基于积分通道特征的异常行为检测算法

对视频中的行人异常行为检测问题进行了研究。针对传统行人异常行为检测算法在准确性和兼容性方面的不足,提出一种基于积分通道特征的异常行为检测算法;该算法利用背景分割和行人信息统计的方式,对不同背景下的视频模型进行了建模。结合对行人个体的轨迹分析,对运动个体的位置进行异常行为检测。算法首先对检测区域采取区域划分,然后采用改进的积分通道特征行人检测算法对目标进行检测,最后采取Mean-shift算法对目标进行跟踪。最后的实验数据表明该算法整体性能有所提高。     

基于涡流传感器的非接触式金属板厚度测量系统

利用涡流无损检测方法对金属板材进行厚度测量时,由于电涡流传感器探头线圈的阻抗表达式过于复杂,金属板材的电导率、磁导率和厚度等因素对探头阻抗的影响难以通过探头线圈的阻抗变化进行观察。针对这一问题,介绍了一种基于涡流传感器的非接触式金属板厚测量系统。该系统利用PSD技术实现涡流阻抗信号的正交分解,采用STM32单片机对数据进行处理,最后进行人机操作、液晶显示和数据存储。整个系统具有较高的检测精度和灵敏度,能够在强噪声背景的干扰下实现阻抗信号的二维信息检测。     

基于颜色不变量和轮廓特征的地面多圆形目标检测

研究了一种室外环境旋翼无人机对地面多圆形目标检测的方法。考虑室外环境光照变化、阴影等自然因素以及无人机飞行高度、姿态变化等因素对目标检测带来的不利影响,首先引入颜色不变量特征;并采用改进K-means算法进行图像分割;其次根据目标轮廓特征,设置面积与圆形度阈值滤除干扰区域;最后,采用基于对称性的最小二乘法与残差度确定目标位置。实际实验及无人飞行器大赛验证了所研究方法的实时性和准确性。     

基于帧间差分的ViBe运动目标检测

针对光线变化时现有前景检测方法易将背景检测为运动目标、形成大片阴影的问题,本文利用帧差法对光线变化的不敏感性,对基于ViBe的背景建模、前景检测算法进行改进。结合帧间差分的ViBe前景检测方法包括背景初始化、背景模型更新及后期图像处理三个模块。该方法在更新背景模型时,加入了帧间差分判别多阈值比较,并依据帧间差分的结果对背景更新率进行动态调整,最后对背景建模后的检测结果进行形态学处理,针对大的噪点进行轮廓提取及判定,最终检测出运动目标。针对不同条件下监控视频的试验结果表明,本文方法初始化速度快、实时性好,有效地抑制了由于光线干扰形成的大片鬼影区域。     

基于ARM+FPGA异构平台的目标检测加速模块设计与实现

为解决基于深度学习目标检测模型规模大、在边缘设备上难以部署的问题, 以YOLO目标检测模型为例, 设计实现基于ARM+FPGA异构平台的目标检测加速模块。该系统使用剪枝、量化后的压缩模型, 在FPGA实现神经网络前向推理加速, 在ARM中实现加速器调度。实验结果表明, 部署至Xilinx ZCU102开发板上, 该模块在200 MHz工作频率下, 平均计算性能达到425.8 GOP/s, 推理压缩模型速度达到30.3 fps, 模块功耗为3.56 W, 证明该加速模块具备可配置性。     

反射分量分离的特征融合图像翻拍检测

针对翻拍图像对相关人脸识别系统的欺骗性,将基于同态滤波的反射分量分离特征作为新特征加入图像中,形成四通道图像,并将其作为简单卷积神经网络的输入的翻拍图像检测方法.结果表明:在拍摄环境复杂、干扰噪音较多、活体数量较大的环境下,该方法有较高且稳定的准确率、较好的鲁棒性及使用价值.     

组网雷达自适应模糊CFAR检测融合算法

为提高组网雷达的分布式恒虚警(constant false alarm rate, CFAR)检测性能, 基于模糊逻辑和最大选择筛选平均检测器(maximum-censored mean level detector, MX-CMLD)提出一种自适应多传感器分布式模糊CFAR检测算法。该方法是一种基于无信噪比信息的检测融合算法, 通过传输单部雷达站接收信号的检验统计量、检测可信度来完成全局的CFAR检测。该方法通过表决模块和反馈模块, 控制传输到融合中心的数据量, 并自适应选取相关的雷达数据进行融合, 在一定程度上可以实现雷达资源的管理。仿真结果表明, 在均匀背景、多目标干扰背景的目标检测中, 自适应分布式模糊MX-CMLD均有较好的检测性能。     

基于RCNN的双极化气象雷达天气信号检测

为检测混杂在地杂波、生物杂波中的天气信号, 提高定量降水精度, 提出了基于残差卷积神经网络(residual convolutional neural network, RCNN)的天气信号检测算法。首先, 将采集的极化参数水平反射率因子、差分反射率、相关系数、差分相移率堆叠为三维数组后进行预处理, 将其分为天气信号与杂波信号。然后, 开发并优化RCNN, 给出详细的网络结构。最后, 通过多次实际的降水过程对所提算法的检测效果进行评价。结果表明, 相比支持向量机以及卷积神经网络(convolutional neural network, CNN), 所提算法对天气信号的检测效果更好, 并且在不同仰角以及全年的实测数据上均表现出良好的检测性能。     

OPASTd子空间跟踪算法及其在盲多用户检测系统中的应用

为了提高基于子空间的盲多用户检测方法的性能,在简要介绍了现有的跟踪向量序列的主要子空间和特征元素的快速算法的基础上,提出了正交压缩近似投影子空间跟踪算法(OPASTd),该算法在应用压缩技术的同时,保证了每次迭代估计出的信号子空间的正交性。将该算法应用于多用户检测系统时,系统的抗多址干扰(MAI)和抗远近效应的能力和其他算法相比都有所提高,特别是在抗远近效应方面提高较大。     

基于LPC11C22微控制器的温度检测节点设计

探讨了如何用NXP推出的ARM CortexTm-M0系列MCU来作为控制核心,设计一款稳定性高、成本低的智能温度检测节点。此控制节点设计包括模拟信号前端输入检测和数字信号输出,采用PT100传感器进行温度到电量的转换。设计的温度检测节点具有检测精度高、功耗低的特点。