基于省域路网的高速公路联网监控与人脸识别技术改进

当前人脸识别技术普遍存在识别精度低、抗干扰能力差的问题,为此,设计了基于省域路网的高速公路联网监控与人脸识别技术改进。介绍了高速公路联网监控系统设计的目的和需具备的功能。给出系统总体结构,其主要包括控制中心与外场终端设备,外场终端设备利用省域路网和控制中心设备进行通信,以此完成监控信息的采集与发布;通过透视投影成像阶段和摄像机标定阶段完成对省域路网视频的预处理,构建光照补偿模型和人脸特征检测模型,最终实现人脸识别技术的优化。实验结果表明,所设计方法相对于传统方法,就有较高的识别精度、其识别处理速度快、抗干扰能力强。     

基于动作捕捉的无人机运动状态识别

无人机运动状态识别是无人机运行状态分析的基础,是实现无人机航迹预测的必要条件。对于非合作目标来说,动作捕捉系统可以有效采集其航迹数据。提出一种基于动作捕捉的无人机运动状态识别方法。首先,通过插值、重采样、滤波等方法对包含噪声的无人机航迹数据进行预处理;然后,通过特征提取与特征选择方法,针对速度、加速度、曲率、转角这4个运动参数,提取无人机运动特征;并分割无人机航迹。最后运用支持向量机的方法进行无人机运动状态识别,对速度、加速度、曲率的分类精度分别达到了95%、90%和100%。证明了本方法的可行性。     

利用高阶累积量的时频重叠MPSK信号调制识别

针对多信号的互相干扰,在时频重叠情况下调制识别困难的问题,提出一种基于高阶累积量的识别方法。由于不同数字调相信号的高阶累积量存在差异;并利用高阶累积量对噪声的不敏感性,从中选取四个特征参数。采用决策树的分类方法,对任意方式组合而成的十种相移键控三信号进行制式识别。实验结果表明,在信噪比不低于0 dB的情况下,可以有效地识别十种时频重叠三信号。与现有的算法对比,该算法在提高信号识别率的基础上,同时也增加了可识别时频重叠信号的个数。     

基于图像分割的效应靶自动报靶系统研究

破片战斗部因其可产生大量杀伤破片群而被广泛应用。为了准确分析破片战斗部对效应靶的毁伤作用,解决人工统计方法效率低下且准确率低的问题,将数字图像处理技术应用于报靶工作中,提出基于偏微分方程方法的靶孔图像分割算法,完成了不同靶板上靶孔自动识别系统的设计。通过输入试验后钢靶和网靶图像后,系统自动生成包含破片孔数量、尺寸、位置分布等参数的统计结果及标识靶孔边界的靶板图片,实现了自动报靶功能。     

一种基于手指轮廓特征的目标识别与定位算法

为了提高从背景图像中提取目标的速度和精度,设计了一种基于手指轮廓特征的目标识别与定位算法;该算法利用肤色信息和手指轮廓特征进行目标识别,利用提出的9点快速定位算法进行目标定位。仿真结果表明,该算法能正确识别出手指的特征;并对其进行快速定位。在实物系统上对算法的实时性、识别准确率、定位精度等性能进行了测试,测试结果表明,算法运行时间不超过40 ms,能保证系统对实时性的要求;在无手指状干扰物存在的情况下,目标识别的准确率可达95%以上;定位精度误差小于8 mm,可满足系统对定位精度的要求。这种基于手指轮廓特征的目标识别与定位算法为增强人机交互系统的和谐性提供了一种新的技术途径。     

基于注意力机制多尺度网络的自然场景情绪识别

情绪识别作为计算机视觉的一项基本课题已经取得很大进展,然而在无约束自然场景中的情绪识别仍具挑战性.现有方法主要是利用人脸、姿态以及场景信息识别情绪,但是忽略了人物个体在场景中的不确定性,以及不能很好地挖掘场景中的情绪线索.针对现有研究存在的问题,提出了基于人物与场景线索的双分支网络结构,两个分支独立学习,通过早期融合得到情绪分类结果.对于人物在场景中的不确定性,引入身体注意力机制预判人物情绪置信度进而获得人体的特征表示,场景中引入空间注意力机制和特征金字塔以便充分获得场景中不同粒度的情绪线索.实验结果表明,此方法有效融合人物与场景信息,在EMOTIC数据集下能够明显提高情绪识别率.     

