煤矿入井人员唯一性检测技术研究

通过分析掌纹、指纹、虹膜、人脸、步态、声纹等生物特征识别技术的特点以及煤矿现场对入井人员生物特征的影响,指出虹膜识别、人脸识别、步态识别、声纹识别适用于煤矿入井人员唯一性检测;提出了一种基于人员定位和生物特征识别的煤矿入井人员唯一性检测技术方案,将生物特征识别技术嵌入人员定位系统,利用人员定位识别卡实现识别卡数量及人员身份的唯一性检测;指出煤矿入井人员唯一性检测技术的研究关键点是严重污染人脸的识别算法、对设备遮挡情况下人员步态图像的采集及对混入人员语音信号的煤矿现场噪声消除算法。     

基于深度学习的两阶段目标检测算法综述

目标检测是计算机视觉的重要研究方向之一，旨在准确识别图像中目标的位置和类别，因其较高的准确性，受到研究人员的广泛关注。近年来，计算机技术快速发展，相对于传统的目标检测算法，基于深度学习的目标检测算法的优势逐渐凸显，该算法精度高、实时性好。本文介绍了几种经典的两阶段目标检测算法，对其优缺点进行了比较，并对未来两阶段目标检测算法的发展进行了展望。     

基于Qt与Arm NN的嵌入式喷码检测系统设计与实现

现存的喷码检测系统大多基于工控PC电脑实现,其在价格、体积、功耗、灵活性等方面存在着较大的局限性。为此,设计了一种基于Qt与Arm NN的嵌入式喷码检测系统,该系统的核心处理器采用Arm cortex-a9,搭载配置有相关软件工具的嵌入式linux操作系统,采用位置检测算法来实现软件检测待测目标的位置,通过由图像预处理、喷码区域提取、条形码识别、字符子串分割、基于卷积神经网络及caffe框架的喷码字符识别模型训练、利用Arm NN将识别模型引入到ARM端实现喷码字符识别、识别结果处理等过程组成的喷码检测算法来实现对喷码内容的检测。该系统还基于Qt多线程技术开发了具有完善系统功能的图形应用程序,便于现场生产人员使用。经相关测试表明该系统有效可行、正检率高,能够满足包装生产流水线喷码检测的实际需求。     

基于亚像素边缘检测的二维条码识别

提出了一种基于亚像素边缘检测的二维条码识别算法、能有效地解决边缘模糊对条码识别的影响。以PDF417条码为例研究了基于亚像素边缘检测的二维条码识别算法。首先定位条码位置并在条码中分割出单个码字符号图像。然后根据分割出来的单个码字符号图像讨论r基于亚像素边缘检测的识别算法。实验结果表明基于亚像素边缘检测的识别算法具有良好的性能，显著地提高了条码的识别率，满足了实际使用的要求。     

小波去噪与Blob算法在零件位置识别中的应用

本文以工业制造自动生产线中的零件位置识别为研究主题,采用图像处理等方法来自动智能识别零件位置.首先使用二维单目的方式,采集数据集中的零件图像,然后对图像进行均衡化处理、灰度化与小波去噪算法等一系列预处理,使用基于区域算法与最优化算子Canny边缘检测方法的图像分割模型,对同一空间中的两个不同零件进行分割,得到的两个零件的图像分别作为基于Blob算法的零件位置识别模型的输入,从而识别出附件中两个不同零件的位置坐标.     

基于主成份分析和支持向量机的车标识别

基于车牌定位算法确定车牌和车标的位置关系,利用Hausdorff距离精确定位车标位置并对其进行数学形态学图像处理,边缘检测,连通域分析.对车标图像进行基于主成分分析的降维处理并对提取到的PCA特征进行归一化处理,最后用C-SVM支持向量机算法对提取到的特征进行识别.实验表明,上述算法具有精度高、识别效率高、速度快等优点...     

