簡介：行人檢測技術(shù)在視頻監(jiān)控、智能機(jī)器人、智能輔助駕駛、行人分析等領(lǐng)域都有著廣泛的應(yīng)用前景。但行人圖像不論是在身材、姿態(tài)，還是在視角、光照等方面都有不同，再加上背景的復(fù)雜性、攝像頭自身的移動(dòng)和晃動(dòng)，以及行人檢測對精度和速度的較高要求，使得行人檢測成為了機(jī)器視覺中最困難的課題之一。由于良好的靜態(tài)圖片行人檢測技術(shù)是設(shè)計(jì)高性能行人檢測系統(tǒng)的前提，因此本文在對行人檢測相關(guān)算法進(jìn)行充分調(diào)研的基礎(chǔ)上，研究了靜態(tài)圖像中行人檢測的幾種經(jīng)典算法。在基于經(jīng)典算法的設(shè)計(jì)思想之上，針對其存在的問題，本文提出了三種行人檢測的新方法，能夠快速高效地檢測出行人。本文的主要工作如下1、對目前行人檢測的現(xiàn)狀及常用方法進(jìn)行了簡要地介紹和總結(jié)，并對當(dāng)前行人檢測中存在的問題與難點(diǎn)進(jìn)行了論述和展望。2、介紹了本文所提出的行人檢測方法基于的理論基礎(chǔ)及關(guān)鍵技術(shù)。3、提出一種基于多尺度塊的局部二值模式MB_LBP編碼統(tǒng)計(jì)直方圖和交叉核支持向量機(jī)HIKSVM的行人檢測算法。與HOGLINEARSVM等經(jīng)典算法進(jìn)行了實(shí)驗(yàn)對比，驗(yàn)證了本算法的有效性。4、提出一種基于SUBSETHAARLIKE模板的中間層特征的行人檢測算法。該算法使用HAARLIKE子集模板對底層的聚合通道特征ACF圖進(jìn)行過濾，提取出了中間層濾波特征，該特征結(jié)合基于決策樹的ADABOOST分類器構(gòu)成了行人檢測算法。該算法能夠很好地過濾非行人窗口，降低行人誤檢率。5、提出一種基于加權(quán)SUBSETHAARLIKE中間層特征的行人檢測算法。該算法是通過對SUBSETHAARLIKE中間層特征進(jìn)行加權(quán)線性組合來提取目標(biāo)特征的，并使用線性判別分析法LDA學(xué)習(xí)其權(quán)重系數(shù)。在INRIA數(shù)據(jù)庫上的實(shí)驗(yàn)驗(yàn)證了該算法的有效性。

簡介：隨著信息社會(huì)的不斷發(fā)展軍人接觸互聯(lián)網(wǎng)的機(jī)會(huì)已大大增加軍人在網(wǎng)絡(luò)上的活動(dòng)日益頻繁。部分現(xiàn)役和退伍軍人喜歡在一些網(wǎng)絡(luò)論壇和社交網(wǎng)站如QQ人人網(wǎng)等中上傳自己的軍裝照片這為軍隊(duì)的保密工作和形象維護(hù)帶來了新的挑戰(zhàn)。為此我軍出臺(tái)了一系列規(guī)定規(guī)范軍人在互聯(lián)網(wǎng)上的行為。為了加強(qiáng)對軍人網(wǎng)絡(luò)違規(guī)行為的檢測本文圍繞網(wǎng)絡(luò)空間中的軍裝圖片識(shí)別問題進(jìn)行研究并提出一種基于多特征融合的軍裝圖片識(shí)別方法通過對軍裝圖片的識(shí)別可以有效檢測軍人上網(wǎng)行為。該方法首先提取人體圖像上部區(qū)域的顏色、紋理和局部特征然后利用多核學(xué)習(xí)方法對多特征進(jìn)行融合并分類。本文主要工作如下1提出了基于稀疏SIFT和稠密SIFT描述子的混合SIFTBOW特征表達(dá)方式。將一幅圖像中的局部顯著區(qū)域作為前景區(qū)域用稀疏SIFT描述其余區(qū)域作為背景區(qū)域用稠密SIFT描述。在生成BOW特征時(shí)將稀疏SIFT作為主描述子將稠密SIFT作為輔助描述子進(jìn)行加權(quán)融合得到混合SIFTBOW特征。