本发明公开了一种基于超图模型的RGBD图像显著性检测方法，该方法包括：对待检测彩色图像和深度图像进行超像素分割，对深度图像的每一个超像素区域进行邻域深度对比图的计算，依据邻域深度对比值构建深度背景超边；提取位于图像边界的超像素区域构建边界背景超边；计算两个超边的权重，并根据超图学习算法进行超边展开，构建诱导图；基于诱导图的空间邻接关系和边权重，利用边界连通性先验计算边界背景显著图；采用基于元胞自动机的显著度更新算法和结合深度先验的融合算法得到最终的显著性检测图。本发明弥补了传统2D边界背景先验中的不足，利用深度信息和超图模型进行改进，与以往结合彩色和深度信息的图像显著性检测方法相比取得了更好的效果。

产品详细介绍 笔记本PCMCIA彩色黑白高清图像采集卡是一款高品质图象采集卡，支持1路复合视频输入和1路S-Video输入，分辨率720*576。采用10 bit A/D转换芯片，能得到高画质高清晰图像，采用多层滤波，画面分辨率高，色彩更加丰富艳丽，图像采集的实时性能更强，采样频率更高，性能更为稳定。 特别适于：笔记本图像采集处理、高精度高速图像采集处理 医学图像采集、显微成像、工业检测、野外图像采集存储、野外监控录像系统 便携移动图像采集处理、移动智能交通、移动电子警察、移动车辆稽查系统 【PCMCIA接口采集卡性能指标】 l  PCMCIA接口采集卡 笔记本专用采集卡 笔记本图像采集卡真彩色/黑白方式采集图象数据：8位-32位； l  图象显示采集分辩率：720X576，可以无级缩放； l  PCMCIA接口采集卡 笔记本专用采集卡 笔记本图像采集卡可采集静态BMP/JPEG和动态MPEG4文件； l  具有1路模拟视频输入和一个S端子（YC分量）输入； l  实现视频信号的实时显示，扫描、同时采集处理； l  采样位数：黑白方式8Bit，彩色方式RGB15、16、24和32Bit； l  PCMCIA接口采集卡 笔记本专用采集卡 笔记本图像采集卡水平解像度：可达电视线480以上！ l  亮度、对比度、画面的大小比例均可由软件编程调节，硬件支持窗口缩放；  l  灵活实用的显示方式：Bitmap mode (BMP/DIB)、DirectDraw back buffer mode 、DirectDraw primary DirectDraw overlay 【笔记本专用采集卡特点介绍】 l PCMCIA接口采集卡 笔记本专用采集卡 笔记本图像采集卡独特的视频输入滤波技术端口，极大地提高了图像采集的清晰度和显示速度； l  软件功能丰富完善、开发简单方便，在MV系列图象卡中容易移植； l 提供二次开发工具包，全力支持开发！我们还可以根据用户的要求直接改写软件，或代为ODM、OEM，全面满足您的需求。 我们提供您方便的二次开发包（SDK），甚至还能根据用户的要求直接写应用软件，外置图像采集卡对于行业应用的大批量订单，我们可以根据客户的需求进行软件硬件方面的修改（ODM）。    PCMCIA接口采集卡 笔记本专用采集卡 笔记本图像采集卡二次开发包支持VB、VC、DELPHI等进行二次开发，我们提供方便的开发示例的源代码，外置图像采集卡可以让您方便快速的开发您的自己的应用系统。 外置图像采集卡非常亲和的硬件快照功能，低电源消耗，非常适合笔记本电脑，可配合快速的图象编辑软件，支持WIN2000/winxp操作系统。 （产品可大量为客户OEM、系统集成商所配套，提供优惠的价格优良的服务） 【笔记本图像采集卡应用领域】 工业检测、智能交通、电子警察、交通抓拍、医学影像、工业监控、仪器仪表、机器视觉、病理显微、人工智能、医学内镜、生物识别、安防监控、视频会议等领域。

