一种基于改进的MOTR的野生动物多目标跟踪方法，步骤包括:1)利用卷积神经网络从采集到的鹿视频中提取不同分辨率的多尺度鹿特征；2)利用改进后的高效混合编码器对前述的多尺度特征进行特征融合，输出融合后的多尺度特征；3)将融合后的多尺度特征输入到基于先验知识的查询初始化模块，输出带有鹿初步位置信息的检测查询；4)检测查询与融合后的多尺度特征一起输入到解码器中，最后输出当前视频帧的预测结果。本技术采用改进的编码器代替MOTR原有的编码器，实现低计算量的同时提升小目标跟踪能力；初始化检测查询策略，减少复杂背景的影响，降低了漏检现象，并提高了模型应用于不同野外场景的泛化能力等。

 本技术属于图像处理技术，特别涉及一种人脸深度伪造主动检测方法及检测系统，方法包括将可学习的保护信息通过深度图像融合网络嵌入原始图像中得到受保护的图像，深度图像融合网络对受保护图像进行逆向处理得到隐秘保护信息，并计算隐秘保护信息与嵌入图像的可学习的保护信息的残差；将得到的残差输入联合训练的判决器判断待检测图像是否被篡改。本发明一方面对多种类型的深度伪造方法都能有很好的检测性能，另一方面本发明嵌入的保护信息能够不受图像传播中良性图像变换。

 本技术涉及一种基于轻量级全卷积残差网络的结构多病害识别方法，包括以下步骤:获取单病害的图像，设定图像尺寸，并对每个图像样本进行标记，生成单病害数据集；对单病害数据集中的图像进行预处理，通过交叉混叠生成多种病害共存的复合病害样本图像，构建多病害数据集；搭建全卷积残差网络模型，设定超参数并采用Adam优化算法与分类交叉熵损失函数对网络进行训练；利用训练完成的全卷积残差网络进行结构病害识别，实现对多种病害的同时快速、准确识别。与现有技术相比，本发明能够在多种病害共存的情况下高效识别各类病害，克服了传统方法只能识别单一病害的局限性，具有显著的实用价值和良好的应用效果。

 本文属于建筑测绘领域，具体公开了一种基于多传感器融合的建筑三维缺陷检测方法、装置及设备，方法包括:获取位激光雷达、IMU、轮速计以及取像设备检测的数据；基于ESKF将激光雷达、IMU以及轮速计观测的数据融合，确定车载采集设备的速度和位姿；结合速度、位姿、激光雷达观测的点云数据，得到世界坐标系下的三维点云模型；根据三维点云模型生成对应的三维高斯函数，结合位姿将世界坐标系下的三维高斯函数投影到取像设备的坐标系下，并执行可微光栅化得到初步渲染的图像；结合取像设备观测的视觉图像构建损失函数，对三维高斯函数优化，迭代得到渲染后的三维视觉模型。通过本申请，结合多种传感器对建筑实现了融合定位与高精度建图。

 本技术提供了一种家畜体尺测量方法、系统、计算机设备及存储介质，属于计算机三维视觉点云领域，该方法通过三维点云分割技术，将自动采集的家畜的点云数据分割为多个部分。分割后的点云结合家畜的生理特征，准确定位体尺测量的关键点。为了提高关键点定位的精度，本发明提出了一种新颖的关键点检测方法，包括坐标归一化、关键点簇获取、关键点优化以及边缘检测。通过上述方法，有效减少了在体尺测量过程中可能出现的关键点偏移和测量误差。本发明实现了非接触、快速、精准的家畜体尺参数测量，在基因改良、健康筛查及动物福利评估等领域具有重要应用前景。实验结果表明，该方法具有高度的准确性和鲁棒性，能够显著提高体尺测量的效率和精确度。

 本技术公开了一种基于形状先验的双分支细胞核实例分割方法。该方法主要是将U‑Net解码器分成两个分支即mask和edge分支，一个用来预测细胞核掩膜，一个用来预测细胞核边界，并提出了一个密集空洞卷积模块辅助细胞核边界生成以及一个多尺度卷积模块辅助细胞核掩膜生成，之后分别将两个分支得到的特征融合在一起，同时利用后处理操作得到相应的核实例。然后，利用先验知识设计了一种改进的损失函数，针对mask分支和edge分支分别选择适当的损失函数，最后，将两个任务损失函数的加权和作为网络损失来指导模型训练，通过将先验知识嵌入到损失函数中，有效解决了细胞核轮廓不光滑、异形等问题。

 本技术的实施例提供了一种基于子空间前景感知的少样本目标检测方法与系统，该方法包括获取支持图像和查询图像；将支持图像和查询图像输入至经训练的基于子空间前景感知的少样本目标检测模型中，得到基于子空间前景感知的少样本目标检测模型输出的目标检测结果，基于子空间前景感知的少样本目标检测模型至少基于双向对比损失函数训练得到，目标检测结果至少包括检测框、目标分类、置信度、回归参数，其中，基于子空间前景感知的少样本目标检测模型用于至少基于前景感知模块、多个基于子空间的特征聚合模块，对查询图像进行目标检测，以得到目标检测结果。

 本文公开了一种基于时空注意力的轨迹预测方法、装置、设备及介质，涉及轨迹预测领域，该方法包括根据目标场景中的目标构建当前时刻的时空图；将当前时刻的时空图输入轨迹预测模型中，得到目标场景中的目标在下一时刻的位置；其中，轨迹预测模型是基于时空注意力机制循环神经网络构建的；时空注意力机制循环神经网络包括:边缘编码层和节点状态转换层；边缘编码层是基于循环神经网络构建的；状态节点转换层是基于多头注意力机制和门控循环单元构建的，本申请能提高目标的轨迹预测精度。

 为了能更好地对互联网中彩色图像的数字版权进行有效保护，本技术公开了一种基于离散Hankel变换的彩色图像盲水印方法。首先，对水印图像进行降维，并利用Lorenz混沌映射加密算法对分层水印图像进行加密。对彩色宿主图像同样进行降维分层的预处理，并且分成不重叠的图像块。对图像块进行离散Hankel变换之后，最后根据蓝色通道、红色通道、绿色通道的嵌入顺序将水印信息嵌入到图像中，该算法在鲁棒性、安全性和不可见性等方面均有较好的性能。

 本技术公开了一种基于小样本学习的视线估计方法，属于计算机视觉技术领域，旨在通过面部外观估计人的视线方向。主要包括以下发明内容:(1)提出一种基于条件神经过程的视线估计模型，提高了针对特定个体的视线估计精度；(2)提出一种基于注意力机制的标签‑特征融合模块，充分利用少量校准样本提供的先验信息，有效提升视线估计精度；(3)提出一种基于小样本学习的视线估计模型训练方式，在通用模型的基础上训练小样本学习模型，快速训练得到特定于人的视线估计模型。