混合SIFTBOW特征表達(dá)方法結(jié)合了稀疏SIFT描述局部顯著區(qū)域的優(yōu)點(diǎn)和稠密SIFT描述平滑一致區(qū)域的優(yōu)點(diǎn)能夠更準(zhǔn)確地表達(dá)軍裝圖像局部特征。2提出了一種改進(jìn)的BOW模型ESWMBOW來提取軍裝圖片的局部區(qū)域特征該模型基于一種新的視覺單詞加權(quán)方法熵空間加權(quán)圖ESWMENTROPYSPATIALWEIGHTMAP?？臻g加權(quán)圖SWM根據(jù)視覺單詞在圖像中不同局部區(qū)域出現(xiàn)的頻率計(jì)算而得。由于每個(gè)視覺單詞在不同圖片類中出現(xiàn)的概率可能不同根據(jù)信息理論可以用熵來描述視覺單詞的這種分類信息。因而在計(jì)算視覺單詞權(quán)重分布時(shí)除了考慮該視覺單詞在局部區(qū)域出現(xiàn)的概率大小外再融入視覺單詞在該區(qū)域的分類信息得到熵空間加權(quán)圖ESWMESWM可以進(jìn)一步提升視覺單詞的區(qū)分能力。3利用多核學(xué)習(xí)方法對多特征進(jìn)行融合提升軍裝圖片分類器性能。首先為每種特征選擇最適合的核函數(shù)然后通過多核學(xué)習(xí)優(yōu)化各核函數(shù)權(quán)重。與單一核函數(shù)的支持向量機(jī)相比基于多核學(xué)習(xí)的支持向量機(jī)能夠獲得更好的分類性能。本文利用MATLAB對軍裝圖片識(shí)別方法進(jìn)行模擬實(shí)驗(yàn)結(jié)果表明該方法能對常服軍裝圖片進(jìn)行有效識(shí)別對光照變化、部分遮擋和身體姿態(tài)變化具有較強(qiáng)的魯棒性平均識(shí)別率達(dá)928％。

簡介：近年來，隨著圖片分享網(wǎng)站的興起和應(yīng)用，互聯(lián)網(wǎng)中的圖片數(shù)量呈指數(shù)增長。由于智能手機(jī)的普及，越來越多的人習(xí)慣于隨手分享自己的圖片。然而人們往往對同一景點(diǎn)或事物進(jìn)行連續(xù)拍照，并將這些圖片全部上傳分享，這就造成互聯(lián)網(wǎng)海量圖片中存在嚴(yán)重的重復(fù)和近似數(shù)據(jù)。同時(shí)，由于智能手機(jī)有電量限制，分享這些重復(fù)和近似的圖片將會(huì)浪費(fèi)大量手機(jī)電量。因此，如何在考慮手機(jī)能耗的因素下進(jìn)行圖片實(shí)時(shí)分享就顯得尤為重要。設(shè)計(jì)出一種面向智能手機(jī)能耗受限的實(shí)時(shí)圖片分享系統(tǒng)，實(shí)現(xiàn)實(shí)時(shí)分享圖片的同時(shí)考慮手機(jī)能耗，根據(jù)手機(jī)剩余電量智能地選擇與圖片庫中最不近似的圖片上傳。該系統(tǒng)服務(wù)器端借助簡潔特征表示和空間高效的索引結(jié)構(gòu)實(shí)現(xiàn)。在簡潔特征表示中，將圖片轉(zhuǎn)變成海明空間下的特征向量。在索引結(jié)構(gòu)中，利用位置靈敏哈希LOCALITYSENSITIVEHASHINGLSH對近似圖片進(jìn)行分組，用于支持快速的近似檢測。但是傳統(tǒng)的LSH空間利用率較低，CUCKOOHASHING機(jī)制可以很好的解決這一問題。更進(jìn)一步，利用半隨機(jī)選擇機(jī)制來優(yōu)化CUCKOOHASHING機(jī)制中隨機(jī)選擇機(jī)制以提高性能。該系統(tǒng)在手機(jī)端實(shí)現(xiàn)能耗感知功能模塊，它根據(jù)手機(jī)剩余電量進(jìn)行圖片壓縮，提取局部特征點(diǎn)并生成特征向量，并將剩余電量上傳給服務(wù)器端。服務(wù)器端在相似性準(zhǔn)則的指導(dǎo)下，根據(jù)剩余電量計(jì)算返回最后結(jié)果。手機(jī)端再根據(jù)服務(wù)器端返回的結(jié)果決定需要上傳到服務(wù)器中的非近似圖片。實(shí)現(xiàn)了原型系統(tǒng)，并對多項(xiàng)指標(biāo)進(jìn)行了測試。實(shí)驗(yàn)結(jié)果表明該原型系統(tǒng)有明顯的提升性能。