产品详细介绍系统概述： 本系统采用最先进的图像（人脸、色彩、物体移动趋势等多种方案联动）跟踪方案，其优势部分在于其跟踪策略的组合及配置（多位优质课专家参于设计，并在数千堂实况课实时测试更新），配合其它厂家的录播主机可满足智能跟踪系统的需求，学生和教师跟踪主机可分别单独使用，同时使用可以达到最佳的无人值守的学生及教师跟踪轨迹，是目前教育市场上最佳的图像跟踪方案，此方案的跟踪策略完全由主机智能分析完成，兼容市面大部分主机厂家录播主机，不需要录播厂商或系统集成商二次开发。 教师跟踪主机（型号：WIS-ITRACE-T01）： 学生跟踪部分（型号：WIS-ITRACE-S01）：     功能简述： l         平滑的教师跟踪、清晰的板书跟踪、准确的学生跟踪; l         自带窗口化调试工具，安装调试及使用调试，有基本电脑常识的老师即可设置; l         满足教学PC的鼠标键盘移动侦测响应; l         灵活的摄像机拉近拉选，可用鼠标的滚轮来按制，像操作窗口滚动条一样拉近拉选; l         简单的云台控制，实现平滑的画面感且可设定移动速度 l         快捷的场景切换，可预置远中近和全景四个场景，由快捷按钮一键实现 l         方便配合云台的预置位，而且可以用鼠标光标直观控制，人机操作方便   系统特点： 1、  教师跟踪模式：智能图像识别，直接对录制视频图像进行分析，老师讲课时无需佩戴任何定位设备，也无需安装任何红外、超声波、射频发射器以及图像辅助定位摄像机，实现常态化教学（含板书跟踪、鼠标移动侦测）； 2、  学生机跟踪模式：由一台广角全景定位摄像机和跟踪摄像机组成，定位摄像机监控整个教室内学生起立和举手动作并控制跟踪摄像同进行追踪和定位，准确度较其它跟踪方案高，且安装简单； 3、  跟踪距离：2M～50M（视摄像机的焦距能力而定）； 4、  跟踪角度：0～355度； 5、  最小跟踪目标：≥4*4像素； 6、  抗干扰能力：采用领先的人体特征跟踪算法，完全不受光线、声音、电磁等外在的环境影响； 7、  定位与实时：自动识别目标位置，定位精确，多种跟踪策略可选，并可自定义跟踪策略； 8、  标准1U机架式设备，功耗低，稳定性强，兼容性强，标准化云台接口，支持多种云台设备； 9、  支持高清摄像机的方案；   方案的对比   智能图像跟踪系统 红外跟踪 超声波 图像流畅度 流畅 不流畅 不流畅 定位准确度 误差<2% 误差>10% 误差>20% 抗干扰性 强 太阳光，热光源都会差生干扰 有辐射，对人体有害 安装难易 简单，只装摄像机，安装调试半天 复杂，还要安装发射和接收，一般2-3天 复杂，安装接收和发射，一般2-3天 产品升级 容易，更新主机即可 困难 困难 系统组成部分 跟踪主机独立完成 需辅助设备 需辅助设备 实时跟踪，目标跟踪 350度跟踪目标，不会丢失，跟踪流畅 角度受限，有盲区 角度90度左右，有盲区   主机参数： l         通迅、管理、扩展接口：RS232 l         视频接口：CVBS l         电源：AC 5V   主机应用： l         精品录播课程 l         多媒体教学 l         校园电视台 l         手术示教 l         微格教室 l         优质课评选 l         各种会议 l         指挥调度  

成果介绍“卫星与无线通信融合系统研发及产业化”就是由东南大学、南京中网卫星通信股份有限公司和江苏大学三家单位合作完成。卫星通信具有覆盖广和不受地域限制的优势，但是受到遮挡以后，信号就会不好，而且通信的成本太高，2M带宽每小时就要花费几千元。而随着3G、4G的普及，地面无线通信已经发展得相当完善，但是在地面基站未覆盖区域，或基站一旦受到洪水、台风、地震等自然灾害破坏时，就无法通信了。正是基于这两个通信系统的特点，我们‘取长补短’，巧妙地将两种通信系统融合起来，研制完成的系统可以根据不同策略自适应地选择地面通信链路或卫星链路”技术创新点及参数他和团队成员克服了很多困难，提出了多项独创性的方法，目前已申请国家发明专利40项（其中24项已经获得授权），编制国家标准3项，发表国内外核心期刊论文61篇（其中SCI收录16篇）。项目研制的卫星与无线通信融合系统实现了规模产业化，部分性能指标处于国际领先水平，并在气象、安监、环保和军队等诸多行业得到极其广泛的应用，得到了政府有关部门和客户的一致好评。市场前景目前本项目的产品已经应用到全国26个省市的18个行业。其中，气象和安监市场占有率达到70[%]，环保市场占有率达到60[%]。产品曾为“神舟系列”飞船的发射和回收提供气象保障，为汶川地震、雅安地震和甘肃舟曲特大泥石流等提供了应急通信服务，为上海世博会和深圳大运会等重大活动提供了气象保障和视频直播服务。产品已经实现直接销售收入8.3亿元，产生的间接经济效益数百亿计。

