基于姿势字典学习的人体行为识别

提出一种基于人体轮廓表达的姿势学习框架来进行人体行为识别。通过一种基于Procrustes形状分析和局部保持投影的姿势特征表示方法,从人体运动视频中提取具有平移、旋转和放缩不变性的姿势特征,在保留人体姿势的局部流形结构的同时尽量提取子空间上的判别信息。针对该特征还提出了一种基于姿势字典学习的人体行为识别框架,对每类行为分别学习一个对应于该类的字典,通过串联所有类的字典来得到整个姿势字典;并通过最小重构误差准则来分类测试视频。在Weizmann和MuHAVi-MAS14数据集上的实验结果证实了该方法的识别率高于大部分经典方法。特别是在MuHAVi-MAS14数据集上的识别率对比已有的结果上有巨大的提升。     

基于局部轮廓和随机森林的人体行为识别

基于视频信息的人体行为识别得到了越来越多的关注。针对人体行为的局部表达,提出了一种新的局部轮廓特征来描述人体的外观姿势,可以同时利用水平和竖直方向上的轮廓变化信息。该特征能有效区分不同动作,与轮廓起始点无关,具有平移、尺度和旋转不变性。针对该特征,提出了一种基于随机森林的两阶段分类方法,使用随机森林分类器对行为视频的局部轮廓进行初分类,并根据每个局部轮廓对应决策类的分类树数目占总分类树数目的比例,提出了一种基于袋外(OOB)数据误差加权投票准则的行为视频分类算法。在测试数据集上的实验结果证实了该方法的有效性。     

天鹅绒阴极二极管的实验研究

 介绍了天鹅绒阴极二极管的结构及天鹅绒阴极的设计,给出了二极管参数的测量方法及结果。对三种不同材料的天鹅绒阴极进行了实验研究,获得了大面积均匀电子束,并对电子束的横向及径向均匀性进行了诊断。实验结果表明：二极管工作状态接近的条件下,3种材料的天鹅绒阴极所获得的大面积电子束均匀性相近,而与天鹅绒的材料基本无关。     

新的高能注量电子束二极管系统

 为“闪光二号”加速器研制了新的二极管系统, 其电子束能注量比原二极管系统大3倍多。该系统由带滑闪开关的二极管、漂移管、脉冲磁场和真空靶室等部分组成, 通过减小阴极直径、增大轴向磁场强度和磁透镜比，调节滑闪开关距离和预脉冲开关气压等技术措施, 使二极管具有高能注量电子束输出的稳定工作状态, 在Marx发生器充电电压70kV条件下，在距阴极22cm的靶上获得了总能量21.5kJ、束斑直径52mm和能注量1.01kJ/cm²的电子束输出。