基于机器视觉技术的体育网球错误技术动作识别研究

为了提升体育网球错误技暦动作识别能力,提出了基于机器视觉技暦的体育网球错误技暦动作识别方法.根据人体五大部分的划分结果,建立了人体的躯干、左臂、右臂、左腿、右腿在三维空间坐标内的肢体向量,依据人体五部分骨骼关节之间的距离,提取体育网球错误技暦动作特征,利用机器视觉技暦跟踪网球运动目标,获取网球运动员的活动区域,结合体育...     

基于Gabor特征和协同神经网络的车牌识别方法

研究了车牌字符识别问题,针对车牌识别系统易受天气及光照变化影响的实际应用,将Gabor特征和协同神经网络应用在车牌字符识别中,提高了识别率.首先对车牌字符进行二值化和切分,然后利用Gabor滤波器提取车牌字符的特征参数;再利用协同模式训练特征参数,进而得出训练样本;最后根据协同神经网络进一步识别车牌字符.通过大量仿真实验表明,该方法在不同场景、光照条件下,与传统方法相比,识别率有了较大改进,该方法在车牌识别领域有较强的实用性.     

RFID技术及其在电子政务中的应用

射频识别（Radio Frequency Identification,RFID）技术是一种利用射频通信实现的非接触式自动识别技术。RFID标签具有体积小、容量大、寿命长、可重复使用等特点,     

综合安全评估危险识别中专家意见一致度分析

针对综合安全评估(FSA)"危险识别"中专家意见一致度的分析方法进行了讨论.介绍了IM0推荐的W一致度指数法,并通过计算对该方法的特性进行分析.同时,进一步利用模糊聚类分析法对专家意见的相似度进行计算,并根据专家个人评估结果之间的相似程度进行分类.结合各专家的背景因素,可以得出专家意见与各影响因素之间的关联,以便根据实际需要对专家意见赋予权重,使得危险识别的结果更加可靠.     

基于挠度差值影响线的简支梁桥损伤识别研究

推导了简支梁某一点的挠度随移动荷载位置变化的解析解,在理论上证明了挠度差值影响线对结构损伤识别的可行性.提出用损伤前后一点的挠度差值来识别损伤,为验证该方法的正确性,采用一个单跨简支梁进行有限元模拟.通过有限元计算表明该方法对单损伤简支梁的损伤位置和损伤程度具有准确的识别能力.     

基于DSP的自动驾驶系统硬件体系的设计与算法研究

提出了一种以DSP为主要运算设备的汽车自动驾驶智能控制系统,并对硬件体系和图像分析算法进行了研究.对汽车自动驾驶系统的硬件结构进行了设计,采用车载PC和DSP—PCI卡的形式进行构建,并在该硬件结构基础上完成了算法的设计.对传感器采集到的数字图像信号进行灰度化、去噪、二值化、边界提取等处理后得到符合判断算法条件的图像.应用模式识别技术与GPS技术的结合,对图像中的车道、道路上的障碍、其他车辆、交通指示标志等物体进行识别和判断,并对下一步动作作出正确判断.对于前后方车辆和障碍物等采用激光雷达进行测距.     

不同尺度下高分辨率遥感影像道路信息提取

道路作为衡量城市发展的主要因素,是城市发展过程中更新最快的要素之一,其发展直接影响城市功能用地的布局,因此基于高分辨率遥感影像的道路信息提取具有重要而现实的意义.在综合分析各种高分辨率影像道路提取方法的基础上,提出了基于不同尺度进行影像特征基元分割、并结合知识辅助实现基元分析的方法.该方法能够有效地通过面向对象方式将影像中的道路进行精确地提取,并可根据用户研究尺度的不同提取出不同规模的城市道路,最后结合具体实例对这种方法进行了分析.     

基于数据增强和字词融合特征的实体槽位识别

针对传统的基于字级表示的实体槽位识别模型无法很好利用词语信息,以及信息技术(IT)运维领域缺少足够数量公开数据集的问题,提出一种基于BERT＿Word2vec＿BiLSTM＿CRF模型的实体槽位识别方法,并通过数据增强对模型的训练数据集进行扩展．该模型将基于转换器的双向编码表征(BERT)模型得到的字向量表示和Word2vec得到的词向量表示进行融合,通过双向长短时记忆(BiLSTM)网络进行上下文编码,通过条件随机场(CRF)进行解码,得到最终的序列标注结果．通过在某企业提供的数据集上进行实验,结果表明：融合词级特征可以在BERT预训练模型的基础上进一步提升识别性能,F1值达到了92.33%.     

基于CNKI数据库的指静脉识别分析

为探究我国指静脉识别的演变历程和发展现状,以中国知识基础设施工程(CNKI)数据库为统计源,从学科类型、研究主题、涉及学科和机构分布变迁角度揭示我国指静脉识别演变进程,从关键词聚类分析、突变词分析、机构共引和作者共引角度揭示了我国指静脉识别的主要研究内容及研究方向、重点研究力量及研究热点.研究表明:我国指静脉识别的发展...     

基于Faster R-CNN的铝型材表面缺陷识别研究

传统铝型材目标检测算法的准确率较低,严重影响铝型材的美观和质量。本文在Faster R-CNN网络的基础上,用ResNeXt105(残差网络)代替原始VGG16(经典卷积神经网络)提取图像特征,设计了Cascade Faster R-CNN的网络结构,采用FPN(特征金字塔网络)提取多尺度特征图并进行特征图融合。实验结果表明,在2722张图像测试集上,Faster R-CNN模型准确率为62.7%,本网络模型测试准确率达到81.4%,提高了18.7%。故相比于其他网络模型,本文的Faster R-CNN模型具有更强的特征提取能力和泛化能力,为类似小目标检测提高了技术参考。