摘要:碰撞检测是3D虚拟服装中的重要环节,而在布料和人体模型的分辨率比较高的情况下,常规的碰撞检测算法往往无法达到实时.使用深度图像进行实时的连续碰撞检测,并结合法线图像进行碰撞响应.首先从指定的摄像机为人体预先渲染生成前后部深度图像与法线图像;然后对于要检测碰撞的布料质点,计算其深度值,并将其位置变换到图像空间,然后根据图像空间坐标从深度图像中读取深度值,通过与质点的深度值进行比较即可判断质点是否与人体碰撞,若发生碰撞,则通过修改的DDA直线光栅化算法在质点前一步与后一步位置确定的深度图像坐标区间内搜索插值参数,该插值参数用来计算碰撞接触点以及接触点处的法线,以支持连续碰撞响应.实验结果表明,该算法的预处理速度快,在布料和人体的分辨率都比较高的情况下也可以获得实时的碰撞检测与响应.

摘要:摄像机节点动态选择问题是摄像机网络应用中的一个难点.提出了一种基于增强学习的节点动态选择方法.采用视觉信息评分作为单步回报设计了节点选择策略的Q-学习算法,为了加速算法收敛速度,利用摄像机空间拓扑关系初始化Q值表,并基于Gibbs分布进行非贪心尝试.从目标可见性、朝向、清晰度和切换次数设计视觉评价函数反映视频信息丰富程度和视觉舒适度.实验结果表明,该节点动态选择方法能够有效地反映视频中的目标状态信息,选择结果切换平滑,满足实际应用需要.

摘要:随着机器学习理论和图形图像处理技术的不断发展,在计算机视觉和计算美学领域中人们越来越关注如何建立自动评价和判断图片美感质量的系统.该系统将可用来补充和完善原有对照片只有主观美感质量评价的这一问题.对人像照片美感质量的客观评价进行研究,提出了25种能够较好反映人像类照片美感质量的特征,并使用支持向量机、Adaboost、随机森林等多种分类器来进行机器学习和评价,对提出的特征值集合进行十交叉检验并探讨了哪些特征对美感评价有较强影响等问题.最后,通过与现有研究结果进行对比分析后得出,当采用所提出的25种特征进行人像照片美感质量评价和分类时有更高的准确率,即使用于机器学习的训练数据集数目较少时仍能保持较高的准确率.

摘要:使用单一运动的类Kinect深度相机重建和优化静态3D全身人体模型.首先针对类Kinect深度相机产生噪声原因提出一种降噪处理方法进行降噪.结合深度信息和RGB信息获取匹配块,使用高斯混合模型进行局部配准和逐层封闭曲线拟合方法进行全局配准,结合改进方向距离函数进行合并,最后使用泊松表面重建方法获取三维模型.实验结果表明,该方法能够重建出较高精度的三维人体模型.

摘要:三维模型四面体化是一种重要的有限元网格生成技术.介绍了一种特征保持的四面体网格生成及优化算法.首先使用三维模型主成分分析进行预处理,然后用体心立方构建初始四面体,接着通过拉普拉斯坐标改变模型边界切点的移动方式保持模型的局部特征,最后构造改进的密度能量误差函数优化四面体网格质量.实验结果表明,该方法可行、有效,且能很好地保持模型特征.

摘要:提出了一种基于价格的P2P匿名通信系统激励机制.通过对P2P系统和匿名通信系统研究中提出的激励机制进行归纳和分析,对搭便车用户给P2P匿名通信系统造成的影响进行定性和定量分析.提出在P2P匿名通信系统中通过对掩饰流量、中转流量和出口流量进行区别定价,建立流量价格体系,量化用户生产和消费的系统资源.引入价格机制一方面能够有效激励P2P匿名通信系统中用户提供流量中转和出口服务,从而提高整个P2P匿名通信系统的性能,另一方面也促使"搭便车"用户为系统提供掩饰流量,提高整个系统的匿名性,还能促使用户在申请匿名服务时根据自身需求申请适当的中转节点数,避免系统资源的不必要消耗.基于应用场景的用户策略分析证实了基于价格机制的P2P匿名通信系统激励机制的有效性.

