一种基于分层的人类动作识别和定位算法研究

人类动作识别在视频自动分析、视频检索等领域获得广泛应用,是目前的研究热点。然而现有的动作识别方法重点关注视频的非静态部分而忽略大部分静态部分,从而影响了动作识别和定位的效果。本文提出一种新的分层空间-时间分段表示法,以分层方式实现部位和整个身体的多分辨率表示,可用于运动识别和定位。该算法分为3个步骤。第一步,首先对每个视频帧进行分层分段,以得到一组分段树,每颗树是身体分段树的候选。第二步,利用视频的轮廓、接合对象结构、全局前景色等信息对候选分段树进行修剪。第三步,在时域上对剩余分段层的每个分段进行前向和后向跟踪。我们以难度较大的UCF-Sports和HighFive数据集为实验对象,对本文方法进行性能评估,实验结果表明,本文方法的性能要优于当前最新运动检测算法性能,运动定位性能与当前最新算法相当。     

一种机器人智能语音识别算法研究

针对智能机器人在非特定人语音识别中识别率偏低的问题,提出了一种双门限的端点检测算法,精确地检测出了语音端点,对分形维数和Mel频率倒谱系数(MFCC)进行结合,同时基于隐马尔可夫(HMM)模型,提出了智能机器人命令识别系统;在实验室环境下,利用Cool Edit软件录制了5男5女的语音,采样率为8 kHz,精度为16位,内容为5个命令词,每个词均被采集6次,将每人的前3次发音作为模板语音,后3次发音作为测试语音,实验结果表明,系统识别率可以达到85%以上,MFCC与分形维数混合的语音特征参数的算法提高了系统识别率,优化了系统性能;该方法用于非特定人语音智能识别是可行的、有效的。     

一种新型自适应环境光照的车牌定位算法

为解决在不同光照环境下车牌的适应性定位问题,同时解决基于颜色定位的方法普遍存在的车身颜色与车牌颜色相近,以至于难以区分的问题,分析了不同光照下的车牌图像在HSV空间的分布特性与图像亮度等参数关系,结合车牌的混色分布特点、RGB与HSV空间变量转换关系,提出了一种可直接对RGB空间进行处理、能适应光照环境的快速车牌定位算法;实验结果表明,提出的定位算法对光照不足、环境光不均匀等复杂条件下获取的蓝白车牌图像具有很高的定位可靠性。     

基于改进的质心定位的LSSVR算法的设计

针对无线传感中基于质心算法的节点定位存在误差比较大,算法效率低的缺点,提出了一种基于加权的LSSVR的节点定位算法;首先,对未知节点构建节点序列相关度,采用Kendall的Tau指标来估计未知节点的位置,提高了未知节点的定位精度,其次引入了LSSVR概念,构建改进质心算法的LSSVR定位模型,降低了噪声影响,大幅度提高定位精度;仿真实验表明该算法与基本的LSSVR算法在定位精度上有了明显的提高,在锚节点,未知节点所占比例不断增大的情况下该算法定位精度具有很大的提高,降低了算法的计算复杂度,具有较高的应用价值。     

闸机人体步态测量与识别算法研究

针对轨道交通闸机检票中存在的尾随逃票现象,研究了基于多红外传感器的闸机人体识别技术;该技术采用多个红外传感器采集乘客通行信息,在对闸机系统分析的基础上,设计了红外传感器的结构布局;将传感器区域分析和事件识别标志分析相结合,提取人体特征识别乘客通行事件;研制了闸机门人体识别实验系统,对4种常见的闸机通行事件进行了分析,并开展了实验研究;实验结果表明,实验系统能够有效识别闸机通行的多种事件,实时性好,具有较好的工程应用前景。     

一种自适应煤矿井下环境的加权质心节点定位算法

为提高煤矿井下无线传感器网络节点定位精度,提出了一种自适应煤矿井下工况环境的加权质心节点定位算法;在信标节点双链式部署结构的基础上,首先利用未知节点周围RSSI信号强度最大的信标节点之间的位置信息和信标节点的平均RSSI值自适应地估计环境参数,再应用无线信号强度衰减模型计算未知节点到信标节点的距离,最后采用加权质心定位算法的平均值确定最终的节点位置坐标;仿真实验结果表明,所提出方法的平均定位误差为0.94 m,有效降低了环境因素及RSSI的随机性对定位精度的影响,可用于煤矿井下无线传感器网络节点实时定位系统中。     

