基于Gabor小波和模糊支持向量机的嘴巴识别方法

提出了一种结合gabor滤波和模糊支持向量机进行嘴巴状态检测的方案.首先用gabor小波对人脸图像进行特征提取,从而得到嘴巴特征图像,然后在特征空间中,用FSVM设计嘴巴状态分类器.实验结果表明,该算法能够取得较好的分类效果.     

基于人眼状态的驾驶员疲劳检测

为提高驾驶员疲劳检测的准确性, 提出一种改进的眼睛状态检测方法。利用“参考白冶算法对原始帧图像做光照补偿处理, 基于肤色特征检测出人脸; 利用积分投影法将人脸和眼睛分割出来, 结合眉毛和眼睫毛之间距离的变化、眼睛区域黑色像素点的个数变化这两个参数对眼睛的状态做出判断。若连续5 帧图像眼睛均为闭合状态, 则系统给出疲劳警报。实验结果表明, 利用两个参数检测的准确率高于单个参数检测的准确率。     

基于神经网络的驾驶员觉醒水平双目标监测法

在驾驶员疲劳状态单目标状态识别的基础上,提出了驾驶员嘴巴与眼睛状态双目标疲劳状态判别法.该方法将驾驶员眼睛和嘴巴的特征向量值按先后顺序,分别输入到修正的BP网络中,采用区域匹配算法,根据驾驶员疲劳状态量化评判标准,综合识别驾驶员的觉醒水平.采用VC++开发了驾驶员疲劳监测算法软件,并对驾驶员进行了监测仿真试验.结果表明,双目标监测系统能够实时、准确地监测和识别驾驶员的觉醒水平,具有较高的识别容错性和准确性.     

融合人脸特征和相关向量机的多姿态人脸检测

多姿态人脸检测是人脸检测研究领域中的难点和热点之一,针对这一实际应用中亟待解决的难题,提出融合人脸特征和相关向量机的检测算法。算法首先利用肤色特征快速排除大部分背景,在肤色区域中搜索眼睛和嘴巴区域。根据眼睛和嘴巴区域的几何特征所确定的人脸方向,分割出大致正向的人脸候选区域。最后选用分类性能比支持向量机更优的相关向量机对候选区域进行分类。对比实验表明,算法提高了多姿态人脸的检测率,对光照、表情和遮挡有较强的鲁棒性。     

基于眼睛状态识别的疲劳驾驶检测

由于光照变化、头部姿态等因素的影响,现有的疲劳驾驶检测精度仍有待提高。针对该问题,提出一种基于迁移学习的眼睛状态识别网络(Gabor and LBP-convolutional neural networks,GL-CNN),该网络是由Gabor特征和LBP特征通过迁移学习加入卷积神经网络(convolutional neural networks, CNN)调制组成的。首先用多任务级联卷积神经网络(multi-task CNN,MTCNN)检测驾驶员的人脸和双眼,然后经过眼睛筛选机制获取待检测的单只眼睛,通过GL-CNN识别眼睛的睁闭状态,最后根据PERCLOSE准则判断驾驶员的疲劳状态。实验结果表明,该算法具有较高的准确率,可以检测多种姿态眼睛的状态,同时满足实时性的要求。     

基于DSP人脸特征识别的司机疲劳驾驶预警系统研究

疲劳驾驶是造成交通事故的一个重要原因。为实时有效地检测驾驶员的疲劳状态,设计了一种融合眼睛和嘴巴两种疲劳特征进行疲劳状态判定的检测算法,并构建了基于DSP人脸特征识别的司机疲劳驾驶预警系统。该算法采用"Harr特征值+Ada Boost"的方法进行人脸识别,然后根据人脸图像的灰度分布定位眼睛和嘴巴的位置,利用Hough变换,以及模板匹配技术判断出人眼的开闭状态,计算PERCOLS值作为司机疲劳驾驶的一个判断指标。除此之外,本系统还利用嘴巴的宽高比及打哈欠的持续时间来综合判定司机的疲劳状态。通过仿真测试结果表明该系统的算法准确、可行、实时性强。     