簡介：隨著互聯(lián)網(wǎng)時(shí)代的來臨，傳統(tǒng)的廣播電視生態(tài)圈也在發(fā)生著顛覆性的變革。PC、平板電腦、智能手機(jī)、智能電視一體機(jī)、智能電視機(jī)頂盒等視頻媒體終端的興起使得三網(wǎng)融合已成為不可逆轉(zhuǎn)的趨勢。終端的智能化在改變用戶的收視習(xí)慣的同時(shí)，也使得廣播電視服務(wù)受到互聯(lián)網(wǎng)良莠不齊視頻內(nèi)容的沖擊。自主研發(fā)的HUSTRIMHUAZHONGUNIVERSITYOFSCIENCETECHNOLOGY，SOFTWARECOLLEGE，TELEVISIONRADIOINFMATIONMANAGEMENT系統(tǒng)旨在能夠?yàn)閷?shí)現(xiàn)全網(wǎng)內(nèi)容的監(jiān)管控制、管理提供保障。在基于三網(wǎng)融合的內(nèi)容監(jiān)管系統(tǒng)HUSTRIM中，圖片存儲(chǔ)管理子系統(tǒng)HUSTRIMPS作為其核心部件，它實(shí)現(xiàn)了三網(wǎng)融合下海量圖像內(nèi)容數(shù)據(jù)的存儲(chǔ)及管理，為其他子系統(tǒng)供了高效的存儲(chǔ)和檢索支持。在HUSTRIMPS系統(tǒng)中，基于分布式數(shù)據(jù)存儲(chǔ)架構(gòu)，分析海量圖片數(shù)據(jù)對存儲(chǔ)系統(tǒng)的特定要求，討論海量圖片數(shù)據(jù)存儲(chǔ)技術(shù)及原理，研究圖片存儲(chǔ)管理的策略；開發(fā)一種基于HADOOP的具有高可用、高并發(fā)和高擴(kuò)展性的圖片存儲(chǔ)管理結(jié)構(gòu)，滿足了HUSTRIM系統(tǒng)對圖片存儲(chǔ)管理功能和效率的要求。模擬實(shí)驗(yàn)的結(jié)果表明，HUSTRIMPS系統(tǒng)在功能上具有更好的可用性，性能上具有更快的處理速度，但在海量圖片的處理上還需要進(jìn)一步的改進(jìn)。

簡介：論文作者簽名指導(dǎo)教師簽名論文評閱人1評閱人2評閱人3評閱人4評閱人5答辯委員會(huì)主席委員1委員2委員3委員4委員5三也顯絲一耋經(jīng)壺魚過盛一邈墨這一壟主魅壺一趙睦塞ACKNOWLEDGEMENTS1WOULDLIKETOEXPRESSMYHEARTFELTGRATITUDETOTHEFOLLOWINGPEOPLEWHOHAVEHELPEDMEINWRITINGTHISTHESISFIRSTOFALL，IAMGREATLYINDEBTEDTOMYSUPERVISORPROFESSORMABOSEN，WHOISALWAYSSOPATIENTWITHMEANDHASGIVENMEPRECIOUSADVICE，CONSTRUCTIVESUGGESTIONSANDCONSTANTSUPPORTWITHOUTHISPROFESSIONALINSTRUCTION，CAREFULREVISIONSOFTHEDRMANDTIMELYENCOURAGEMENTMYTHESISWOULDHAVEBEENOTHERWISEIHAVEBEENENLIGHTENEDBYHISLECTURESINLINGUISTICSCLASSSINCEIWASANUNDERGRADUATEINZHEJIANGUNIVERSITYLATERIALSOBENEFITALOTFROMHISINSTRUCTIONSINMYPOSTGRADUATEPROGRAMSASWELLASHISATTITUDEOFUNDERTAKINGACADEMICRESEARCHMEANWHILE，MYGRATITUDEMUSTBEEXTENDEDTOTHESCHOOLOFINTERNATIONALSTUDIES，ZHEJIANGUNIVERSITYWHEREIHAVEHADMYGRADUATESTUDYIFEELGRATEFULTOALLMYTEACHERSFORTHEIRENLIGHTENINGLECTURESANDCONSCIENTIOUSTEACHINGMYGRATEFULNESSSHOULDALSOGOTOMYCOLLEAGUESGRACEFENGANDDRAGONFAN，WHOHAVEOFFEREDMEGREATHELPINSEARCHINGREFERENCEANDHAVEPROVIDEDMEWITHMANYBOOKSRELEVANTTOT11ISTHESISFINALLY1WOULDLIKETOEXPRESSMYDEEPESTGRATITUDETOMYPARENTS，WHOTAKECAREOFMYSONWHENIAMBUSYWITHMYTHESISWITHOUTTHEIRSELFLESSLOVEMYTHESISWOULDHAVEBEENIMPOSSIBLE

簡介：隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展和成熟，越來越多的應(yīng)用領(lǐng)域，例如建筑可視化、古文物展示、輔助醫(yī)療、三維立體電影、電腦游戲產(chǎn)業(yè)以及虛擬現(xiàn)實(shí)等需要獲得真實(shí)物體的高清、照片級(jí)別的真實(shí)感三維模型?；趫D片序列的三維重建是一種低成本、易操作三維模型的技術(shù)路線，使用這種技術(shù)，用戶可以使用任何常見的手持消費(fèi)級(jí)相機(jī)圍繞物體進(jìn)行拍攝，從這一組隨意拍攝的圖片序列，可以重建出相機(jī)的運(yùn)動(dòng)位置以及有紋理的場景三維模型。針對基于圖像三維重建技術(shù)的特點(diǎn)以及存在的難點(diǎn)，在如下幾個(gè)方面開展了研究第一，大尺度圖像特征提取框架，在對大圖像進(jìn)行特征提取時(shí)使用圖像分塊，把一個(gè)超大分辨率的圖像按SS的大小分成一個(gè)個(gè)有重合的子區(qū)域進(jìn)行并行的特征提取，然后根據(jù)子區(qū)域特征點(diǎn)位置進(jìn)行排序和過濾，進(jìn)行特征點(diǎn)去重，得到一個(gè)可以使用普通計(jì)算機(jī)進(jìn)行超大圖像的特征點(diǎn)提取的解決方案。第二，基于圖像的三維重建流程中，當(dāng)圖像數(shù)據(jù)集增大到一定規(guī)模的時(shí)候，直接進(jìn)行兩兩匹配的時(shí)間消耗變得不可接受。只有有效地相關(guān)聯(lián)的圖像匹配才會(huì)對重建做出貢獻(xiàn)，對無效的圖像對的匹配計(jì)算是無用功的。提出了構(gòu)建全局的哈希編碼，有效的過濾無效匹配對，提高了大規(guī)模圖像集合匹配的效率。第三，構(gòu)建了一套低成本三維重建系統(tǒng)，對基于圖像的運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)三維重建技術(shù)圖像特征點(diǎn)提取、特征點(diǎn)匹配、相機(jī)標(biāo)定與姿態(tài)估計(jì)、三角定位、集束調(diào)整、點(diǎn)云稀疏重建、稠密點(diǎn)云重建、網(wǎng)格化及紋理映射各個(gè)步驟的算法和原理進(jìn)行了研究和分析，在現(xiàn)有基礎(chǔ)上實(shí)現(xiàn)了一個(gè)從圖片到模型生成的完整系統(tǒng)。

簡介：點(diǎn)擊查看更多路透網(wǎng)和新華網(wǎng)圖片報(bào)道的比較研究.pdf精彩內(nèi)容。

簡介：點(diǎn)擊查看更多基于圖片隱藏技術(shù)的密寫系統(tǒng)研究與實(shí)現(xiàn).pdf精彩內(nèi)容。