OpenMV视觉模块的滚球目标识别与追踪系统研究

基于OpenMV微型机器视觉模块,以云台为载体,使用Micro Python语言对滚球目标识别与追踪算法进行研究。通过摄像头获取实时图像,在对图形进行预处理后利用形状识别和边缘检测算法完成目标识别与追踪,并通过串口将滚球中心位置坐标输出。     

基于激光雷达数据的行人检测

在自动驾驶领域涉及的众多任务中,行人识别是必不可少的技术之一。针对基于图像数据的行人检测算法无法获得行人深度的问题,提出了基于激光雷达数据的行人检测算法。该算法结合传统基于激光雷达数据的运动目标识别算法和基于深度学习的点云识别算法,可以在不依赖图像数据的条件下感知和检测行人,进而获取行人的准确三维位置,辅助自动驾驶控制系统作出合理决策。该算法在KITTI三维目标检测任务数据集上进行性能测试,中等难度测试达到33.37%的平均准确度,其表现领先于其他基于激光雷达的算法,充分证明了该方法的有效性。     

基于深度学习的多旋翼无人机单目视觉目标定位追踪方法

针对无人机对目标的识别定位与跟踪,本文提出了一种基于深度学习的多旋翼无人机单目视觉目标识别跟踪方法,解决了传统的基于双目摄像机成本过高以及在复杂环境下识别准确率较低的问题。该方法基于深度学习卷积神经网络的目标检测算法,使用该算法对目标进行模型训练,将训练好的模型加载到搭载ROS的机载电脑。机载电脑外接单目摄像机,单目摄像头检测目标后,自动检测出目标在图像中的位置,通过采用一种基于坐标求差的优化算法进行目标位置准确获取,然后将目标位置信息转化为控制无人机飞行的期望速度和高度发送给飞控板,飞控板接收到机载电脑发送的跟踪指令,实现对目标物体的跟踪。试验结果验证了该方法可以很好的进行目标识别并实现目标追踪     

基于CANNY算法的道路交通标线识别方法

现如今在智能交通领域,车道线及交通标志的识别已经发展得较为成熟,但缺乏对于交通道路中标线识别的研究。为了解决道路交通标线识别中标线分类复杂以及精确程度不高等问题,提出了一种基于CANNY算法的道路交通标线识别方法。针对视频中道路交通标线的提取及其识别,提出通过结合阈值分割提取颜色特征及使用CANNY算法检测标线边缘特征等信息,定位出标线所在原始图像的位置,并将ROI定位区域标定分割,得到初步的检测区域,将ROI定位区域标定分割后结合SURF算法提取出图中的特征点,最后基于快速近似最近邻搜索匹配方法对标线进行识别。实验发现,此方法剔除了后期检测时冗余的特征点,减少了处理时传输量,加快了识别速度,对现实场景中车道线的识别效果良好。     

基于可变网格划分的密度偏差抽样算法

简单随机抽样是在分析处理大规模数据集时最常用的数据约简方法,但该方法在处理内部分布不均匀的数据集时容易造成类的丢失。基于固定网格划分的密度偏差抽样算法虽能有效解决该问题,但其速度及效果易受网格划分粒度影响。为此提出了基于可变网格划分的密度偏差抽样算法,根据原始数据集每一维的分布特征确定该维相应的划分粒度,进而构建与原始数据集分布特征一致的网格空间。实验结果表明,在可变网格划分的基础上进行密度偏差抽样,样本质量明显提升,而且相对于基于固定网格划分的密度偏差抽样算法,抽样效率亦有所提高。     

基于排队论的呼叫中心ACD技术研究

本文首先阐述了ACD的排队理论;其次对先到先服务、优先级服务的排队策略,基于负载均衡、座席技能级别、客户信息和经验的路由算法进行了详细地分析;最后提出可根据呼叫到达时间、主叫号码、DNIS、用户可接受的等待时间、客户等级多项参数进行线性加权确定优先级的排队算法策略,根据系统规模、服务效率、客户信息等来综合地确定路由分配方法,真正实现合理的排队和智能的路由分配。     

广义线性系统的分散控制

从混合型输出反馈控制的角度讨论了广义线性系统的分散控制问题，给出了一个广义性系统在混合型分散输出反馈下存在脉冲固定模的充分条件，提出卫通过实现分散正常化消除脉冲固定模的有效算法。     

基于信令数据的人流时空分布和移动模式研究

针对采用手机信令数据研究移动模式存在的数据稀疏、分布不均和信号漂移异常等问题，提出从数据量和数据分布两个层面解决数据稀疏和分布不均匀的数据预处理方法；提出基于主活动区域的人流时空分布算法来解决现有研究在考虑时段差异上的不足，并以上海市为例，对比分析了不同功能区在工作日和周末的人流时空分布规律；深入分析基于居住地的人类日常移动模式，提出了基于时空的栅格停留点抽取算法。实验结果表明该算法可以更准确地抽取出对用户有特殊意义的停留点，获取更简洁明了的用户移动模式。     

