舰载起重机的智能控制系统及仿真研究

该舰载起重机是我国正在研制开发的多关节、可折叠式船用起重机。针对这种作业复杂的控制系统,本文设计了一种分层递阶智能控制系统, 给出了它的结构和实现功能。该系统的伺服控制级由模糊神经网络控制器完成。经仿真实验, 结果显示了控制系统具有良好的控制效果。     

基于全时空立体智能监控平台的实训教学设计

全时空立体智能监控系统可实现对大场景的三维立体全局监控和智能分析,具有全方位、全空间的安全态势感知和应急反应协调功能,将会成为新一代智能监控的重要工具.该文以中国人民公安大学环境为现场构建的全时空立体智能监控实训教学平台,研究开发了基本功能实现及操作、可疑目标跟踪、历史回溯实现等实训教学项目,同时还提供了保证实训项目得以顺利开展的组织实施办法.通过这些实训项目的训练,学生可以在熟悉的环境中快速掌握全时空立体智能监控的基本理论,尽快实现从“看得清”到“看得懂”的质的飞跃,达到实战决策指挥能力得以提高的目的.     

基于OpenCV的人脸检测与跟踪方法实现

人脸是视频内容中的重要信息,对人脸的检测与跟踪是智能视频分析的一个重要分支。实现了基于OpenCV的人脸检测与跟踪方法。首先计算视频图像的Haar-like特征,然后利用AdaBoost级联分类器进行人脸检测,最后使用基于颜色的Camshift算法实现人脸跟踪。在VS 2010开发平台上调用OpenCV函数库进行C++编程;并使用MFC框架实现了人脸检测与跟踪方法。仿真实验结果证明方法思路合理、计算复杂度较低、鲁棒性较好。     

核事故下源项排放率对放射性物质大气扩散及沉降的影响

在研究核事故下放射性物质大气扩散模拟的过程中,源项排放率对放射性物质大气扩散及沉降的影响是一个关键问题。使用不同类型的假设源项模拟核事故下放射性物质的排放,并探究可以造成较高核污染水平的源项类型。结果表明,模拟得到的放射性物质地表沉降值受到源项排放类型和排放起始时间很大影响。在所有的模拟中,无论排放起始时间如何设置,一次性排放导致的污染面积均大约为连续排放的3倍。结论表明,在下风向且高降水量区域,一次性排放比连续排放更容易造成较大的污染面积,此外,排放源越接近一次性排放,风场和降水的瞬时影响越关键,那么对源项排放率的估计以及风场和降水的模拟精确度的要求越高。     

一种机械臂液压驱动系统模糊控制仿真

针对某舰载机械臂及其液压驱动系统综合动力学模型，设计了一种基于矩阵式编码的遗传算法。该算法通过对模糊变量隶属度进行优化，能够达到改善模糊控制器性能的目的。仿真结果表明该方法是可行的。     

遮挡情况下的人体检测与跟踪

人体检测与跟踪技术在智能视频监控中有很好的应用价值。提出了一种遮挡情况下的人体检测与跟踪算法。人体检测部分,利用RGB颜色模型与均值漂移算法,从混合高斯分割出的含有遮挡人体的目标中提取多个人体头肩模型,计算人体头肩模型的轮廓特征。采用傅里叶描述子与神经网络分类器实现人体检测。人体跟踪部分,采用基于颜色线索的粒子滤波器作为基本的跟踪算法,为了解决遮挡问题,采用三台摄像机实现多视角跟踪人体,利用三台摄像机之间关于主平面的映射关系确定遮挡人体的跟踪结果。该算法提高了人体检测的准确率和人体跟踪的可靠性,可以广泛应用于复杂环境中的多个人体的检测与跟踪。     

基于公安业务的视频图像信息共享平台研究

视频图像信息共享平台的建设将是下一阶段全国公安机关的主要工作之一;但是,由于各平台开发厂家不同、互通接口不同、数据格式不同,导致难以充分共享累积的大量视频资料。该文基于对部分省级、市级和县级平台问卷调查的结果,分析总结了各级各地公安机关以及不同警种对共享平台的共性需求和特性需求,并归纳出业务需求的特点;通过对比分析共享平台产品的技术资料,研究了共享平台产品的软件架构、开放接口方式、与公安业务集成方式,以及平台的时间特性、并发访问能力2个关键技术指标;最后,根据公安机关的业务需求和目前共享平台的建设现状,提出了各级各地公安机关以及各警种在建设视频图像信息共享平台时应遵循的主要规则和应解决的首要问题,以期实现平台之间的互联互通,达到信息的高度共享和数据的深度挖掘应用。     

犯罪地理画像方法与应用研究

犯罪地理画像技术是根据已发生的系列犯罪地理位置信息找到犯罪分子最有可能的住处或工作地，在国外犯罪侦查中已经得到广泛应用，而在中国尚属起步阶段。阐述犯罪地理画像技术的理论基础，包括日常活动空间理论、合理选择理论和犯罪模式理论；在此基础上，以犯罪地理目标模型为例，给出犯罪分子居住地的计算方法；最后结合案例进行了应用介绍。     

机械手时间能量综合最优轨迹规划

利用B样条函数逼近机械手运动轨线，并通过引关条曲线的伪距离和伪速度参量化解轨迹，进一步利用动态规划法进行二维动态寻优，最终获得机械手时间－能量综合最优轨迹。     

基于时间序列分解与全连接神经网络的警情长周期时间序列预测

传统的警情时间序列预测以实际的发案数量为目标,且仅能实现短期的预测,但由于警情时间序列本身固有的强随机性使预测很难达到理想的效果。根据警情时间序列数据的特点,从公安工作的实际需求出发,提出了一种基于时间序列分解与全连接神经网络的(STL-FNN)预测模型,该模型以预测警情的单日发案的风险等级为主要目标,能够实现警情风险等级的长周期预测。利用该模型对B市侵财类警情数据进行了时间序列长周期预测的实证分析,结果表明:STL-FNN模型能够实现一年的警情单日发案风险的预测,平均准确率为0.624 7,预测性能优于Holt-Winters、LSTM、Prophet和ARIMA等模型。