簡介：單位代碼單位代碼10445學(xué)號(hào)2013020506分類號(hào)H319研究生類別研究生類別全日制全日制碩士學(xué)位論文（學(xué)（學(xué)術(shù)學(xué)位）位）論文題目論文題目THEMEANINGCONSTRUCTIONOFONLINEENGLISHPHOTONEWSFROMMULTIMODALPERSPECTIVE多模態(tài)視域下網(wǎng)絡(luò)英語圖片新聞的意義構(gòu)建多模態(tài)視域下網(wǎng)絡(luò)英語圖片新聞的意義構(gòu)建學(xué)科專業(yè)名稱學(xué)科專業(yè)名稱英語語言文學(xué)英語語言文學(xué)申請人姓名人姓名李紅李紅指導(dǎo)教師肖龍福肖龍福教授論文提交時(shí)間論文提交時(shí)間20152015年6月5日獨(dú)創(chuàng)性聲明獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得山東師范大學(xué)山東師范大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的人對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。作者簽名簽字日期20年月日學(xué)位論文版權(quán)使用授權(quán)書學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解山東師范大學(xué)山東師范大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子文稿，允許論文被查閱和借閱。本人授權(quán)山東師范大學(xué)山東師范大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。作者簽名導(dǎo)師簽名簽字日期20年月日簽字日期20年月日

簡介：膠囊內(nèi)鏡作為一種新興的、實(shí)現(xiàn)全消化道檢查的內(nèi)窺鏡技術(shù)，隨著技術(shù)愈發(fā)成熟、功能逐漸完善和檢查成本不斷降低，得到進(jìn)一步普及和應(yīng)用。與此同時(shí)，膠囊內(nèi)鏡使用所產(chǎn)生的圖像數(shù)據(jù)的迅速增長帶來許多新的問題。特別是在遠(yuǎn)程醫(yī)療背景下，要實(shí)現(xiàn)膠囊內(nèi)鏡遠(yuǎn)程實(shí)時(shí)診療系統(tǒng)需要高效的病灶圖片識(shí)別算法和高性能的圖片數(shù)據(jù)存儲(chǔ)技術(shù)來支撐。本文為解決大量膠囊內(nèi)鏡圖片病灶識(shí)別效率問題，分析了膠囊內(nèi)圖像相鄰圖片相關(guān)性強(qiáng)的特點(diǎn)，引入相關(guān)性信息，提出一種基于分級(jí)策略和規(guī)則修正的無線內(nèi)鏡圖像出血檢測方法；同時(shí)為滿足在遠(yuǎn)程醫(yī)療背景下膠囊內(nèi)鏡圖片數(shù)據(jù)的存儲(chǔ)需求，分析設(shè)計(jì)了基于MONGODB的膠囊內(nèi)鏡圖像數(shù)據(jù)存儲(chǔ)系統(tǒng)；最后在實(shí)驗(yàn)環(huán)境下開發(fā)了本系統(tǒng)并實(shí)現(xiàn)基本存儲(chǔ)管理功能和病灶識(shí)別功能，為以后系統(tǒng)遠(yuǎn)程實(shí)時(shí)診療功能擴(kuò)展和實(shí)際產(chǎn)品化打下基礎(chǔ)。本文的主要具體工作如下1為解決出大量出血圖片高效識(shí)別的問題，本文分析了圖像模式識(shí)別的相關(guān)技術(shù)，提出了出血檢測算法，該算法針對圖片本身所具有的特點(diǎn)，在融合并改進(jìn)了已有的識(shí)別算法基礎(chǔ)上，提出分級(jí)策略和窗口修正方法，分三步對圖片數(shù)據(jù)進(jìn)行出血識(shí)別，不僅發(fā)揮了不同算法的特點(diǎn)和優(yōu)勢，平衡了時(shí)間和性能的矛盾，而且在保證了較高精度的同時(shí)，顯著提升了檢測的效率。