基于眼睛状态识别的驾驶员疲劳监测

提出一种基于眼睛状态识别的驾驶员疲劳状态监测算法。在首帧定位人眼并在眼睛区域内提取多个具有互补性的特征,使用粒子滤波算法进行直接跟踪;在后续图像帧中利用CAMShift算法对初始检测到的人脸区域进行实时跟踪,在人脸区域中同步检测眼睛,检测结果用于粒子滤波器的后验确认和修正。在跟踪眼睛的同时检测每帧中的眼睛状态,通过连续帧中的眼睛状态判断出驾驶员精神状态。实验表明:该文算法对人脸旋转和尺度变化、摄像机抖动,以及遮挡的影响均具有较高的鲁棒性。     

基于眼睛与嘴部状态识别的疲劳驾驶检测

为在驾驶员佩戴眼镜的情况下也能准确有效地检测疲劳状态, 提出一种判断是否佩戴眼镜的方法, 并建 立了基于眼睛与嘴部状态的疲劳驾驶检测系统。 对该系统中有关目标检测、 特征提取与图像识别等算法进行 研究。 首先, 采用 Adaboost 算法通过人脸分类器从视频帧中检测人脸区域, 并根据面部器官几何分布规则粗检 眼睛与嘴部区域; 其次, 基于大律法自适应二值化, 采用垂直积分投影法判断是否配戴眼镜, 根据灰度直方图 统计特征值法判断戴眼镜的眼部区域状态, 另外, 利用似圆度判断嘴部打哈欠情况; 最后, 利用 PERCLOS (Percentage of Eyelid Closure over the Pupil)值识别眼睛疲劳状态, 利用打哈欠频率识别嘴部疲劳状态。 当检测 到驾驶员处于疲劳状态, 则及时给出疲劳警告。 实验结果表明, 该方法可有效解决眼镜对检测的干扰, 并适用 于不同光照与环境。 同时, 在戴眼镜情况下对于眼睛与嘴部疲劳状态的判断优于其他方法。 基本满足疲劳检 测系统对良好的实时性、 稳定性与鲁棒性等要求。     

基于径向对称变换的眼睛睁闭状态检测

为实现干扰条件下的眼睛睁闭状态检测,提出了一种新的基于径向对称变换的眼睛状态检测方法.该算法充分利用了睁眼状态下瞳孔的灰度特性及其径向对称特性,有效地解决了光线变化、不均匀光斑、睫毛和镜框等因素的干扰.大量的实验结果表明,该算法具有较好的检测效果,对各种干扰情况有较强的鲁棒性,并且检测速度快,能够达到实时要求,而且能在眼睛状态检测的同时实现瞳孔定位.     

基于机器视觉的手机异形主板非标自动化检测算法

以RF自动测试线中手机异形(L形)单板四连排布在非标自动化测试系统中的图像为研究对象,提出了基于改进的AKAZE特征检测算法,保证了在目标出现尺度、旋转、光照等变化时算法自身有较强的鲁棒性,克服了传统方法在异常情况下特征唯一性及稳定性的局限,实现了对PCBA穴位或治具异常的准确判断。引入支持向量机方法,对工位及治具状态进行判断,通过建立SVM分类模型对已组建的特征样本库进行分类训练,大大改善了目前实际生产中使用的简单分类法的效果。实现了跨平台代码移植,在实际的自动化测试平台环境实现了对PCBA的异常检测,结果显示该算法能够满足实际生产精度和实时性的指标要求。     

基于Lyapunov指数Duffing混沌检测系统状态的判定

为解决Duffing混沌检测系统状态判定的准确性,克服直观相图判定法存在的不足,提出了采用Lyapunov指数定量地判定Duffing混沌检测系统状态的方法.在分析判定方法及Duffing系统中Lyapunov指数算法的基础上,进行了系统仿真和数据分析,结果验证了利用Lyapunov指数判定Duffing系统状态的可行性,从而能有效地应用于微弱信号检测,保证信号检测的可靠性.     

