基于手绘草图的中保真原型自动生成

从手绘草图生成数字化的中保真原型是界面设计的必要步骤,它需要花费设计师大量的时间和精力.针对这一问题,本文提出了基于目标检测和启发式规则的中保真原型自动生成方法,并基于该方法实现了一个自动化工具.首先,本文提出基于置换注意力机制(SA)的目标检测模型SA-FRCNN对手绘草图中的组件进行检测;然后,提出启发式规则对检测结果进行布局优化.实验表明,本文方法能够提升对手绘草图的检测精度,较基线模型提高了2.3%;此外,本文工具可以有效提高原型设计效率.     

基于卷积神经网络的手绘草图识别

针对目前手绘草图识别难度大,识别准确率低且主要以手工提取特征为主,提出一种新的卷积神经网络结构DCSN( Deeper-CNN-Sketch-Net) 进行手绘图像识别。DCSN 模型是根据手绘草图的特点进行设计,如在首层采用了更大的卷积核获取草图的结构信息和更小的步长尽可能多保留特征信息,通过增加网络层数加深网络深度等。为进一步提高识别准确率,针对手绘草图的特点提出了两种新的数据增强方法,小图形缩减策略和尾部移除策略增加数据集的多样性,并利用扩充的数据集训练DCSN 网络。经实验验证,所提出的模型在目前最大的手绘图像数据集上可以取得70． 5% 的识别准确率,超过了目前存在的几种主流的手绘草图识别方法。     

基于PTV-TV张量建模的压缩视频背景前景恢复与分离

基于三阶张量的H-TenRPCA模型是解决压缩感知场景分离问题的有效方法,但该模型计算时间长,对硬件要求高,求解算法在理论上没有收敛性保证.为此,文中利用背景视频的时间连续性(PTV)和前景时空连续性(3D-TV)来重构压缩前的背景与前景,提出了基于PTV-TV张量建模的压缩视频背景前景恢复与分离模型,并采用有收敛性保证的两块ADMM算法来求解相关优化问题.实验结果表明:PTV-TV模型能够完整恢复出视频的背景和前景,对同一视频的处理,PTV-TV模型的计算时间仅为H-TenRPCA模型的2/3;对于复杂动态背景数据,PTV-TV模型在明显的时间优势下保持与H-TenRPCA模型相当的峰值信噪比和图像结构相似度.     

基于弹性网格HOG特征的手绘车符识别

研究了常用的28类机动车和非机动车的车符识别问题.针对手绘车符不规则形变和样本间相似度高的特点,提出一种基于弹性网格方向梯度直方图(histograms of oriented gradients,HOG)特征提取方法,该方法利用了水平与垂直投影直方图较好地表征图符的全局特征、局部特征及HOG特征,结合弹性网格吸收形变的能力,使得在现有的训练样本库中总识别率达94.8%,在手写数字等3个不同领域的手绘图符样本库中,平均识别率达92.5%.实验结果表明,该方法对手绘车符识别具有较高的识别率,对其他手绘图符也有较好的识别效果.     

一种基于BoW物体识别模型的视觉导航方法

针对复杂的室内环境,提出一种新的动态环境下的移动机器人视觉导航方法.该方法以室内常见物体作为自然路标,通过单目视觉建立识别模型来认知环境中的各种物体.首先对室内常见物体建立图像库,并对库中的大量图像采集SIFT特征;然后通过BoW模型来描述各幅图像,针对每类物体利用线性支持向量机(SVM)训练出物体识别模型;最后借助交互的手绘地图描述室内环境,移动机器人从中获得辅助路径以及自然路标的大概位置,从而完成导航任务.通过大量实验,从自然路标变化、目的区域变化、手绘地图偏差等多角度验证该方法的鲁棒性.实验结果表明,该导航方法操作简单高效,并具有人机交互性强、动态环境下适应能力高的优点.     