2為滿足膠囊內(nèi)鏡圖像數(shù)據(jù)的高性能存儲(chǔ)需求，分析了NOSQL數(shù)據(jù)庫存儲(chǔ)技術(shù)，闡明了MONGODB數(shù)據(jù)庫整體框架和部署方式，對基于MONGODB的膠囊內(nèi)鏡圖片存儲(chǔ)的可行性和需要解決的關(guān)鍵問題（如并行處理、數(shù)據(jù)庫架構(gòu)等）進(jìn)行了分析，最后，在實(shí)驗(yàn)環(huán)境下對基于MONGODB數(shù)據(jù)庫技術(shù)的膠囊內(nèi)鏡圖片存儲(chǔ)系統(tǒng)進(jìn)行了分析設(shè)計(jì)。3在實(shí)驗(yàn)環(huán)境下，搭建好開發(fā)環(huán)境，模擬了數(shù)據(jù)庫的協(xié)同架構(gòu)和集群部署，并利用C開發(fā)語言，結(jié)合OPENCV視覺庫，依據(jù)存儲(chǔ)系統(tǒng)設(shè)計(jì)形成實(shí)驗(yàn)階段的應(yīng)用軟件，最后對系統(tǒng)進(jìn)行性能對比和功能驗(yàn)證。

簡介：圓。一，一一J。；0頸1士學(xué)位諗寡論文題目作者姓名學(xué)科專業(yè)導(dǎo)師姓名完成時(shí)間線上圖片評論對消費(fèi)者態(tài)度和購買意UNIVERSITYOFSCIENCEANDTECHNOLOGYOFCHINAADISSERTATIONFORMASTER’SDEGREETHEIMPACTOFONLINEPICTUREREVIEWONCONSUMERATTITUDESANDPURCHASEINTENTIONS。。一”。一1’1”～”～11。J～Y～一一一、一一～一一一一一一一一～AUMOR’SNAMERUNHANCHENGSPECIALITYBUSINESSADMINISTRATIONSUPERVISORASSOCIATEPROFJINQINFINISHEDTIMEJUNE1吐，2017

簡介：互聯(lián)網(wǎng)中色情圖片傳播泛濫，對其自動(dòng)識(shí)別與過濾越來越重要。在本課題中，主要針對網(wǎng)絡(luò)上常見的單人色情寫真類圖片，提出了基于感興趣區(qū)域（REGIONSOFINTERESTROIS）檢測的不良圖片識(shí)別算法。傳統(tǒng)的不良圖像檢測算法主要將人體皮膚部分作為感興趣區(qū)域，從皮膚檢測的結(jié)果中提取與膚色相關(guān)的一些信息，如膚色像素所占面積比例等，再結(jié)合皮膚的顏色、紋理、形狀等特征進(jìn)行分類。這種方法雖然簡單直觀，但是在保證較高正檢率的前提下，往往誤檢率也往往較高，尤其對于類如泳裝模特等裸露較多的正常圖片，效果不甚理想。我們在總結(jié)了已有方法不足的基礎(chǔ)上，提出了將人體軀干部位作為感興趣區(qū)域的不良圖片檢測方法。首先使用基于POSELET姿態(tài)部件的人體軀干檢測方法定位出與色情信息密切相關(guān)的軀干區(qū)域，結(jié)合此興趣區(qū)域和SIFT特征訓(xùn)練高斯混合模型，獲取具有判別力的FISHER向量，再利用SVM學(xué)習(xí)算法訓(xùn)練得到裸露胸部的分類器。然而，由于人體外觀變化很大，軀干檢測器輸出的置信度最大的位置往往較軀干真實(shí)的位置有一定的偏移。為了克服這一缺點(diǎn)，我們進(jìn)一步提出了一種自適應(yīng)的算法，即根據(jù)軀干檢測器輸出的置信度自適應(yīng)的選擇多個(gè)軀干候選區(qū)域，并通過集成多個(gè)區(qū)域的判別結(jié)果來得到最終結(jié)果。