基于深度学习的口罩佩戴识别技术研究

在公共场所佩戴口罩,是防止新型冠状病毒传染的最主要手段,在必要的场所,每个人都必须佩戴口罩以进行自我保护。在人群相对集中的公共场所,相互之间不可避免地存在遮挡干扰,从而产生了小范围内的复杂干扰识别问题。如果使用单一的卷积神经网络对口罩佩戴进行识别,有可能造成提取关键特征信息时聚焦度欠缺,出现特征提取不足等问题。因此本文提出一种两渠道卷积神经网络的佩戴口罩识别方法。在卷积神经网络的基础上,通过2个输入渠道,分别对眼睛区域和眼睛以下的区域,进行特征提取;最后通过基于决策层的信息融合方法,将2个渠道的识别结果加以融合,从而得到最终的识别结果,其平均识别准确率达到了98.8%。经过实验验证,该方法在佩戴口罩的识别上,取得了较好的识别准确率。     

基于深度学习的语音识别垃圾桶的设计

随着“碳达峰、碳中和”目标的提出,为了响应绿色可持续发展的号召,人们逐渐意识到垃圾分类的重要性,但由于大部门城市的居民刚接触垃圾分类,分类知识相对薄弱,且市面上的智能分类垃圾桶仅带有感应式开盖功能,并不能对人类提供相应帮助。为了解决上述问题,本文设计了一款新型的智能垃圾桶,该桶基于深度学习的语音识别技术,以STM32F103R6单片机为核心,搭配红外传感器、语音识别、播报模块、舵机等硬件,协助人们进行垃圾分类的。     

基于深度学习和智能规划的行为识别

现有行为识别方法在未能持续覆盖造成视频监控盲区所引起行为数据缺失的情况,难以有效实施特征分析、行为分类补全,无法准确识别出智能体完整的行为动作序列.为此,本文提出一种基于深度学习和智能规划的行为识别方法.首先,利用深度残差网络对图像进行分类训练,然后使用递归神经网络对图像特征进行提取深度信息以增强分类效果;其次,运用智能规划的STRIPS （Stanford Research Institute Problem Solver）模型,将深度学习提取的图像特征命题信息转化为规划领域的模型描述文档,并使用前向状态空间搜索规划器推导出完整的行为动作序列.在HMDB51等行为识别公共数据集中,本方法与生成式对抗网络、深度卷积逆向图网络、深度信念网络、支持向量机等同类先进方法相比展现出更好的性能.     

基于深度学习的手写体数字图像识别

如今,越来越多的人使用图像来表示和传递信息,从图像中学习大量信息对人们而言十分便捷,在这个更加强调人机交互效率的信息技术时代,如何快速、准确地识别这些手写数字,成为学术界和科技界关注的问题。对于手写数字的图像识别问题,重点在于如何用数据代表图像,从而表示数据,这里的数据不是像素,而是具有高级表示的图像特征,其提取的结果对识别的准确性非常重要。     

基于现代网络的深度学习应用协议识别技术研究与实现

现代网络视域下,在对应用协议识别技术进行研究的过程中,需对其所包含的技术类型进行全面了解。确保实现高精度的、高效率的选择与利用应用协议识别技术。即结合现代网络特征,构建科学的技术识别计划。基于应用协议识别技术类型,优化与完善端口与识别方式。并将技术改革与应用与现代网络发展态势进行有效连接,确保真正展现与发挥应用协议识别技术的功能与优势。     

基于深度学习技术的证照识别在银行中的应用

深度学习技术在计算机视觉领域的成功应用,提高了图像分类的准确率和工作效率,为银行利用深度学习技术应用证照识别系统打开了新的大门,但仍然面临不同方面的挑战,如何克服这些变化因素对识别率造成的影响成为研究热点。文章针对证照图像,采用图像处理技术与模式识别相关方法,对证照上所需要识别信息的预处理、目标区域中字符的分割与识别进行研究。     

基于深度学习的通信辐射源识别研究综述

为改进完善通信辐射源识别课题,引入深度学习作为分类方法。为探究深度学习对辐射源识别的作用,介绍了与通信辐射源识别相关的深度学习理论,从辐射源个体识别与调制方式识别两个方面,对基于深度学习的通信辐射源识别技术的研究现状进行综述,并详细分析了基于深度学习的通信辐射源识别技术的主要难点问题,同时讨论了发展方向和解决方案。     

基于深度学习机制的火警协议智能分析模型

火灾自动报警器品牌和型号众多,不同品牌或型号的数据协议均有所不同,这为智慧消防的信息集成增加了难度。为解决这一问题,文中提出一种将深度学习技术与火警协议分析模型相结合的SSAESMFA模型。该模型基于栈式稀疏自动编码器和Softmax回归,能够通过对已知消防设备的协议数据进行深度学习,实现对未知协议数据的识别。经过训练,SSAESMFA对协议数据的识别准确率能达到99.83%,实验表明,该模型有较高的对消防设备协议数据的特征提取分类能力,可有效提高智慧消防的信息集成效率。     