基于RFID和WSN仓储车辆定位系统设计

通过研究基于无线传感器网络的定位技术和无源超高频RFID的定位技术,提出了一种WSN-RFID协同精确定位方法对仓储运输车辆进行定位,并采用该方法设计了具有定位功能的智能小车,实现了对小车的区域定位和精确定位;文章详细阐述了RFID和WSN基本原理以及定位技术,给出了WSN与RFID硬件设计框图,搭建了仓储车辆定位系统硬件平台;通过对智能小车的定位功能进行测试,定位精度达到了86.5%,验证了WSN-RFID协同精确定位方法的有效性与可行性。     

一种改进的RANSAC图像拼接算法

针对RANSAC算法迭代次数过多导致的图像拼接效率不高的问题,提出一种改进的RANSAC图像拼接算法;首先采用SIFT算法提取尺度不变特征点,利用双向互匹配策略对特征点进行匹配,在使用RANSAC算法计算单应性矩阵之前,利用相邻特征点之间的关系对初始特征点对进行筛选,最后使用加权平滑法完成图像的融合;实验结果表明该方法有效地减少了特征点对数,提高了RANSAC的运行时间,图像拼接效率有了很大的提高。     

一种改进的视频超分辨率重建方法

针对目前无人机摄像、照相数据的特点,提出一种基于低分辨率视频重建高分辨率视频的改进方法;采用高斯金字塔光流算法对低分辨率视频及高分辨率图像进行运动估计利用小波频带分解方法提取图像的高频细节,并对视频进行运动补偿,采用凸集投影方法对补偿后视频进行迭代优化;并通过MATLAB仿真实现了以上算法,实验结果证明本文算法重建质量更好、处理速度更快。     

一种改进的凸多边形星图识别算法

提出一种在不依赖于星等的凸多边形算法基础上构造的三角形算法。将像平面上的恒星依据坐标排序生成具有唯一性的凸多边形,以三角形的边角边作为识别特征,按照顶角排序后删除重复的角度和角距来拟和曲线,可以加快搜索查询匹配速度,进而识别出视场中恒星在赤道坐标系中的坐标,识别速度较快,具有较强的鲁棒性。     

一种改进的DV-HOP算法在无线传感网中的定位研究

WSN中的信息传递主要通过传感器来进行传递信号,针对无线传感中DV-Hop算法在节点定位上存在精度低的问题,本文首先提出建立双曲线二维模型用来确定锚节点与未知节点的距离关系,其次设定误差系数使得传感器节点之间的误差降低,最后采用斯蒂芬森迭代法(Steffensen)定位方法对传感器节点进一步进行定位修正。仿真实验表明本文算法的在远程控制的中定位精度提高,传感器之间能量消耗降低,具有一定的推广价值。     

Research on Hyper-Parameter Optimization of Activity Recognition Algorithm Based on Improved Cuckoo Search

Activity recognition methods often include some hyper-parameters based on experience, which greatly affects their effectiveness in activity recognition. However, the existing hyper-parameter optimization algorithms are mostly for continuous hyper-parameters, and rarely for the optimization of integer hyper-parameters and mixed hyper-parameters. To solve the problem, this paper improved the traditional cuckoo algorithm. The improved algorithm can optimize not only continuous hyper-parameters, but also integer hyper-parameters and mixed hyper-parameters. This paper validated the proposed method with the hyper-parameters in Least Squares Support Vector Machine (LS-SVM) and Long-Short-Term Memory (LSTM), and compared the activity recognition effects before and after optimization on the smart home activity recognition data set. The results show that the improved cuckoo algorithm can effectively improve the performance of the model in activity recognition.     