基于ARM嵌入式系统的空闲车位检测方法

针对室外停车场,给出一种摄像头检测空车位的方案。基于最大后验概率的意义,将车位状态组合问题转变为最短网络路径的求解,给出了求解该网络最短路径的快速算法。通过内嵌ARM11系统的智能摄像头进行图像拍摄和车位检测算法的快速运算,实时检测车位状态,然后,把检测结果传送到服务器。基于C/S网络模型,用户可以从计算机终端和液晶屏观察和查询车位信息。实验表明,该系统可以方便地用于准确检测空闲车位,同时,实现停车场的信息管理。     

一种多链路状态自动检测及快速切换算法研究

针对传统链路检测方法存在的问题,在Linux系统自带的命令的基础上,提出了一种在本地自动检测链路状态的方法,并在系统存在多条链路的情况下,通过系统路由划转实现链路的快速切换,进而使上层应用不受链路故障影响。嵌入式Linux系统上的仿真实验数据有效地验证了所提出算法的高效性及实用性。     

Multi-agent Belief, Goal and Exceptions Reasoning

Temporal logics are often adopted as basic tools to specifying mental states such as belief and goal of agents. Althoush there are works on non-monotonic extension of linear temporal logic (LTL) and branching time temporal logic (CTL), the non-monotonic extension of alternating-time temporal logic (ATL) which is an important kind of multi-agent cooperation logics has not been discussed yet in literature. To solve this problem, this paper proposed non-monotonic alternating-time temporal logic with belief and goal, namely N-ATL-BG, to facilitate the non-monotonic reasoning of mental states of agents. The semantic model, syntax and semantics of this new logic are developed. A model checking algorithm which can be finished in polynomial time is proposed for this new logic. Examples are given to show its usage.     

无线Mesh网络中基于链路状态的RED算法研究

针对无线Mesh网络的特性,分析了随机早期检测(random early detection,RED)算法的实现过程,提出了一种基于链路状态的RED(link-states-based RED,LS-RED)算法。该算法的基本思想是通过移动节点的链路状态信息动态调整RED算法中的4个参数。详细讨论了LS-RED算法的实现过程,提供了无线网络下LS-RED算法参数的设置方法,并对该算法实现过程进行了分析,通过仿真分析验证了该算法对无线Mesh网络性能提高的有效性。     

一种通信有限状态机的被动测试及其错误诊断

针对现有的被动测试方法无法解决嵌入式通信系统的错误检测问题，提出了一种被动测试错误检测方法．该方法在外部通道放置观察者，并使用了全局状态描述系统的当前可能状态，利用了观察到的输入输出信息，同时结合了模型转换推测出系统的状态变迁．基于该检测方法又设计出一种层次化的错误诊断算法，首先记录被动检测过程中系统经历的转换轨迹，用变异分析方法生成候选诊断，然后通过被动观察来降低错误集合的规模，最后使用区分序列和交叉判定进行错误定位．通过一个实际的H．245通信协议的实验表明，所提算法能够在有限观察步骤内检测出被测系统中的错误，并能有效定位检测错误，其回溯算法也可以显著缩短错误症状序列的长度．     

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%。     

室内方向图可重构多天线系统的性能改善

为了提高笔记本终端无线网络的性能,考虑采用方向图可重构多输入多输出天线(MIMO).由于室内周围人的移动对网络传输性能的影响,提出了基于可重构天线辐射状态的选择算法.它的基本原理是,可重构天线的辐射状态对应着信道的传播状态,选择最佳辐射状态对应着选择最佳信道传输状态,也就是最大化信道矩阵的Frobenius范数.理论研...     

多原子测量和腔中真空单光子组合态的隐形传递

提出了一个隐形传送多量子位真空和单光子叠加纠缠腔场态的方案,通过原子与腔场发生非共振与共振相互作用以及控制原子与腔场相互作用的时间实现非破坏测量和交换信息,发现了通过测量原子的状态识别4个Bell腔场态的方法.