一种基于深度学习的交通标志识别新算法

针对特定场景交通标志精度低与识别速度慢的问题,基于交通标志边缘信息与卷积神经网络,提出了一种交通标志图像识别T-YOLO算法.该算法基于YOLOv2算法检测思想,融合残差网络、卷积层填充0等结构,下采样舍弃池化层改用卷积层,并提取边缘信息与上采样以提升精度,设计7层特征提取网络以缩短识别速度,随后使用Softmax函数...     

基于深度学习的车位智能检测方法

提出了一种基于深度学习的车位智能检测方法。利用TensorFlow深度学习平台对车辆目标识别模型进行了训练,提取了有效车辆图像的优化间隔,给出了车辆分布的精准识别结果,实现了对车辆分布识别结果的有序编号和车位空缺状况的准确判断。利用模拟数据和实际采集数据,分别验证了车位分布的智能识别、车位智能编号和空车位判断的可靠性。     

基于视觉传感器的自主车辆地面自动辨识技术研究

该自主车辆地面自动辨识技术是以Leobot—Edu自主车辆作为试验载体,并应用DH—HV2003UC-T视觉传感器对常见的5种行车路面（石子路面、水泥路面、土壤路面、草地路面、砖地路面）进行图像信息的采集,应用Matlab图像处理模块对其依次进行压缩编码、复原重建、平滑、锐化、增强、特征提取等相关处理后,再应用MatlabBP神经网络模块进行模式识别。通过对模式识别结果分析可知,网络训练目标的函数误差为20％,该系统路面识别率达到预定要求,可以在智能车辆或移动机器人等相关领域普及使用。     

基于智能规划的多步攻击场景识别算法

多步攻击的识别过程与智能规划的求解过程具有一定的对应性。提出了一种基于智能规划的多步攻击识别模型,将智能规划的方法应用于多步攻击识别的领域,并以此为基础实现相应的识别算法。采用DARPA数据集进行实验,这种算法在多步攻击识别领域,具有较好的有效性和可行性,能够达到可接受的准确率和完备率。     

步态识别在智能视频监控系统中的应用前景

步态识别是生物特征识别技术的新领域,它具有可远距离获取、非接触性和非侵犯性、难以隐藏等优点,在未来智能视频监控系统中的应用前景广阔。重点介绍了步态识别技术的最新研究工作,涵盖了基于步态的性别识别、基于步态的年龄识别以及多视角步态识别等前沿技术,并对步态识别的未来发展趋势作了展望。     

基于光电传感器的智能车自动寻迹系统设计

介绍了一种自主寻迹智能车的设计,研究了采用红外反射式光电传感器作为路径采集模块实现自动寻迹的软硬件设计方法.系统采用Freescale16位单片机MC9S12DG128为核心控制器,利用11个红外光电传感器构成的光电传感器阵列采集路面信息,单片机获得传感器采集的路面信息和车速信息,经过分析后控制智能车的舵机转向,同时对直流电机进行调速,从而实现智能车沿给定的黑线快速平稳的行驶.该文介绍了光电传感器的寻迹原理,讨论了光电传感器排列方法、布局、间隔等对寻迹结果的影响.     

基于深度学习的高校设备设施智能监测预警系统的研究与设计

为解决高校中电梯、泵房、消防设施以及门禁等设备设施运行故障导致的安全隐患问题,通过物联网技术实现高校设备设施的泛在接入,实时采集设备设施的运行状态数据,建立设备设施运行数据中心,利用大数据与深度学习技术实现设备设施的在线监测与实时预警,将监测预警信息发送至管理人员与设备维护人员进行处理,实现设备设施的监测、预警以及处理...     

基于SPCE061A智能小车机器人语音辨识系统的研究

设计了以SPCE061A控制器为开发平台的智能小车机器人语音辨识系统,介绍了SPCE061A的内部资源和语音辨识原理,详细阐述了基于SPCE061A的语音辨识系统通过调用库函数在智能小车上的实现过程,包括初始化RAM、调用训练模块、初始化辨识器、启动实时监控、辨识处理等几个阶段。实验结果表明智能小车语音辨识系统运行良好。     

“人脸识别”在国外智能视频监控领域专利分析

在国外智能视频监控领域的专利申请进行检索基础上,分析人脸识别技术在专利申请量趋势、技术原创国和目标国、主要申请人等方面的特点,对人脸识别技术的发展特点做出论述,以供国内智能视频监控领域的申请人和发明人进行参考.