识别的前提与基础，只有在视频流中抽取出每一个目标的数据后才能定性去分析该目标的行为，而在复杂场景下的多目标跟踪又是一个极具挑战性的问题。总的来说，多目标跟踪这个领域得益于近来目标检测的研究成果进而取得了快速发展。融合目标检测做跟踪，即tracking-by-detection，是一个非常流行的方法，即在每一帧中使用目标检测器得出检测目标，然后再匹配关联不同帧中的目标得到目标的...

最近，转到了施工场景下的行为识别领域。该应用领域在技术上可拆分为两部分：视频跟踪和行为识别。这一周密集调研了文献，发现着实是一个大坑。其中的视频跟踪最近的各頂会论文出现最多的是单目标跟踪，而我们要解决的确是多目标跟踪，最近出的较好的能实用性的是deepSort；真实的施工场景中摄像头的远近，拍摄的遮挡，工人服装的统一，重叠，违规动作幅度的大小等都是巨大的挑战；行为识别方面最近出的论文较多，能实用性...

前段时间接了视频质检的项目，采用了传统的图像处理方法检测视频的抖动和模糊，检测准确率在86%左右。目前针对收集的大量珍贵视频数据，采用了深度卷积网络的方法进一步提升了检测准确率。视频监控系统，体积小且工作稳定，不仅为生产带来方便，如在一些较为恶劣的环境下可以代替人力进行监视控制，能节省大量人力资源成本；而且不会产生视觉疲劳等生理缺陷，正常情况下保证生产安全，提供客观性指导。而视频监控技术在各类各...

传统的精度、召回率 和F1已广泛用于模式识别和信息检索领域。一定程度上，它在视觉分割、检测等领域中为一种通用的评价标准。对应的PrePrePre、RecRecRec 和F1-measure(FFF) 在视觉领域通常是基于像素级定义，如下：Pre=TP/(TP+FP)Rec=TP/(TP+FN)F=2∗Pre∗Recall/(Pre+Rec)\begin{array}{c}Pre = TP/...

最近经一朋友介绍揽下某油下面一个小项目，算是挣点外快。该项目主要是运用脉冲涡流检测原理实现对管道或其它铁磁材料等的缺陷检测，厚度测量等；而我要做的是根据海量的脉冲涡流信号数据和厚度标定数据建立/学习一个从信号到厚度的映射。大概花了两周时间：第一周调研脉冲涡流相关的资料和技术；第二周提想法并编码解决问题。截至今使用比较风靡的深度学习技术达到了不错的效果，后续会协助公司撰写/申请专利。脉冲涡流检测原...

交通信号灯的检测与识别是无人驾驶与辅助驾驶必不可少的一部分，其识别精度直接关乎智能驾驶的安全。一般而言，在实际的道路场景中采集的交通信号灯图像具有复杂的背景，且感兴趣的信号灯区域只占很少的一部分，如下图所示。针对这些难点，国内外的众多研究者提出了相应的解决方案。总的来说，大多基于传统的图像处理方法；但目前也有用强学习能力的卷积神经网络去进行识别，但这类方法往往需要大量的训练样本避免过拟合的风险。

条件随机场(Conditinal random field, CRF)是给定一组随机变量条件下另一组输出随机变量的条件概率分布模型，其特点是假设输出随机变量构成马尔科夫随机场。即输出变量之间存在成对马尔科夫性，局部马尔可夫性和全局马尔可夫性。成对马尔可夫性：假设u,vu,v为无向图GG中任意两个没有边连接的节点，那么在给定其它剩余节点的条件下随机变量Yu,YvY_u,Y_v是条件独立的。局部马尔可

在计算机视觉领域，混合动态纹理模型(Mixtures of Dynamic Textures, MDT)常用于视频帧序列建模。比如对帧序列的分割，局部或全局的异常事件检测。

基本信息：Dirichlet-based Histogram Feature Transform for Image Classification，作者：Takumi Kobayashi， National Institute of Advanced Industrial Science and Technology，发表于CVPR2014。

Lagrange multipliers - 拉格朗日乘子法拉格朗日乘子法是一种寻找多元函数在一组约束下的极值方法。通过引入拉格朗日乘子，可将多约束的最优化问题转化为多变量的无约束优化问题求解。本文主要讲解其中的数学原理，并引入KKT条件。