一种改进的视频图像中雨滴去除方法

提出了一种改进的视频图像中雨滴去除方法.通过分析雨滴的物理光学特性,首先将连续5帧的视频图像存储在一个数组中,并求该5帧图像的同一像素点的最大、最小值；再将最大、最小值作差,当差值大于0时,证明该点被雨滴覆盖；然后将要处理图像的该点分别与最大、最小值作差,并取绝对值,当该点与最小值的差值大于与最大值的差值时,用最小值取代该点的灰度值；最后将该方法与Nayar帧时差法进行比较.实验表明,该方法能够更好地去处视频图像中的雨滴.     

油库输油管线热力计算软件的研发

油库输油管线热力计算软件考虑了油库输油管线的环境和条件,在有限差分方法的基础上,能够对输油管线停输问题进行数值模拟。文中系统地介绍了该软件的结构、软件的功能、编制软件的程序框图及软件使用操作说明,为油库输油管线热力计算提供了一种好的方法。     

基于RBF神经网络的PID控制器

传统的PID控制器参数难以整定,且依赖于对象的精确数学模型,适应性较差。针对传统PID控制效果不理想的问题,采用RBF神经网络对PID参数进行整定,并用MATLAB进行仿真,取得了令人满意的效果。     

论网络环境下的课堂教学

本文从当前我国教育教学改革的实际——如何培养学生的创新思维和创新能力出发,把握时代特征、立足课堂教学、发挥网络优势,论述了基于网络环境下的课堂教学的界定、特点及组织形式,提出了基于网络环境的课堂教学模式,目的是优化课堂教学结构,体现学生的主体意识,发挥学生的想象力和培养学生的创新精神。     

基于视频的人体异常行为检测与识别

提出了一种运动目标检测算法,通过三帧差分法,可以从视频图像中提取出运动目标的轮廓.通过三帧差分法分别对人体正常行走和人体摔倒两种行为进行检测,提取出人体在两种行为的运动过程中的特征.提出一种基于改进Hu矩不变性的人体异常行为识别算法,对人正常行走和摔倒两种行为进行识别.正常行走是正常行为,摔倒则为异常行为.实验证明,该方法对在本研究的实验环境下的正常行走和摔倒两种行为识别率很高,有一定实用价值.     

基于双分支交互的实时语义分割算法

针对双分支实时语义分割算法存在双分支交互差、多尺度上下文信息提取不完善等问题,提出了基于双分支交互的实时语义分割网络(dual-branch interactive multi-scale fusion network for real-time semantic segmentation,DIMFNet)。算法以引导聚合双边语义分割网络(bilateral network with guided aggregation for real-time semantic segmentation, BiseNetV2)的双分支结构为基准进行改进,空间分支提取空间细节特征,上下文分支提取深层上下文特征。结合注意力思想提出注意力引导高级语义融合模块(attention guide high-level semantics fusion module,AGHSM)实现双分支的交互融合,以获得更好的空间特征表示;对金字塔池化模块进行改进,提出采用多层聚合金字塔池化模块(multi-layer aggregation pyramid pooling module,MAPPM）提取多尺度上下文特征,以...     

支持多用户操作的外包数据库可验证方案

针对目前大多数的可验证计算方案只能支持单用户即数据拥有者修改数据的问题,提出了一个支持多用户操作的外包数据库可验证方案.通过在多用户和外包数据库服务器之间设置代理实现对多用户的访问控制,不需要数据拥有者在线参与;利用基于身份标识的数据结构来实现对数据进行修改,提高计算效率;利用数字签名算法和挑战应答对查询结果进行验证,保证查询结果的完整性.安全性分析表明,该方案能够保证多用户操作数据场景下查询结果的正确性和完整性.实验结果和效率分析表明,该方案不仅满足多用户场景,而且有较高计算效率.     

基于SAT-GCN的花样滑冰选手动作检测算法研究

针对花样滑冰运动人体运动轨迹复杂、动作类型多样、普通人肉眼难以区分且常规的行为识别方法识别准确率低的问题，提出了一种基于时空图卷积网络与多通道注意力机制融合方法 (SAT-GCN)的花样滑冰动作识别算法。该算法首先将视频提取成连续的单独帧，使用OpenPose算法提取人体骨骼关键点数据，降低背景噪声干扰；然后使用时空图卷积算法对骨骼关键点数据进行动作分类。算法对时空图卷积算法进行改进，加入了多通道时空注意力机制融合模块，使得模型更加关注重要的关键点、时间帧片段、特征；使用时序卷积网络(TCN)提取人体骨架关键点在时间序列上的特征；使用SoftMax对提取后的特征进行动作分类。在花样滑冰数据集FSD-10和公开的人类行为数据集Kinetics-Skeleton上进行训练和测试，与改进前的时空图卷积网络(ST-GCN)进行对比，本文所提算法的预测准确率在2个数据集上均有所提升，验证了多通道注意力机制融合方法在花样滑冰选手动作检测任务中的有效性。     

基于深度学习的新型可视耳标识别方法

针对目前主流的耳标识别方式抗环境干扰能力差的问题，结合通信系统中的信源编码，提出了一种耳标轮廓自设计的新型可视耳标，并利用深度学习方法采集识别确定猪只个体号码。系统设计包括耳标样式设计、数据采集、耳标轮廓分割提取、码位复原、译码输出5个部分：耳标样式采用了结合卷积码编码的轮廓编码方式；数据采集部分采用了帧差检测与耳标分类方式；耳标轮廓分割提取部分采用OCRNet-HRNet18语义分割算法，码位复原采用图像处理技术，译码输出部分采用维特比译码，获得耳标号码结果。系统部署至Jetson Xavier NX上，实现了系统落地。研究结果表明，本文方法实现了新型自设计可视耳标的识别，使得耳标识别抗环境干扰能力更强，为智能养殖中的个体监测提供了新思路。