摘要:数据中心对应用服务提出了越来越严格以及多样化的要求,例如,为使用户请求得到更多的反馈应答,大多数应用对传输延迟有最后期限的限制,使得更少的最后期限错过率成为各种协议争相比较的指标,因此出现了基于TCP的最后期限可感知协议.但这类协议存在优先级同步问题,即相似优先级流竞争时总是相继错过最后期限.为此,提出了基于优先级控制的两种降速协议HPD(highest priority deceleration deadline-aware data center TCP)和P²D(priority probability deceleration deadline-aware data center TCP),对具有侵略性的高优先级数据流进行自适应的降速处理.实验结果表明,与已有的D²TCP相比,降速协议在优先级高度同步的情况下能够减少20%的错过率.

摘要:相继干扰抵消(SIC)是一种有效对抗干扰的多包接收技术.在支持SIC的无线网络中,研究了最大容量即最大化并发传输数目的问题.给出了刻画SIC顺序检测特性的干扰模型,并据此提出判断链路集是否可并发的有效算法.由于最大容量问题为NP-hard的,而寻找最大并发链路集是全局优化的问题.研究了基于遗传算法的近似机制.详细讨论了遗传算法的设计并探讨了关键参数的设置,算法性能通过大量仿真实验得到了验证.

摘要:针对云计算中一些现有的基于批量调度模式和进化算法的动态云任务调度算法计算量较大,计算时间成本较高的现象,提出了一种基于改进基因表达式编程(GEP)和资源改变量的局部云任务调度算法.首先结合云任务调度的特点对普通GEP算法做出了相应的改进,然后采用加权求和的方式构造了一个基于综合利用率和能耗的适应度函数,最后依据物理机综合利用率的差异给出了基于改进GEP和资源改变量的局部云任务调度算法.基于资源改变量的局部云任务调度算法,通过对任务运行情况和物理资源使用情况进行监控,合理设定阈值,以减少参与调度物理机的个数,从而降低任务调度算法的时间成本.基于RH(rolling horizon)模型,通过实验将所提出的算法与普通遗传算法、全局GEP算法进行了比较,可知该算法不仅可以降低寻优时间,不易陷入局部最优解,且具有较快的收敛速度.

摘要:降质攻击(RoQ)是一种非典型拒绝服务攻击,具有很强的隐蔽性,大多数传统的基于DoS攻击的检测方法不再适用.迄今为止,有不少学者提出了许多新的方法,但这些检测方法在不同程度上存在误报率较高的情况.为此,提出了一种改进的检测方法,它在分析和提取异常突变特征的基础上,对异常突变的局部流量进行了二次频谱分析,提取了攻击的周期特征,从而提高了检测的精确度.模拟实验及对比分析结果表明,该检测方法的检测精度高,其误报率和漏报率都很低.

摘要:在无线局域网中,接入点(access point,简称AP)的稠密部署使得AP的关联策略成为一个重要的研究问题.目前,用户与AP的关联仅依据AP的信号强度,然而,这种方法未能考虑到网络中AP的异构性,以及不同用户对资源(例如带宽、安全性、时延等)的不同需求,并且分布式的AP关联会造成网络中AP负载的不均衡.针对以上问题,基于软件定义网络(software defined network,简称SDN)技术提出一种集中式的AP关联策略模型.该模型同时考虑了网络管理员和用户的目标,对网络负载均衡和用户资源满足度同时进行优化.采用蚁群算法对模型进行求解,并通过仿真实验对算法进行验证.实验结果表明,针对随机生成的数据集,用户资源满足度可由54.5%分别提升至86.8%(重负载时)和94.1%(轻负载时),并且管理员目标(负载均衡)得到了明显的改善.

摘要:轨迹可以看做是对象随着时间变化在空间中留下的印迹.近年来,随着移动终端使用的普及以及生活的信息化,大量的轨迹数据在日常生活中日益积累并为不同的应用所服务.针对用户在移动社交网络以及校园信息化统一管理平台留下的位置痕迹信息,研究和开发了多信息融合的轨迹追踪系统Argo.Argo系统分析了微博、邮件、BBS、一卡通等应用层留下的位置痕迹信息,并结合覆盖校园的无线接入点,采用无线接入点被动定位获取用户位置,实现了多信息融合下的用户轨迹追踪.实验结果表明,该系统能够有效地实现轨迹追踪,并依此提供更好的服务.

摘要:智能手机和移动设备的迅速普及,推动了企业级无线网络的广泛部署.通过收集上海某高校WiFi校园网中10000多位匿名用户的WiFi网络数据,发现无线局域网中存在超过高达24%的冗余数据传输.通过分析,挖掘无线用户数据的冗余特性,提出了一种面向用户的冗余数据消除机制.该机制可自适应地根据不同用户冗余度的动态变化,为不同的用户分配不同的缓存大小.从而在路由器缓存有限的条件下获得最大的冗余消除收益.通过基于真实历史数据的仿真实验,证实了该冗余消除机制能够有效识别并消除系统中的冗余数据,并获得较高的系统冗余消除收益.