此外，為了訓(xùn)練基于軀干的SVM分類器和驗(yàn)證算法的有效性，本文通過互聯(lián)網(wǎng)下載的方式收集了一個(gè)包含30000幅單人色情寫真圖片的大規(guī)模數(shù)據(jù)集，并對色情部位進(jìn)行了標(biāo)注，標(biāo)注信息可用于自動(dòng)生成訓(xùn)練數(shù)據(jù)。本文提出的基于軀干的自適應(yīng)分類算法在收集的大規(guī)模數(shù)據(jù)集上達(dá)到了917％的識(shí)別精度，明顯高于傳統(tǒng)膚色模型的識(shí)別結(jié)果。文中采用的基于姿態(tài)部件的感興趣區(qū)域檢測能夠獲取與色情信息更相關(guān)的信息，因而相比較于傳統(tǒng)方法，在較為準(zhǔn)確地檢測不良圖片的同時(shí)，有效地降低皮膚裸露較多的正常圖像的誤檢率，達(dá)到了實(shí)際應(yīng)用的要求。

簡介：前不久，一購票網(wǎng)站在其登錄與購票界面推出了一種新型圖片驗(yàn)證碼，改版之后的驗(yàn)證碼識(shí)別難度明顯提高，有效地加強(qiáng)了其網(wǎng)站的安全性。由于SIFT與SURF特征對于模糊、視角、旋轉(zhuǎn)以及壓縮等變化都具有良好的魯棒性，而在新型圖片驗(yàn)證碼中主要利用這些場景變換作為干擾。對該驗(yàn)證碼識(shí)別技術(shù)的研究，對于促進(jìn)驗(yàn)證碼設(shè)計(jì)的發(fā)展與加強(qiáng)網(wǎng)絡(luò)安全有著重要的理論意義和實(shí)用價(jià)值。所以本文提出將這兩種著名的基于局部不變特征的提取與匹配算法應(yīng)用于新型圖片驗(yàn)證碼識(shí)別，并在模擬新型圖片驗(yàn)證碼系統(tǒng)的基礎(chǔ)上進(jìn)行實(shí)驗(yàn)分析，以期獲得良好的識(shí)別效果。本文的研究工作與貢獻(xiàn)如下首先，本文重點(diǎn)研究了兩種著名的局部不變特征即SIFT和SURF特征檢測原理，并針對新型圖片驗(yàn)證碼中的干擾因素進(jìn)行分析，包括模糊、視角、旋轉(zhuǎn)、壓縮等。設(shè)計(jì)5組實(shí)驗(yàn)分析兩種算法對上述干擾的性能差異和在新型圖片驗(yàn)證碼的各種變換場景中的應(yīng)用優(yōu)劣勢。隨后，本文設(shè)計(jì)了一個(gè)新型圖片驗(yàn)證碼系統(tǒng)，并利用基于局部不變特征點(diǎn)的圖像匹配技術(shù)實(shí)現(xiàn)對其識(shí)別。該實(shí)驗(yàn)從50像素級(jí)和100像素級(jí)對6種包含不同物體類型的圖片驗(yàn)證碼分別設(shè)計(jì)實(shí)驗(yàn)對比分析識(shí)別效果。實(shí)驗(yàn)結(jié)果表明，基于局部不變特征的提取與匹配算法對于包含有一定區(qū)分度物體類型的圖片驗(yàn)證碼能夠進(jìn)行有效識(shí)別。同時(shí)也表明，這兩種特征檢測算法對新型圖片驗(yàn)證碼識(shí)別的性能在很大程度上取決于圖像中物體類型、分辨率大小以及干擾背景等。

簡介：內(nèi)存溢出OUTOFMEMY，簡稱OOM通俗理解就是內(nèi)存不夠，是指運(yùn)行程序時(shí)要求的內(nèi)存，超出了系統(tǒng)所能分配的范圍，從而導(dǎo)致發(fā)生內(nèi)存溢出。一般在運(yùn)行大型軟件時(shí)，如果所需的內(nèi)存遠(yuǎn)遠(yuǎn)超出了主機(jī)內(nèi)安裝的內(nèi)存所承受大小時(shí)就會(huì)發(fā)生這種情況。造成這種現(xiàn)象的原因通常有兩種第一種是內(nèi)存泄露另外一種是當(dāng)需要保存多個(gè)耗用內(nèi)存過大或當(dāng)加載單個(gè)超大的對象時(shí)，該對象的大小超過了當(dāng)前剩余的可用內(nèi)存空間。