基于改进的EMD方法的热网管道泄漏检测方法

管道泄漏检测技术是保障管道安全生产的重要手段.为了延长管道使用寿命、及时发现和处理管道泄漏事故,通常采用基于声波检测的管道泄漏检测方法.对基于声波检测的热网管道泄漏检测方法进行了研究.对经验模态分解方法进行了分析,针对其存在的端点效应问题提出了一种改进的方法,经过仿真实验和性能对比,验证了方法的有效性和优越性.将这种改进的EMD算法应用在热网管道泄漏检测中,取得了较好的管道信息处理效果.     

基于稀疏编码投影特征的布匹瑕疵检测

为了改善传统算法通用性不强、计算量较大的缺点,提出了基于稀疏编码投影特征的布匹瑕疵检测算法。采用稀疏编码来训练得到特征提取的过完全字典,使得不同种类布匹纹理的特征选取具有充分的灵活性。利用布匹图像在字典上的投影代替稀疏表达作为特征,提高了特征的鲁棒性,有效地减小了算法的计算量和时间复杂度。最后,根据待检测图像块特征和标准之间的距离,得出检测结果。对德国TILDA样本库的实验结果表明,该方法得到的特征更加的稳健,对不同种类布匹的适应能力更强,检测时间更短,对比其他算法的检测率也有明显优势。     

基于改进姿态估计算法的嵌入式平台实时跌倒检测

为了实现视频中特殊人群跌倒检测的实时性和降低误检率。通过采用改进的姿态估计网络提取人体关节点的方法,研究了使用前后帧关节点的变化来对人体进行追踪和跌倒行为检测。为了在嵌入式平台上使姿态估计网络达到实时效果,采用带有注意力机制的轻量化结构搭建深度卷积网络来提取人体关节点坐标,并合成完整的骨架信息。结果表明：带有注意力机制的姿态估计算法在不同数据集上的准确度均有提升;同时在嵌入式平台上保持误检率较低的情况下达到实时跌倒检测。可见基于改进姿态估计算法并通过关节点判断的方法较好地实现了人体的跌倒检测。     

基于全局注意力的多级特征融合目标检测算法

针对小目标物体检测精度差的问题,同时不以牺牲速度为代价,本文提出了一种基于全局注意力的多级特征融合目标检测算法。算法首先由卷积神经网络生成多尺度的特征图,然后采用多级特征融合的方法,将浅层和深层特征图的语义信息相结合,提高特征图的表达能力,接着引入全局注意力模块,对特征图上下文信息进行建模,并捕获通道之间的依赖关系来选择性地增强重要的通道特征。此外,在多任务损失函数的基础上增加一项额外的惩罚项来平衡正负样本。最后经过分类回归、迭代训练和过滤重复边框得到最终检测模型。对所提算法在PASCAL VOC数据集上进行了训练和测试,结果表明该算法能有效地提升小目标物体检测效果,并较好地平衡了检测精度与速度之间的关系。     

基于改进的深度卷积神经网络的人脸疲劳检测

针对疲劳驾驶检测问题,提出一种以softmax损失与中心损失相结合的深度卷积神经网络算法。首先,利用含有方向的梯度直方图(histogram of oriented gridients,HOG)和级联分类器(support vector machine,SVM)算法的Dlib库中预训练的人脸检测器,来检测驾驶员的脸部区域。其次,使用级联回归(ensemble of regression trees,ERT)算法实现脸部68个关键点标定及眼睛和嘴巴的定位。最后,为了优化softmax损失在深度卷积网络分类中出现的类内间距大的问题,加入中心损失函数,提高类间差异性、类内紧密性以及驾驶员脸部疲劳状态识别准确率。在自建测试集和YawDD哈欠数据集中的实验结果显示,该方法能够准确地识别检测驾驶员疲劳表情,平均识别准确率达到98.81%。与传统的疲劳驾驶检测识别方法相比,该方法可以自动进行疲劳特征提取,并且训练准确率、检测识别率及鲁棒性得到提高;与未改进的深度卷积网络相比,检测识别的概率平均提高了约5.09%。     

结合车道线检测的智能车辆位姿估计方法

基于视觉的智能车辆定位问题是自动驾驶领域研究的一大热点。在某些有效近景特征不显著的场景中,由于参与计算的特征数量不足,会导致位姿估计精度下降甚至失效。为此,本文提出一种结合车道线检测的相机位姿估计方法来提高位姿估计精度。首先,设计了一套基于自适应感兴趣区域和几何结构筛选法的车道线检测算法,精确检测到了左右车道线的内、外侧线;其次,对车道线区域内的点进行帧间匹配,得到新的匹配点对,并根据V视差图拟合出地面视差方程,求解出属于车道线匹配点对的准确视差值;最后,将这些匹配点对与ORB方法提取得到的匹配点对融合,共同参与相机的位姿计算。经实验验证,本文提出的算法提高了位姿估计结果的精度,解决了某些场景中有效特征点不足导致的位姿估计失效问题,具有良好的环境适应性。     

基于小波双立方插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理,最大限度恢复原图像。本文提出了一种基于小波双立方配比插值的贝塞尔拟合图像边缘特征复原的新算法,在初始图像降质处理基础上通过小波双立方配比插值（Wavelet Bi-cubic）、双三次插值法得到融合样本图像,并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合,最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理,保留原始灰度色彩复原图像。实验对这三种方法的轮廓复原图像与原始清晰图像进行对比,由具体参数（PSNR、SSIM、FSIM以及运算时间TOC等）说明验证。实验结果表明,经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好,且明显缩短运算时间。     

一种基于数据挖掘的多步入侵警报关联模型

基于传统网络入侵检测系统, 提出一种基于数据挖掘的多步入侵警报关联模型. 该模型能将多个入侵检测系统的警报信息进行融合, 对大量、 无序的警报信息进行分析, 发现其中的内在联系, 精简攻击事件警报, 并通过不断更新场景知识库发现融合后警报中的多步入侵行为. 与已有模型进行对比的结果表明, 该模型的关联分析方法及多步入侵知识库的建立有助于更好地结合系统的特征实现多步入侵的警报关联.     

基于球面调和函数与距离场的柔性体碰撞检测方法

 针对虚拟现实中柔性体碰撞检测实现的复杂性,提出一种基于球面调和函数（SH）的柔性体距离场碰撞检测方法。该方法利用SH的多尺度特性实现柔性体距离场的快速建立,依据距离场碰撞检测方法实现交互工具与虚拟柔性体的快速碰撞检测,并沿着距离的梯度方向进行柔性碰撞响应的快速估计。结果表明,相对于传统的距离场碰撞检测算法,该方法可大大节省内存占用量并有效实现交互工具与柔性体的碰撞检测,碰撞检测时间在毫秒级范围内,满足柔性体碰撞检测的实时性要求。     

固相微萃取技术检测环境水体中酞酸酯

提出了固相微萃取-气相色谱质谱(solid phase microextraction-gas chromatography mass spectrometry, SPME-GC/MS)检测水体中 6 种酞酸酯(phthalate esters, PAEs)的分析方法, 对影响固相微萃取的萃取因素如萃取纤维、 萃取时间、 萃取温度、 pH 值进行了探讨和优化. 结果显示, 该方法检测限为 3.7∼8.5 ng/L, 在 20∼500 ng/L 范围内线性相关系数 r²> 0.991, 加标回收率为 83%∼112%, 相对标准偏差(relative standard deviation,RSD)为 1.1%∼12.3%. 该方法简单、 快速, 定性、 定量准确可靠且灵敏度高, 适用于环境水体中酞酸酯的检测.