摘要:在计算机视觉和多媒体领域,利用视觉信息进行语义层面人体运动分析非常重要且具有挑战性.提出一种利用检测信息的底层响应来描述人体动作的语义信息方法.在特定的人体动作下,可变形部分模型的检测结果隐含人体部分的关键信息,可以形成人体动作识别的特征.利用检测器的滤波器响应生成人体描述特征,对人体整体和部分的位置以及表观信息进行编码,由于该特征利用了人体部分相对于整体位置的统计信息,对检测过程中的误检部分具有较强的鲁棒性,基于该特征可将人体检测和动作识别融合成统一框架.在3个数据库上的实验结果显示了方法的有效性,取得了与其他方法相近或者更优的效果.

摘要:提取反映图像内容的结点以及为这些结点分配初始标签,是半监督学习用于显著度检测的关键问题.通过自组织映射把图像分成多个结点,这些结点不但反映图像内容的颜色特征,还能够反映图像内容的轮廓特征.然后通过把二维结点图嵌入到高维的空间构造带权无向图.由于无向边的对称性,进一步采用流形学习的方法,把无向图和半监督学习结合起来,通过预设边界结点预期的显著度,最终计算出所有结点的显著度.实验结果表明,与近年提出的几种经典的显著度检测算法相比,所提出的方法取得了较好的Precision-Recall性能和较舒服的视觉效果.

摘要:挖掘用户属性对用户建模、用户检索和个性化服务等具有十分重要的意义.已有的相关研究工作都是单独挖掘各种属性,而且忽略了各属性之间的相关关系.提出一种基于超图学习的用户属性推断的方法.在超图中,顶点表示社会媒体中的用户,超边表示用户产生的内容相似性与属性之间的关系.在建好的超图模型上,把用户属性挖掘形式化成一个正则化的标签相似传播问题,可以有效推断得到用户的各种属性.利用从Google+上收集的标记过全部属性的数据集进行了大量的实验,其结果表明了该方法在用户属性挖掘中的有效性.

摘要:运动员的动作行为分析是体育视频高级语义分析的直接途径,检测和分割视频中的运动员是分析运动员的动作行为的基础.利用体育视频的领域规则和中层特征块的性质,提出半监督的方法挖掘运动员的中层特征块,针对不同类型的镜头分别训练基于中层特征块的运动员检测分类器,实现运动员检测.利用运动员检测结果标记超像素,结合Grab Cut分割算法实现运动员分割.实验结果表明,基于中层特征块的运动员区域检测算法能够快速挖掘训练所需样本,从而训练得到检测分类器,检测结果具有较高的准确度,获得的运动员区域能够有效用于运动员分割,简化了分割计算过程.

摘要:由于智能移动设备的蓬勃发展和人们对于自身健康状况的高度关注,通过智能移动设备监测身体指标和健康状况正逐渐成为一个研究热点.血氧饱和度是指血液中氧合血红蛋白在所有血红蛋白中的比例,它是呼吸系统和循环系统的重要生理参数之一,可以反映相关人群的病情变化及身体健康情况等.一般传统血氧饱和度的检测方法需要红外光的支持,而目前的智能移动设备没有红外光发射和接收模块,鉴于此,研究了面向仅具有摄像头和可见光源的移动设备血氧饱和度检测方法.通过分析传统光学模型直接应用于移动设备后存在的问题,提出全新的面向移动设备的血氧饱和度检测模型,并研究其中必备的摄像头成像基线漂移问题的修正算法.提出的模型和方法可以支持许多与血氧饱和度检测相关的应用,并启发相关的人机交互研究.

摘要:多通道自然人机对话系统要求计算机能够对用户的语句产生智能应答,传统的人机对话系统由于知识库的限制以及用户话语的随意性,当对话内容超出知识库范围时,系统将无法应答或产生与用户期望不符的回答,这在一定程度上影响了人机对话系统用户的体验感.为了解决该问题,提出了一种融合多模态历史交互信息和面向数据的句法分析(data-oriented parsing,简称DOP)模型的最优答句生成方法:首先从大规模句法树库中提取上下文无关文法的语法规则,然后结合对话过程中用户呈现的表情、姿态等多模态历史交互信息,融合DOP模型对上下文无关文法生成的汉语句子进行过滤,最终生成一个符合语法规则且符合语义的答句返回给用户,让计算机在无法获得知识库支撑时,根据交互历史信息生成应对当前对话的语句,有效地提升了多通道自然人机交互系统用户的体验感.该方法应用于交通信息查询以及咖啡厅的多主题多模态人机自由对话系统.用户的体验表明,该方法能够有效提高用户交互的自然度和体验感.