基于增益字典查询的语音增强算法

对于基于统计模型的语音增强算法,不同分布模型对应于不同的增益函数,由于语音信号的不确定性,没有一种分布函数能准确对语音和噪声谱的分布建模,因此任何一种固定的统计模型均会存在一定的误差。所以提出一种增益字典查询的语音增强算法,该算法通过采用对数谱失真准则对一个语音噪声库进行增益的训练,得到一个增益的字典,其中输入为先验信噪比和后验信噪比的估计值。最后采用ITU-T P.826 PESQ、分段信噪比、总信噪比和对数谱失真对该算法进行了测试,并与基于高斯分布模型、拉普拉斯分布模型的算法进行了对比。实验结果表明,该算法无论在非平稳噪声还是平稳噪声环境下都比其他几种算法增强效果好,且音乐噪声和残留背景噪声也可以得到很好的抑制。     

Minimax estimation by probabilistic criterion

A minimax estimation problem in multidimensional linear regression model containing uncertain parameters and random quantities is considered. Simultaneous distribution of random quantities that are a part of the observation model is not prescribed exactly; however, it has a fixed mean and a covariance matrix from the given set. For estimation algorithm optimization, we applied a minimax approach with the risk measure in the form of the exceedance probability of the estimate of a prescribed level by an error. It was shown that a linear estimation problem is equivalent to the minimax problem with the mean-square criterion. In addition, the corresponding linear estimate will be the best (in the minimax sense) by the probabilistic criterion at the class of all unbiased estimates. The least favorable distribution of random model parameters is also constructed. Several partial cases and a numerical example are considered.     

基于优先级考试自动编排的算法研究

利用计算机进行考试自动编排,涉及到的约束条件纷繁复杂,本文论及了一种基于优先级的考试编排算法,根据约束条件将教师,教室,课程各定义一个特征函数,来计算他们各自的优先级别,结合分治法、贪婪法等多种算法思想来排出无冲突的,人性化的考试编排表。     

An algorithm for adaptive mesh refinement inn dimensions

The author describes a fast algorithm for local adaptive mesh refinement inn dimensions based on simplex bisection. A ready-to-use implementation of the algorithm in C++ pseudocode is given. It is proven that the scheme satisfies all conditions one usually places on grid refinement in the context of finite-element calculations. Bisection refinement also offers an interesting additional feature over the usual, regular, refinement scheme: all linear finite-element basis functions of one generation are of disjoint support. In the way the scheme is presented here, all generated simplex meshes satisfy a ‘structural condition’ which is exploited to simplify bookkeeping of the neighbour graph. However, bisection refinement places certain restrictions on the initial, coarsest grid. For a simply connected domain, a precise and useful criterion for the applicability of the described refinement scheme is formulated and proven.     

多密度阈值的DBSCAN改进算法

在分析了基于密度的聚类算法（DBSCAN）及其改进算法的缺点的基础上,提出了一种多密度阈值的DBSCAN改进算法。算法通过构建网格密度矩阵绘制密度分布图,辅助用户确定密度层次划分。根据基于网格与基于密度的聚类算法间的等效规则计算各个密度层次的密度阈值ε。通过多密度层次的聚类过程得到多个密度层次上的更加精细的聚类结果。解决了DBSCAN算法参数选取困难和难以发现密度相差较大的簇的问题,具有重要的实用意义。     

Choice of generalized linear mixed models using predictive crossvalidation

The choice of generalized linear mixed models is difficult, because it involves the selection of both fixed and random effects. Classical criteria like Akaike’s information criterion (AIC) are often not suitable for the latter task, and others which are useful in linear mixed models are difficult to extend to the generalized case, especially for overdispersed data. A predictive leave-one-out crossvalidation approach is suggested that can be applied for choosing both fixed and random effects, even in models with overdispersion, and is based on proper scoring rules. An attractive feature of this approach is the fact that the model has to be fitted just once to the data set, which makes computations fast and convenient. As the calculation of the leave-one-out predictive distribution is not possible analytically, it is shown how an iteratively weighted least squares algorithm combined with some analytic approximations can be used for this task. A simulation study and two applications of the methodology to binary and count data are provided, as well as comparisons with two other methods.