基于多特征融合的停车场行人异常行为识别

视频异常行为检测对保障公共安全至关重要。针对停车场视频监控中行人异常行为识别准确率低的问题,提出一种基于轨迹-骨架多特征融合的异常目标识别方法。首先根据停车场的环境要求定义异常行为类型;然后对停车场区域进行行人识别,对行人进行图像跟踪,得到其运动轨迹,并对人体姿态进行分析,计算相应关节点的图像坐标;最后融合轨迹特征和骨架特征,对正常行为和异常行为进行分类,实现对目标异常行为的识别。在行为分析数据库上的试验结果表明,本算法的准确率达到87.08%,与单一特征识别方法相比,提高了异常行为的检测效率。本方法能够有效地识别停车场行人的异常行为,在实际工程中具有参考价值。     

基于Simulink的双闭环调速系统仿真研究

转速、电流双闭环调速系统是当前应用最广的直流调速系统,利用电流调节器和转速调节器实现了串级控制,从而可以无限逼近理想起动过程.采用工程设计方法,建立了系统的动态数学模型,并基于自动控制系统快、准、稳的准则完成了系统设计.同时,利用Simulink进行了系统仿真,给出了仿真框图和仿真结果.通过对结果的分析进一步验证了双闭环调速系统的优越性.     

基于GPRS的智能家居安防系统的设计

采用C8051F021单片机控制GPRS modem的方法,实现了数据的无线传输,使用户可以远程控制家居设备,同时当系统捕获到异常信息时,会发送报警短信和图片给设定用户,并完成相应的应急措施。测试结果表明,系统功能完善,能实现基本的家居安防功能,具有较高的实用价值。     

浙江科技学院自动化与电气工程学院 融中德科教资源 建机器人创新高地

<正>打造智能机器人感知与控制国际合作基地,围绕智能机器人、智能感知、控制与决策三个关键领域,与国际优势科研院校展开合作研究。“智能机器人感知与控制国际科技合作基地”获批认定省级基地;“中德引领六化融合——依托现代产业学院的自动化类人才培养体系探索与实践”项目获省自动化学会高等教育教学成果一等奖;“现代产业学院建设背景下的机器人专业人才培养实践”项目入选省产教融合“五个一批”建设项目……2022年,浙江科技学院自动化与电气工程学院在教学研究服务产业发展方面交出了靓丽的成绩单。     

一种用于汽车连杆检测的机器视觉系统研究

连杆作为汽车的主要部件之一,有时存在序列号不匹配的情况,目前多用肉眼检测,误判率高,检测效率低下.针对这一问题,设计了基于机器视觉的汽车连杆检测系统,它可实时采集连杆图像,并以Hu矩作为特征向量,采用BP神经网络算法训练分类器进行连杆字符识别,从而实现了对连杆产品的自动检测.研究结果表明,该系统字符识别准确率在97.50％以上,大大提高了工作效率,降低了劳动强度,具有较高的推广价值.     

面向光伏发电功率预报的云层图像采集与分割研究

设计了一种跟踪太阳的机械装置,能够利用全景相机采集天空图像,并确保太阳在图像的中心区域,以获取更多更有效的云层信息。依据采集图像中白色云层与蓝色天空所含颜色分量的不同,提出一种基于颜色特征的云层检测方法,可以将云层从全景图像中分割出来,并对不同类型的云层进行处理。试验结果表明,设计的图像采集装置能有效获取太阳能电站区域的天空全景图像,设计的图像处理算法能有效分割云层区域,从而为后续的太阳能预报打下基础。     

自适应模糊PID控制器的设计及基于MATLAB的计算机仿真

将模糊控制器和PID控制器结合在一起,利用模糊逻辑控制实现了PID控制器参数在线自调整,进一步完善了PID控制器的性能,提高了系统的控制精度.并把MATLAB中的FuzzyToolbox和SIMULINK有机结合起来,方便的实现了该自适应模糊PID控制系统的计算机仿真,拓宽了FuzzyToolbox和SIMULINK的应用范围.     

融合中值滤波与光流算法的云团跟踪算法

【目的】针对现有的云团跟踪算法存在跟踪速率低、云团滤波边缘信息丢失、云团跟踪定位不准等问题,结合优化的中值滤波算法,提出一种融合中值滤波与光流算法的云团跟踪算法。【方法】首先对太阳的位置进行定位,采用红蓝阈值比分割图像,用优化的中值滤波算法滤除噪点后,检测云块及其质心坐标;然后对云图序列进行光流处理,实现对云块的精确检测与实时跟踪;最后在不同云量情况下进行云团跟踪试验,并且与传统光流算法、块匹配算法、ViBe(visual background extractor,视图背景提取)算法进行比较。【结果】本文算法在云团边缘检测和云团实时跟踪上表现优越,目标跟踪效率比其他3种算法的平均值提高了约6.32百分点。【结论】本研究结果有效解决了云团滤波导致边缘信息缺失的问题,对预测短期太阳辐照度的准确性有重要意义。     

基于人体检测理论的室内智能监控系统

智能监控已随着社会发展成为主流,但当前智能监控系统的人体检测模块尚不能满足实时检测要求。为解决这一问题,结合梯度方向直方图特征和SVM(支持向量机)级联分类器,提出室内监控系统的人体检测策略,并基于以太网平台,实现远程实时室内监控。实验结果表明,该监控系统精度较高、速度较快,能在实时人体检测的基础上进行预警,达到了智能监控的目的。