基于流行排序的前景背景显著性检测算法

为准确提取图像显著区域,提出基于流行排序的前景背景显著性检测算法。首先,采用SLIC(simple linear iterative clustering)方法对经平滑处理的图像进行超像素分割。然后以超像素作为图中节点,采用自适应参数计算节点之间的权重以解决因采用固定值导致的图像效果不理想的问题。其次,在计算背景查询节点时,通过阈值剔除边界超像素中不属于背景的像素,以保留合适的查询节点,避免因显著目标位于图像边界而错把非背景像素标记为背景查询节点的问题。最后,因前景优先方法可以有效抑制背景噪声,而背景优先方法对背景噪声抑制不足,但可均匀突出前景目标。因此,采用相乘或者取平均的方式融合前景背景显著图以得到最终的显著图。在公开数据集MSRA、SED2及ECSSD上与其他算法进行实验对比,实验结果证明了算法的有效性。     

基于自适应混合高斯模型的前景目标检测

在计算机视觉研究中,从视频序列中提取出前景目标是关键步骤之一。而混合高斯背景模型是前景目标检测的一种常用算法。针对传统混合高斯建模过程中分别对每个像素建立固定个数的高斯模型和相同的学习率这一缺陷,本文先对视频帧进行了分块处理,然后自适应的对每个像素块采取不同的高斯分布个数和学习率,并且在建模过程的不同时间段采用不同的学习率,最后对检测结果在空域上进行数学形态学的处理。实验结果表明,与传统检测方法相比,该方法能够更加准确和快速地检测出前景目标。     

基于矩阵分解的小计算代价RPCA模型及应用

鲁棒主成分分析(RPCA)是处理前景-背景分离问题的常用模型,然而原始RPCA模型及多数改进模型直接使用核范数来近似矩阵秩函数,常导致求解效率低且分离效果不理想等问题,尤其是当背景动态变化时。为降低计算代价,改善分离效果,引入矩阵分解技巧,同时在模型中加入二值模板和置信图等时空约束信息,对基于核范数的RPCA模型进行改进,提出一种新的小计算代价RPCA模型。运用增广拉格朗日乘子法求解改进后的模型,并在大量真实数据集上进行数值实验。实验结果表明,与现有的模型相比,新模型的召回率、准确率及相似度等评价指标都有明显的改善,且分离精度和求解效率也显著提高。     

基于背景Codebook模型的前景检测算法

很多背景场景都包括复杂的运动目标,解决这种问题的较好方法是获取每个像素或者一组像素的时间序列模型,这类模型可以很好的处理时间起伏。但是,计算复杂度高而且耗时。为了获得与自适应滤波相当接近的性能。采用Codebook来建模场景中感兴趣的状态,选择RGB颜色空间模型,学习一个覆盖组成图像像素三个通道上的Codebook,可以有效的解决像素剧烈变化的问题,从而鲁棒探测出场景的前景目标。通过实验结果表明,提出的基于Codebook背景模型的目标检测方法比传统的目标检测算法具有更高的精确度和鲁棒性。     

双背景模型的快速鲁棒前景检测算法

针对前景检测中的光照变化问题,提出一种基于双背景模型的快速鲁棒前景检测算法.通过建立简单的快慢双背景模型,提高前景检测的效率.结合视频时间感知信息和光照补偿措施,增强算法对光照变化的鲁棒性,提高前景检测精度.在具有光照变化的公开数据集上进行测试,实验结果表明:所提出的算法不仅对光照变化有较强的鲁棒性,同时,具有极快的处理速度.     

基于神经网络的几种控制图表模式的识别研究

建立一个复合的神经网络模型,使其可以更精确的判断输入的控制图模式,同时利用该网络模型的再分类功能,可以减少判断不同模式时所造成的误判断.通过对各种模式的训练和仿真,表明该方法相对于传统方法有较大的优势.     

基于网络图的软件项目进度计划编制

制订周密、简洁和精确的软件项目进度计划,是软件项目开发成功的关键.针对当前进度计划主要采用手工方法,编制速度慢、缺乏科学性等特点,基于网络图,运用工作分解结构、计划评审技术、关键路径法、甘特图等技术对其进行研究.说明了前期准备工作,包括定义活动、活动排序、绘制网络图;给出了推导时间参数公式,包括活动时间估计、项目周期估...     

