边缘环境下的视频行为识别

边缘智能是一种新兴的智能计算模式,其将人工智能技术和边缘嵌入式设备结合,被广泛应用于物联网系统。智能摄像机是典型的边缘设备之一,它能提供低延迟的视频处理能力,适用于智能家居、智能交通、智能监控等领域。然而,由于摄像机的计算资源有限,传统的行为识别模型难以在本地完成计算任务。为解决这一问题,文中提出了一种基于边缘计算的架构,利用深度学习目标检测算法YOLO v3对视频行为进行识别。在该架构中,智能移动终端负责数据采集和压缩,边缘服务器承担大部分目标检测任务,而检测困难的目标和模型训练则由云服务器负责。为更好地适应边缘设备,本文采用轻量化的神经网络MobileNet替换YOLO v3模型的特征提取模块。经过测试,该架构能有效提取和识别视频中的静态和动态行为,为实现边缘计算环境下低成本、大规模的行为识别提供了有益的参考。     

结合人脸关键点与光流特征的微表情识别

微表情能反映出人们试图隐藏的真实情感,光流法进行微表情识别时,存在易受光照变化影响而使特征提取不准确的缺陷。针对上述问题提出一种结合人脸关键点与光流特征的微表情识别方法,该方法通过引入人脸关键点分支以忽略光照的影响,弥补光流法的不足,重点关注人脸关键位置的变化,最终建立一个人脸关键点和光流的双输入网络模型。该模型在CASME II和SAMM数据集上使用留一法交叉验证进行了实验,在CASME II上四分类准确率和F1值分别为69.19%和66.24%,相比基准微表情识别方法本方法准确率和F1值分别提升了6.05%和5.44%;在SAMM数据集上也优于现有方法,说明该方法与其他主流算法相比具有更好的识别性能。     

基于分光透射比模型提高镉等离子体特征光谱识别能力的研究

为了降低或消除激光诱导击穿光谱（LIBS）检测过程中激光能量、背景辐射、噪声信号对特征光谱信息的影响,以镉靶材为对象,构建偏振分辨激光诱导击穿光谱（PRLIBS）系统,探索提高重金属污染物LIBS分析能力的方法。结合光波在多层媒介传播过程中的菲涅耳方程,分析入射光波长对光强透射比的作用机理,构建正入射方向上的等离子体辐射强度分光透射比模型。利用该模型获得了相同条件下的LIBS、PRLIBS光谱数据,比较了镉元素特征谱线强度的相对标准偏差（RSD）,并分析了不同延迟时间下特征谱线强度的变化趋势。结果表明：在低能量密度情况下,PRLIBS具有明显的测量优势,可以采集到更多的特征峰信号,并且PRLIBS光谱特征谱线强度的RSD值小于相同检测参数下LIBS光谱特征谱线强度的RSD值,说明分光透射比模型能够有效提高等离子体光谱的稳定性;LIBS与PRLIBS的谱线强度随延迟时间的变化趋势一致,说明PRLIBS并不影响原有LIBS的延迟时间;随着脉冲能量增大,分光透射比模型可以有效降低基线漂移和背景辐射,增强光谱的分辨能力;分光透射比模型不仅保留了连续谱中的有效信息,还提高了谱线识别的稳定性,对于...     

空分复用弹性光网络多链路故障快速识别研究

随着空分复用弹性光网络规模的不断扩大,链路故障发生率持续增加,提出空分复用弹性光网络多链路故障快速识别方法。利用小波包分解方法将空分复用弹性光网络多链路信号分为高频和低频部分,使用Mallat算法快速重构链路信号,提取小波包能量谱特征和故障复合特征。根据特征提取结果采用改进贝叶斯算法对多链路故障进行定位,将定位结果输入到BP网络模式分类器中,完成多链路故障快速识别。实验结果表明,所提方法的故障定位时间最低仅为3.21 s,故障识别成功率在96%以上,故障误识率变化相对稳定,综合性能较为优越。     