本文所描述的應(yīng)用環(huán)境是指在具有即時(shí)聊天功能的ROID應(yīng)用程序中，瀏覽含有大量圖片信息的圖片列表時(shí)，由于在內(nèi)存中加載這些圖片時(shí)，這些圖片對象的大小超過了剩余的可用內(nèi)存空間，從而發(fā)生內(nèi)存溢出的意外情況。本文對此簡稱為ROID應(yīng)用中圖片列表造成內(nèi)存溢出。作者對ROID項(xiàng)目的圖片列表中圖片信息的數(shù)據(jù)源跟蹤分析，從優(yōu)化下載圖片和本地緩沖圖片入手，提出了有效防止內(nèi)存溢出的解決方案。對于該方案，作者所做的工作總結(jié)如下1對于下載過程先后提出了單線程下載模型、雙任務(wù)下載模型以及改進(jìn)型多任務(wù)下載模型。以發(fā)生OOM的次數(shù)和平均響應(yīng)時(shí)間為判斷優(yōu)劣標(biāo)準(zhǔn)，通過大量的實(shí)驗(yàn)數(shù)據(jù)篩選出最佳性能的下載模型。2對目前常用的本地緩沖圖片的多種技術(shù)的優(yōu)缺點(diǎn)進(jìn)行分析，并結(jié)合造成ROID應(yīng)用程序中發(fā)生OOM的具體原因，提出三級(jí)緩沖機(jī)制。通過對含有該機(jī)制的模型進(jìn)行大量實(shí)驗(yàn)，驗(yàn)證了改進(jìn)后的緩沖機(jī)制對避免OOM發(fā)生的有效性。3對含有第1、2步篩選出來的最佳性能的下載模型和三級(jí)緩沖機(jī)制的綜合模型進(jìn)行測試，通過對大量的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，驗(yàn)證了綜合模型比傳統(tǒng)模型對避免OOM發(fā)生更加高效。解決方案已成功在ROID應(yīng)用中付諸實(shí)踐。根據(jù)用戶反饋，應(yīng)用程序?yàn)g覽圖片信息的功能比較穩(wěn)定、順暢，很大程度上避免了OOM的發(fā)生，用戶體驗(yàn)得到了很大的提升。

簡介：由于業(yè)務(wù)不斷拓展，網(wǎng)站運(yùn)營商面臨大數(shù)據(jù)的處理壓力，特別是大量圖片的并發(fā)存儲(chǔ)和檢索會(huì)給網(wǎng)站性能帶來巨大影響，例如訪問速度下降、文件系統(tǒng)IO讀寫頻繁，甚至?xí)l(fā)網(wǎng)站崩潰。大企業(yè)通常購買高端硬件及配套解決方案進(jìn)行網(wǎng)站升級(jí)，但中小型企業(yè)往往無法承擔(dān)升級(jí)的高成本。因此，本論文設(shè)計(jì)和實(shí)現(xiàn)適用于中小型網(wǎng)站的圖片網(wǎng)絡(luò)存儲(chǔ)方案，以滿足大量圖片并發(fā)處理的需求。圖片網(wǎng)絡(luò)存儲(chǔ)方案核心是圖片服務(wù)器的設(shè)計(jì)與服務(wù)接口的實(shí)現(xiàn)。本方案可支持多個(gè)圖片服務(wù)器，并通過任務(wù)均衡分配進(jìn)一步提高服務(wù)性能和可靠性。圖片服務(wù)接口利用的緩存技術(shù)實(shí)現(xiàn)任務(wù)均衡分配，并在圖片服務(wù)器上優(yōu)化圖片存儲(chǔ)策略。網(wǎng)站開發(fā)人員可調(diào)用服務(wù)接口向圖片服務(wù)器上傳圖片和檢索圖片。圖片存儲(chǔ)訪問和WEB服務(wù)的分離，將減少WEB服務(wù)器的IO負(fù)載，提高網(wǎng)站的性能和穩(wěn)定性。LOADRUNNER實(shí)驗(yàn)證明，本方案可以滿足圖片并發(fā)存儲(chǔ)和檢索的功能在1000并發(fā)用戶情況下，圖片并發(fā)存儲(chǔ)和檢索的平均響應(yīng)時(shí)間小于5秒。并發(fā)用戶數(shù)相同時(shí)，圖片網(wǎng)絡(luò)存儲(chǔ)方案比本地存儲(chǔ)方案的響應(yīng)更快。