摘要:理解和优化智能手机的功耗已成为一个重要的研究领域,软件和硬件开发人员均需要一个动态的功耗评估工具来指导功耗优化,从而开发低功耗的应用程序和构建省电的系统.现有的工作已经提出多种功耗模型来评估功耗,但这些模型缺乏细化粒度和精确度.提出基于硬件使用率和延时功耗的智能手机功耗模型,细化了模型的硬件组件,加入了延时功耗,能够更加精确地评估实时功耗.该模型基于非线性回归结构,通过模块化目标设备的各个系统变量来确定模型,然后通过功耗测试用例测试进行模型辨识,确定各个功耗相关系数,最终将评估功耗与功耗测量设备实测数据进行对比.实验结果表明,在常用场景下,模型的平均绝对误差均小于4.6%,明显提高了模型精度.

摘要:利用Kinect相机结合增强现实技术和手势识别方法设计并实现了一个弓弦乐器虚拟演奏系统——以二胡为例.将Kinect获取的现实场景和虚拟乐器融合在一起绘制成增强现实场景.通过Kinect得到的深度数据和贝叶斯肤色模型将用户的左手分割出来,并再次绘制在增强图像上形成新的图像,从而解决虚拟演奏场景中的虚实遮挡问题.利用基于反向动力学和马尔可夫模型的三维虚拟手势拟合方法,对演奏过程中的左手手势进行识别,并结合右手的运动状态完成乐器的虚拟演奏.

摘要:颜色对比度是图像关注区域检测的重要线索,准确地提取反映图像不同颜色特征的区域,非常有助于计算各个区域的对比度.为了得到有效的对比图,首先利用封闭先验通过检测位平面中的连通性来提取具有不同颜色特征的封闭区域.其次,利用背景先验消除与图像边界连通的封闭区域并得到封闭区域掩膜.然后利用对比度先验与封闭先验,提出某区域在各个位平面中表现为封闭的次数越多越有可能是关注区域的假设,并通过封闭区域掩膜的叠加计算各个封闭区域的对比度.同时,结合人眼对小面积的封闭区域与封闭轮廓的感知特性,以及对关注区域视觉资源的分配特性,在获取对比度图的关键环节采取形态学滤波和高斯模糊,最终实现面向凝视点估计的图像显著度检测.与多种经典的检测模型相比,提出的方法取得了较好的性能.

摘要:非结构化P2P(unstructured peer-to-peer network)对等网络中的节点资源定位的路由查询是对等网络研究中的一个主要难题,特别是当网络中客户端节点由于其频繁加入、离开导致网络结构动态变化所带来的资源查询难题.提出了一种新的基于拥塞控制的路由查询方法来实现动态网络下的资源查询.该方法分两部分实现:首先是网络资源的分组与节点重连策略.该策略使得具有同等资源的节点相互连接,并周期性地调整节点上的节点连接数量以减少同组资源节点上的负载.通过以上策略,使得网络的拓扑结构自动地从随机网络结构进化到以资源组为单位的聚类网络,从而使得网络中形成网络资源组间的查询负载均衡.另一方面,组内的节点之间的路由负载均衡是通过节点间协同学习实现的.采用协同Q-学习方法,所研究的方法不仅从节点上学习其处理能力、连接数和资源的个数等参数,还将节点的拥塞状态作为协同Q-学习的重要参数,并建立模型.通过这种技术,同一组节点上的资源查询被有目的地引导,以避开那些组内拥塞的节点,从而最终实现资源组内节点之间的查询均衡.仿真实验结果表明,相比常用的random walk资源查找方法,该研究所实现的资源定位方法能够更迅速地实现网络的资源查询.仿真结果还表明,相比random walk方法,所提出的方法在网络高强度查询和网络节点动态加入和退出的情况下进行查询具有更高的鲁棒性和适应性.