基于卷积神经网络和半监督学习的无线电信号检测和识别分析

阐述对未知信号进行精准检测与识别,采用半监督学习以及卷积神经网络技术,搭建全新的无线电信号检测与识别框架,并对现有的网络结构进行优化设计。     

基于VMD与MFE的光纤周界安防入侵事件识别北大核心CSCD

为了提高周界入侵事件的识别率,本文提出一种基于超弱光纤光栅(UWFBG)阵列的光纤周界入侵事件识别方法。该方法通过变分模态分解(VMD)将入侵信号进行分解,然后选择最佳分量并提取其多尺度模糊熵(MFE),与信号过零率(ZCR)相结合构造特征向量,将其输入到Sigmoid函数拟合的支持向量机(SVM),实现对晃动、剪切、刮风、下雨和无入侵5种不同的事件的识别。实验表明,该方法可以准确识别5种常见的事件信号,平均识别率达到98%。此外,该方法可以在输出各入侵事件类别的同时输出各类事件发生的概率值。     

基于深度学习的激光剪切散斑干涉无损检测缺陷识别

剪切散斑干涉技术通过测量物体表面变形来推断其内部缺陷,具有高灵敏度、检测范围广、精度高等优点,是一种极具潜力的复合材料无损检测技术。目前缺陷识别主要采用人工方式,而人工识别不但检测效率低且受到专业性限制。为了提高剪切散斑干涉无损检测方法中的缺陷识别精度和效率,本文提出基于深度学习剪切散斑干涉缺陷识别方法。利用高精度四步相移技术获取剪切散斑相位条纹高质量成像;引入了应用广泛的YOLOv5和Faster R-CNN目标检测算法,通过实验采集了大量的缺陷图像,分别用YOLOv5和Faster R-CNN两种算法获得训练模型。然后将这两种模型分别应用于剪切散斑干涉无损检测中的复合材料缺陷检测。最后,实验从检测速率和检测精度方面对模型识别效果进行了对比分析。实验结果表明,激光剪切散斑干涉技术结合深度学习的方法能有效地实现剪切散斑干涉无损检测的缺陷自动识别,Faster R-CNN和YOLOv5的检测速率分别能达到11 f/s和50 f/s,并且两种深度学习算法的平均精度均能达到92%以上,验证了提出方法的可行性。     

GaN压电半导体杆的非线性动态响应研究

利用有限元分析方法,研究了p型GaN压电半导体杆在简谐力作用下的拉伸振动问题,得到了位移、电势和空穴浓度非线性动态响应的数值解,并分析了简谐力对p型GaN压电半导体杆力电耦合性能的调控作用。研究结果表明,简谐力显著地影响压电半导体杆内力电场的分布情况:由于电流密度中的电非线性项,电场和空穴浓度的分布失去对称性或反对称性;力电场在简谐力驱动下表现为周期性变化,但空穴浓度的动态响应表现为明显的非对称波动。     

基于时间域读出的大动态范围CMOS图像传感器

设计了一款基于时间域读出的大动态范围CMOS图像传感器。传感器基于一种新型的结构,其可在时间域下探测高输入光强,在模拟域下探测低输入光强。该设计在传统电容反馈式跨阻放大器(CTIA)的基础上,新增了时间域测量电路,在不改变原有积分过程的同时可实现连续的大动态范围。基于0.35μm,5V-CMOS工艺进行了256×1线列CMOS图像传感器流片,光电二极管面积为22.5μm×22.5μm,并对器件的光电特性进行了后仿真验证。仿真测试结果表明,基于时间域读出的图像传感器可实现96dB的大动态范围,且时间域和模拟域的两路输出信号可同步输出,功耗为7.98mW。     

一种基于实例语义图的屏幕反窃照识别算法

目前防窃照技术手段主要依靠图像采集设备实时采集视频流,对拍照行为进行识别检测,但受复杂环境影响,现有识别方法存在精确度低、实时性差等问题。针对上述问题,提出了一种基于实例语义图的屏幕反窃照识别算法。该算法首先通过图像分割模型U²-Net提取原图像的显著视觉目标后生成实例语义图,然后通过微调单阶段的目标检测模型YOLO-v5实现对语义图中感兴趣对象的目标检测,最后通过设计的基于Inception-ResNet的拍照识别二分类模型实现对屏幕窃照行为的识别。实验结果表明,该算法在实际场景下的平均识别准确率达到95%以上。