融合场景及交互性特征的多人行为识别

人类的行为复杂多样,场景、外观、位置等信息均与行为息息相关.本文针对如何高效地综合利用这些信息的问题,提出了融合场景及交互性特征的多人行为识别方法,使用双通道的方式分别提取个体外观特征与场景特征.对于个体通道,采用注意力机制模块来关注与行为相关度更大的区域,并将提取的个体外观特征结合位置特征输入图卷积网络进行关系推理.其中,图卷积网络采用了余弦相似度的方法度量个体特征之间的相关性,并结合个体之间的位置特征进行关系推理;对于场景通道,使用在place365数据集上预训练的ResNet 50提取场景特征.最后,本文将个体以及场景通道所得的特征进行加权融合,得到群组以及所有个体的行为识别结果.在Collective Activity Dataset（CAD）数据集上的实验表明,该方法能提高行为识别的准确率,群组行为以及个体行为的准确率分别达到了92.29%与78.19%.     

基于MSPA的南京市绿色基础设施网络构建

【目的】针对城市建设空间快速扩张、绿色空间破碎化且逐渐丧失问题,探寻优化城市绿色基础设施体系的有效方法,为市域尺度绿色基础设施体系构建提供科学的依据。【方法】以南京市为研究对象,运用形态学空间格局分析(MSPA)法,以土地利用类型图为基础,识别南京市现有绿色空间中核心区、边缘、孤岛、桥接、环、穿孔、分支等7类重要景观类别。通过斑块面积计算和连通性指数评价,发掘具有生态潜力的绿色基础设施网络中心,并计算最小成本路径生成潜力廊道,结合现有核心区、潜力节点、现有廊道、潜在廊道构建未来南京市绿色基础设施网络体系。【结果】通过MSPA法,识别出南京市绿色基础设施核心面积为538.16 km²,占研究区域总面积的37.57%,其中综合筛选出一级网络中心16个,二级网络中心24个。基于阻力模型构建生态廊道73条,其在长江以南地区分布较密,重要性等级较高,长江以北区域生态廊道数量较少,重要性等级有待提升。【结论】MSPA法具有数据量少、便于可视化等特点,能够为市域尺度绿色基础设施构建提供生态特征较为精确的景观要素识别结果,有效增强绿色基础设施的系统性和结构性。根据南京市绿色基础设施网络构建结果,建议加强南京市域长江以北网络中心和廊道的建设,提高长江以南网络中心和廊道质量,从而提升全市域的生态功能。     

利用少量体压传感器和支持向量机算法的坐姿识别方法

针对传统坐姿识别系统中传感器数量多和系统较复杂导致成本过高等问题,设计一种基于少量体压传感器和支持向量机(SVM)算法的坐姿识别方法.首先,设计一种由少量薄膜压力传感器构成的体压传感阵列,将其置于坐垫内部;然后,利用该传感阵列采集不同坐姿的体压数据,并绘制相应的体压分布等高线图;最后,以体压数据作为特征向量,结合支持向量机算法建模,以实现坐姿分类自动识别.测试结果表明:少量体压传感器也能获取不同坐姿的体压分布特征;SVM坐姿分类模型在熟悉样本下的坐姿识别准确率达98.3%,在陌生样本下的坐姿识别准确率达92.5%.     

谐振接地系统的配电线路接地故障选线新方法

针对因消弧线圈引起的故障电流信号微弱,造成谐振接地系统发生单相接地故障识别率进一步降低的情况,考虑故障线路与非故障线路间零序电流波形相似度低的特点,提出一种谐振接地系统的配电线路接地故障选线新方法。用HHT(Hilbert-Huang teansform)和时频谱带通滤波法处理零序电流波形,构建各线路零序电流波形的时频能量矩阵,结合图像识别中的相似度识别法与综合相似系数矩阵,实现线路接地故障选线。结果表明,该选线方法对噪声干扰、两点接地故障等情况均有效。