摘要:提出了一种可扩展的局部敏感哈希索引(SLSH),以解决高维动态数据索引中,由于数据集大小及分布特征无法确定而导致索引效率降低的问题.SLSH架构于E2LSH之上,继承了其对高维数据索引速度快,并可直接对欧式空间上的数据点进行索引的特点.为了使得哈希索引具有动态的相似性区分能力,SLSH修改了E2LSH的哈希族,通过哈希桶容量约束自适应调节哈希参数.因此对于分布密度动态变化的数据空间,SLSH也能够给出鲁棒的划分.

摘要:针对CPU-GPU平台提供了一种能显著降低高效视频编码(high efficiency video coding,简称HEVC)复杂度的优化方案.根据编码器的复杂度分布及不同模块的特点,针对帧内预测、帧间预测以及环路滤波分别进行了优化.在帧内预测中,基于相邻编码单元(coding unit,简称CU)之间的相关性,提出了一种CU的深度决策方法以及一种减少率失真优化(RDO)的模式数量的方法,降低了帧内编码的复杂度.在帧间预测中,提出将耗时最大的运动估计模块完善在图形处理单元(GPU)上,通过中央处理单元(CPU)和GPU的流水线工作获得了明显的加速,并基于预测残差的能量提出了一种编码单元提前终止划分的方法,有效降低了帧间编码复杂度.在环路滤波中,提出了一种GPU端的自适应样本点补偿(sample adaptive offset,简称SAO)参数决策方法及去块滤波方法,有效分担了CPU端的复杂度.上述优化实现在HM16.2上,实验结果表明,提出的优化方案可以获得高达68%的编码复杂度节省,而平均性能损失仅为0.5%.

摘要:高光谱遥感影像降维最大噪声分数变换(maximum noise fraction rotation,简称MNF rotation)方法运算量大,耗时长.基于多核CPU与众核MIC(many integrated cores)平台,研究MNF算法的并行方案和性能优化.通过热点分析,针对滤波、协方差矩阵运算和MNF变换等热点,提出相应并行方案和多种优化策略,量化分析优化效果,设计MKL(math kernel library)库函数实现方案并测评其性能;设计并实现基于多核CPU的C-MNF和基于CPU/MIC的M-MNF并行算法.实验结果显示,C-MNF算法在多核CPU取得的加速比为58.9~106.4,而基于CPU/MIC异构系统的M-MNF算法性能最好,加速比最高可达137倍.

摘要:混合关键系统中不同关键等级的任务在同一个平台运行,任务的可调度性分析更加复杂.基于目前最有效的固定优先级混合关键的调度算法AMC(adaptive mixed criticality),提出了一种任务响应时间分析算法AMC-PM(AMC partition max).该算法将任务最长执行时间(worst case execution time,简称WCET)分成低关键等级态执行时间与高关键等级态执行时间,将这两部分对应的最长响应时间加起来得到总的响应时间上界.通过仿真实验,与已有的AMC响应式分析算法进行比较,结果表明,在任务高关键下最长执行时间较小时,与AMC-rtb相比,AMC-PM能够显著地提高系统的可调度性.同时与AMC-max相比,AMC-PM能够显著降低算法的运行时间.

摘要:随着Android智能平台的普及,其安全问题日益受到人们关注.在底层安全方面,部分root工具已经实现了对最新版本Android的root提权,从而给恶意软件滥用权限造成可乘之机;在上层应用安全方面,目前还没有能够在应用权限进行有效管理的方法.基于安全策略的思想,提出了一种Android应用权限动态管理机制,利用安全策略对授权进行描述,在Android框架层设置权限检查点,并调用请求评估算法进行授权评估,从而实现对应用行为的监控.实验结果表明,该方法能够有效管理Android应用权限的正常调用,约束非法调用,并且系统开销较小.

摘要:移动软件往往部署在电量受限的处理器上,能耗已成为评价这类软件的一个重要质量属性.与代码级和指令级相比,在设计级进行能耗评估具有耗时短、成本低的优点,近年来已成为软件工程学术界和工业界的研究热点.目前虽已涌现出一些设计级能耗评估方法,但这些方法大多未对软件构件的内部行为元素进行能耗评估,导致了精度问题.针对上述问题,基于体系结构分析设计语言AADL和StrongARM处理器构建了一种移动软件能耗评估模型,进一步定义了面向AADL语言的移动软件能耗评估过程,在此基础上研发了一款能耗评估工具,进而提出一种基于AADL语言的移动软件能耗评估方法.实验结果表明该方法较已有AADL能耗评估方法在精度上有所提高.