大数据应用的多样化 需要的计算模型、数据模型多样化； 目前每类模型需要单独的开源系统来支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系统导致大数据分析平台非常复杂、效率低下。研究目标：研究和开发面向新型多计算模型融合架构的、高时效、可扩展的新 一代大数据分析支撑系统与工具平台FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。针对目前大数据分析平台复杂、效率低下的痛点，该系统具有三个 方面的优势：首先，这套系统采用融合架构，一方面实现关系、图、键 值、文档等多种数据模型的高效融合，另一方面实现批处理计算、流计 算的深度融合，并可以通过SQL扩展语言来进行多模型的统一查询，实现高效的跨模型查询。其次，对于复杂系统来说，时效性非常重要，这 套系统采用融合架构提高效率是实现高时效的基础，更重要的是，我们 对大数据分析从数据到用户进行了端到端的全栈时效优化。最后，对于 大数据应用来说，系统扩展性非常重要，本系统在资源层、存储层和计 算层进行了全面的扩展性优化。下面在融合架构、高时效和可扩展这三 个方面，分别详细介绍FAST系统的三个主要亮点。融合架构FAST系统的第一个亮点是融合架构，我们在技术方面的创新主要包 括多数据模型融合和多计算模型融合两方面。多数据模型融合：设计和研发了多模型数据管理与查询引擎，支持关系、图、键值、 文档等多种数据模型，实现了查询解析、查询优化、元数据管理、数据 分布等功能，将多种数据模型进行统一管理和深度融合。同时扩展了SQL语言，通过统一的查询接口支持对关系、键值、图、文档等数据进行独立访问或者跨模型查询。经过试验，多模型数据融合查询，比Spark 2.3.4的查询时间能平均减少70.7%。目前spark等现有系统还需要手工编程方式来实现跨模型查 询，所以FAST系统在易用性上也表现良好，降低使用门槛，提高开发效率。多计算模型融合：在计算层实现了最常见的批处理计算和流计算深度融合，批流融合的核心方法是在系统内部实现批和流的统一表达，批是对有限数据集 的运算，流是对无限数据流的计算，我们设计了UCollection结构对批和 流数据进行统一表达，通过识别的bounded标志，来确定是批、流、或批流融合。有了统一表达，可以开展一系列融合优化来提升系统性能。 并且对上通过Unified API统一用户的批、流接口，实现二者在编程范式上的统一表达。对于批流混合的计算，融合架构系统的查询延迟比Flink 1.4.2能减少57%，吞吐量平均可以提升到6.72倍。高时效FAST系统的第二个亮点是高时效，即缩短大数据分析的时间消耗， 提高效率。由于大数据分析平台是一个非常复杂的系统，为了做到高时效，系统不能存在性能短板，因此需要对大数据分析的整个过程进行端到端的全栈时效优化。如图中所示，自下而上，需要在多模态存储、批流融合、机器学习、人工操作各层都进行优化。对于多模态存储，面向应用负载和异构硬件特征进行自适应优化；对于批流融合计算，在统一表达基础上，进行系列融合优化技术， 包括DAG优化、迭代优化、部署优化、操作符优化等；在机器学习层面，进行模型优化、消息优化、梯度优化、概率优化 等来提高时效；而且我们也考虑到大数据分析过程中用户人工操作的时效性问题， 通过智能地进行大数据分析方法和模型的推荐，来缩减人工操作的 时间。可扩展FAST系统的第三个亮点是可扩展，由于大数据应用规模很大，数据增速快，对系统可扩展性的要求非常高，为此我们在系统的资源层、 存储层和计算层进行了全面的扩展性优化。在资源层，系统都部署在云计算的虚拟化资源之上，利用了云计算资源的弹性机制进行系统扩展。并在系统中实现了可伸缩调整模块， 能实时监控软硬件系统的状态，按照应用需求来自适应地进行弹性伸缩。在存储层，分布式存储系统扩展性的关键在于分布式共识和一致性 协议（Raft），因此提出了KV-Raft、vRaft等进行Raft的扩展优化。在计算层，我们扩展了机器学习模型的参数规模，使系统可以支持 到百亿级别的超大规模机器学习模型训练，并且性能方面有明显提 升。亮点成果：融合架构大数据分析平台目前已经在阿里巴巴双十一进行示范应用。 从2020年11月10日至11月16日一周的时间，在阿里的生产环境中，研发 的系统一直连续稳定运行，基于淘宝和天猫的实际用户信息进行大数据 分析，综合运用了本系统的存储、计算、机器学习等多个模块的能力， 累计进行了184亿件商品推荐。同时在双十一期间，基于智能交互向导技术，也面向电子商务应用 的卖家提供了“生意参谋”应用，基于大数据分析，帮助卖家分析产品 销量变化的原因，以及促销的有效手段等。

流立方在技术流派里属于流式大数据实时处理领域，但兼顾了批式数据处理技术的优势，一定程度的做到了混合时态的实时处理。流立方通过在数据流水过程中嵌入流处理引擎将所有流过的数据进行实时处理, 并生成多维度的可计算数据魔方。1）超高并发性：“流立方”产品拥有每秒处理百万笔交易流水复杂分析的能力。而达到这样的性能仅需要 8 台普通的 pc 服务器搭建的集群。2）超低时效性：流立方对每笔流水处理的延时严格控制在毫秒级，实际生产中平均延时稳定在 10 毫秒左右。形象一点来说，也就是在海水涌进海洋的几乎同一时刻，数据就被分析完成了，远远低于人类学上 0.1 秒即有所感知的时间节点，处理速度比一眨眼快了很多倍。最近一年，流立方的高级版本更是提升到了微秒级的处理延时，将被用在春运票务、军工、反恐等要求更加极致的场景。3）高可靠性、高扩展性、高兼容性：流立方自带的可计算分布式缓存高性能、高可靠、高可扩展。在内存不足时, 能够平滑扩展到多节点。流立方平台内支持算法数量达到几十个。计算模型、脚本独立管理,在线编写、即时部署即时生效, 大大节约上线时间。