基于Hu矩和纹理特征结合的人体异常行为识别

为了提高人体异常行为识别的准确率,采用了一种将多特征结合的异常行为识别算法,主要包括对步行、快跑、慢跑、拳击、双手挥舞、鼓掌六种异常行为进行识别。首先从视频流中提取出人体轮廓,然后从所得的轮廓中提取Hu矩特征与纹理特征。最后通过模板匹配的方法,采用马氏距离度量所需识别的当前行为特征向量与标准模板行为的特征向量之间的相似性,并通过设置相应的阈值判定该行为所属类别。实验证明,该方法比提取单一特征的方法识别率高,且具有一定的实用价值。     

基于Improved DR-Net算法的糖尿病视网膜病变识别与分级

针对糖尿病性视网膜图像数据集的不均衡、组织形态的特征提取不充分、分级准确率不高等问题,本文提出一种基于DR-Net模型的改进识别算法,即Improved DR-Net.选用Kaggle失明检测竞赛数据集APTOS 2019 Dataset,采用多种数据增强策略扩充数据集,并引入Eye-PACS数据集进行无偏修正,同时采...     

基于标准序列浮动前向特征选择的改进算法研究

随着信息技术的高速发展,信息特征的表述方法和内涵不断扩充,高维特征大幅涌现。这些高维特征中可能存在许多不相关和冗余特征,造成了维度灾难,对分类识别算法提出了更高的要求,需要利用特征选择算法,降低特征向量维数并消除数据噪音的干扰。针对高维特征向量引入的维度灾难等问题,围绕目标分类识别的具体应用,对标准的序列浮动前向特征选择算法进行了研究,并通过优化正确分类样本数目的置信上限及交叉验证的重复次数,提出了一种改进的序列浮动前向特征选择算法。通过仿真实验表明,在利用贝叶斯分类器开展识别时,改进算法能够在确保分类识别正确率的前提下,有效提升特征选择的计算速度,并随着特征选择步骤的增加,能够维持一个相对更为收敛且稳定的置信区间,具备良好的准确度。     

Improved Handwritten Digit Recognition using Quantum K-Nearest Neighbor Algorithm

Handwritten numeral recognition is a technology for automatic recognition and classification of handwritten numeral input through machine learning model. This is widely used in postal code digital automatic system to sort letters. The classical k-nearest neighbor algorithm is used in the traditional digital recognition training model. The recognized digital image classification is obtained through similarity measure or calculation and K value selection. Nonetheless, as the applied data volume exceeds a certain threshold, the time complexity of the model increases exponentially upon the similarity measure and K value search. This condition makes it hard to apply the model universally. In this paper, we introduce quantum computing, that is where digital image information is stored in the quantum state, and its similarity is calculated in parallel. Also, the most similar K points are obtained through the Grover algorithm. The theoretical analysis of the proposed improved algorithm shows that, handwritten numeral recognition based on quantum k-neighbor algorithm can improved upon time complexity of \( \mathrm{O}\left(\mathrm{R}\sqrt{kM}\right) \) of the existing algorithm.

     

Hierarchical Human Action Recognition with Self-Selection Classifiers via Skeleton Data

Human action recognition has become one of the most active research topics in human-computer interaction and artificial intelligence, and has attracted much attention. Here, we employ a low-cost optical sensor Kinect to capture the action information of the human skeleton. We then propose a two-level hierarchical human action recognition model with self-selection classifiers via skeleton data. Especially different optimal classifiers are selected by probability voting mechanism and 10 times 10-fold cross validation at different coarse grained levels. Extensive simulations on a well-known open dataset and results demonstrate that our proposed method is efficient in human action recognition, achieving 94.19% the average recognition rate and 95.61% the best rate.     

监狱犯人室内定位算法研究

室内定位技术因其在搜索、救援和安全方面的良好使用价值,越来越受到人们的关注。本文主要对基于室内监狱犯人的RFID室内定位算法进行研究,主要涉及其工作原理和相关的定位算法,特别是对LANDMARC室内定位算法进行了深入的研究以及改进优化,根据LANDMARC算法的缺点,通过对LANDMARC算法中阅读器的位置分布,参考标签的分布密度以及选取的参考标签数k值的优化改进,得出更优的LANDMARC改进算法,获得更好的定位精度和定位性能。改进的算法通过Matlab7.0模拟,提高监狱犯人室内定位精度,确保监狱的安全,提高效率。