基于反向双目识别的驾驶员分心检测

为检测分心驾驶状态,研究了基于反向双目的驾驶状态检测方法。首先,根据Hough算法进行车道线检测和识别,计算车辆偏航率;同时采用多点透视算法对驾驶员头部姿态进行估计;然后建立基于高斯隶属度函数模糊判断规则,根据车辆偏航率与驾驶员头部姿态对驾驶员驾驶状态进行识别。最后,采用所建立的驾驶员驾驶状态识别模型,对车道保持、换道行驶及分心行驶三种不同驾驶状态进行测试。结果表明,建立的驾驶员驾驶状态识别模型对上述三种状态检测准确率分别为99.0%、86.7%、80.8%。     

Driver Drowsiness Recognition Based on Computer Vision Technology

Driver drowsiness is one of the major causes of traffic accidents. This paper presents a nonintrusive drowsiness recognition method using eye-tracking and image processing. A robust eye detection algorithm is introduced to address the problems caused by changes in illumination and driver posture. Six measures are calculated with percentage of eyelid closure, maximum closure duration, blink frequency, average opening level of the eyes, opening velocity of the eyes, and closing velocity of the eyes. These measures are combined using Fisher’s linear discriminant functions using a stepwise method to reduce the correlations and extract an independent index. Results with six participants in driving simulator experiments demonstrate the feasibility of this video-based drowsiness recognition method that provided 86% accuracy.     

多角度视频的驾驶人员行为识别

驾驶员在行驶过程中看手机,与乘车人员交谈等违规行为,为安全行驶造成了极大的隐患。为了解决此 类问题,提出了一种多角度行为识别方法,从3 个角度同步捕捉驾驶员行为的视频,构建多角度驾驶员行为的 视频和数据集,利用深度卷积神经网络,进行识别分类。实验结果表明,3D CNN 相对于2D CNN 的识别精度 更加准确,在对比输入剪辑的帧数实验中,发现堆叠的视频帧数会影响准确度,并在具有较大优势的R2plus1D 模型中( 将3D 卷积滤波器分解为单独的空间和时间分量) ,基于多角度驾驶人员行为识别精度达到87%。     

基于模型匹配人脸识别的研究

提出了基于模型匹配的人脸识别方法.利用人的脸部特征规律建立一个立体可调的模型框架,在定位出人的脸部位置后用模型框架定位和调整人的脸部特征部位,着重于解决人脸识别过程中的观察角度、遮挡和表情变化等因素影响.     

基于雷达图的垃圾焚烧炉选择探讨

利用雷达图分析方法,对目前常用的垃圾焚烧炉从技术性能、经济成本和社会影响3方面进行了比较分析。结果显示:炉排焚烧炉具有最大的综合优势;回转窑和流化床焚烧炉整体性能较好,但个别问题严重;热解气化焚烧炉虽在综合评价中表现不佳,但作为垃圾焚烧的前沿技术应该继续展开深入的研究和探索。     

基于工作流图的办公自动化系统的设计和实现

传统的系统需求分析方法有数据流图法等 ,但对于基于工作流的系统如办公自动化系统并不适合 笔者运用工作流图法对办公自动化系统进行需求分析 ,明确了系统需求 ,接着给出了系统的功能模块设计 ,并研究了基于LotusDomino/Notes的系统解决方案和系统实现技术 ,最后应用于镇江市经委OA系统的建设中 ,开发出相关的应用软件 ,为办公自动化系统提供了一种新的实施方法     

基于BERT的危险化学品命名实体识别模型

针对危险化学品实体识别及关系识别的问题,本文基于双向长短期记忆网络连接条件随机场(Bidirectional Long Short-Term Memory with Conditional Random Field, BiLSTM-CRF)模型,通过引入双向编码器表示(Bidirectional Encoder Representation from Transformers, BERT)模型结合多头自注意力机制,提出了一种预训练命名实体模型BERT-BiLSTM-self-Attention-CRF,通过对危险化学品的文本进行字符级别编码,得到基于上下文信息的字向量,增强了模型挖掘文本全局和局部特征的能力。实验结果表明,在自行构建的数据集上,本文模型优于其他传统模型,其F1值为94.57%。     

基于EXIT图的TET-LDPC码优化分析

两边类型低密度奇偶校验码(two-edge type low density parity check,TET-LDPC码)是一种高效的信道纠错码,其性能受到删余变量节点度(punctured variable node degree,PVN度)的影响.为了分析PVN度对TET-LDPC码纠错性能的影响,基于外信息转移图(extrinsic information transfer,EXIT图)估算了TET-LDPC码在不同PVN度情况下的门限值,利用门限值的好坏来分析纠错性能的优劣,进而通过选取门限值好的PVN度优化TET-LDPC码.仿真结果显示,经过EXIT图优化的TET-LDPC码具有更好的纠错性能.利用EXIT图优化分析TET-LDPC码的方法,比现有的仿真试值法更加简捷、直观.