编码-解码多尺度卷积神经网络人群计数方法

针对基于多列卷积神经网络的人群计数方法存在的多尺度特征信息丢失、融合不佳以及密度图质量不高等问题,提出了一种编码-解码结构的多尺度卷积神经网络人群计数方法。编码器采用多列卷积捕获多尺度特征,通过空洞空间金字塔池化扩大感受野并减少参数量,保留尺度特征和图像的上下文信息;解码器对编码器输出进行上采样,实现高层语义信息和编码器前端低层特征信息有效融合,从而提升了密度图的输出质量。为增强网络对计数的敏感性,在以往像素空间损失的基础上考虑了计数误差,提出了一种新型损失函数。采用Shanghai Tech、Mall以及自建数据集进行了对比实验,结果表明:与之前最优方法相比,所提方法在Shanghai Tech数据集Part_A部分的平均绝对误差和均方误差分别降低了8.3%和21.3%,Part_B部分分别降低了12.9%和12.0%,Mall数据集分别降低了15.1%和23.8%,自建数据集分别降低了13.5%和7.1%;在不同人群场景下,所提方法的人群计数准确性和鲁棒性均优于其他对比方法的。     

基于人群密度估计的空调末端及新风量分级调控方法

负荷估计是空调系统优化控制的关键一环,人员移动的随机性和不确定性,使得建筑空间人员负荷难以准确估计,导致现有控制策略控制效果欠佳,系统响应不及时,滞后性大,造成能源浪费以及建筑内部环境热舒适性降低.针对该问题,提出一种基于人群密度估计的空调末端及新风量分级控制策略.首先,采集建筑空间图像信息,建立多列卷积神经网络人群密度估计模型,获取人员数量及动态分布,计算人员实时负荷;其次,引入人员负荷控制因子,提出空调分级调控策略,实现空调末端及新风供给.实验结果表明,方法能够更好地维持建筑内部热环境稳定,系统响应速度更快,具有较好的节能潜力.     

自适应先验马尔可夫随机场模型的图像分割算法

针对全局同态先验马尔可夫随机场(Markov random field,MRF)模型在图像分割中不能有效利用图像局部统计特征的问题,提出了一种基于局部自适应先验MRF模型的图像分割算法.该算法基于贝叶斯理论,利用局部先验Potts模型描述图像的局部特征,建立了一种局部自适应先验MRF模型;提出了基于区域的置信度传播(Belief Propagation,BP)算法,把图像的局部区域特征传递到全局,最终基于最大后验准则(MAP)得到图像的分割结果.实验结果表明:所提模型对于图像中的噪声或者纹理特征等具有较好的分割,分割结果明显优于全局同态先验MRF模型;提出的自适应先验MRF模型对于图像的噪声或者纹理突变信号的干扰具有较强的鲁棒性;算法具有较少的迭代次数和较好的分割结果,且分割时间较短.     

焦炉集气管压力系统建模与仿真

以焦炉集气管压力系统为对象，运用新思路，成功地建立了新形式的系统动态模型；利用MATLAB软件对集气管压力系统调整蝶阀开度和有炉况干扰情况的动态过程进行仿真研究，仿真结果表明所建模型正确、合理。     

焦炉集气管压力系统智能控制与仿真

由于焦炉集气管压力系统具有强干扰、多耦合、时变和非线性的特点，目前的控制系统效果并非十分理想。针对这种情况，提出将参数在线自调节与多变量模糊规则解耦相结合的智能控制策略，设计了焦炉集气管压力智能控制系统，并利用MATLAB进行了仿真研究。仿真结果表明，该智能控制系统可获得理想的调节效果。     

一种具有边缘保持的多尺度马尔可夫随机场模型图像分割方法

针对图像分割中常规四叉树结构的多尺度马尔可夫随机场模型非重叠区域在最优化过程中所造成的块效应,以及建模和推理过程导致低分辨率图像边缘细节模糊、缺失的现象,提出了一种具有边缘保持的多尺度马尔可夫随机场(Edge Preserving Multi-Resolution Markov Random Field, EPMRMRF)模型。该模型首先利用邻接区域之间的交互重叠约束,将局部区域的优化传递到相邻区域;其次采用具有边缘保持作用的Cauchy分布提取图像的多尺度边缘先验知识,在不同尺度上实现图像局部区域特征和多尺度边缘特征的融合。之后,为了对EPMRMRF模型进行迭代优化,提出一种分层区域置信度传播算法(Hierarchical Regional Belief Propagation Algorithm,HRBP),基于最大后验准则,求解马尔可夫随机场最大后验全局分布。实验结果表明,EPMRMRF模型和HRBP分割算法不仅有效保持了图像分割结果的边缘,获得了更好的分割结果,而且具有较快的分割速度,概率兰德指数相似性评价指标平均提升至0.890 9,全局一致性误差差异性评价指标平均降低至0.192 3。     

一种具有边缘保持的MRMRF模型图像分割方法

针对常规四叉树结构的多尺度马尔可夫随机场(MRMRF)模型非重叠区域在最优化过程中所造成的块效应以及建模和推理过程均会导致低分辨率图像边缘细节模糊、缺失的现象,本文提出了一种具有边缘保持的MRMRF模型图像分割方法(EPMRMRF)。首先,所提模型利用邻接区域之间的交互重叠约束,将局部区域的优化传递到相邻区域;其次,采用具有边缘保持作用的Cauchy分布提取图像的多尺度边缘先验知识,在不同尺度上实现图像局部区域特征和多尺度边缘特征的融合。最后,本文提出一种分层区域置信度传播算法(HRBP)对提出的EPMRMRF分割模型进行迭代优化,基于最大后验准则(MAP),求解MRF最大后验全局分布。实验结果表明,提出的模型不仅有效保持了图像分割结果的边缘,获得了更好的分割结果,而且具有较快的分割速度,PRI相似性评价指标平均提升至0.8909,GCE差异性评价指标平均降低至0.1923。     

一种编解码结构的车牌图像超分辨率网络

针对复杂实际场景中模糊、污损、扭曲、倾斜等车牌图像关键信息缺失以及新能源车牌背景与字符对比度低难以识别的问题,提出了一种编解码结构的车牌图像超分辨率网络。首先,构建一种基于编解码结构的车牌重构生成器网络,利用编码器对车牌图像的纹理、字符等特征进行提取,解码器对车牌特征进行重构;然后,设计一种基于语义监督的判别器网络,在网络损失中引入了对抗损失与CTC(connectionist temporal classification)损失,增强生成器网络对车牌图像语义特征的表征能力;最后,基于VGG16网络提取车牌顶角点特征,利用坐标变换方法对车牌图像进行矫正,进一步提高重构清晰度与识别准确率。采用所提网络在自建XAUAT-Parking数据集和公开CCPD数据集上进行超分辨率重构与识别实验,结果表明：所提网络在CCPD数据集上的平均峰值信噪比可达25.5 dB,结构相似性(SSIM)可达0.989;在XAUAT-Parking数据集上峰值信噪比可达26.6 dB,结构相似性可达0.997。研究结果表明,该网络有较好的车牌图像超分辨率重建效果,而且对车牌关键信息缺失问题具有较强的鲁棒性。