基于HOG-SIFT融合优化的多人脸特征提取方法

针对昏暗光线及复杂背景下人脸特征提取效果易受环境因素干扰影响的问题,在进行人脸图像预处理过程中引入双边滤波处理,进一步研究基于自商图像理论的人脸图像光照干扰抑制方法; 结合HOG特征较好的全局性以及SIFT特征对复杂背景影响较好的适应性,提出一种基于HOG-SIFT融合优化的多人脸特征提取方法. 试验结果表明,该方法可有效实现昏暗光线环境及复杂背景下多人脸特征提取功能.     

一种新型数字SDTV信源解码器的实现

本文实现了以专用芯片STi5518为核心器件的SDTV信源解码器.该解码器可配接不同制式的前端,组成完整的机顶盒方案;可对符合MPEG-2的视频流进行解码;可对AC-3或MPEG两种音频解码;另外,本系统还实现了硬盘录像和条件接收两个有特色的功能.本文重点叙述该信源解码器的硬件设计和实现原理.     

纳米TiO2自清洁溶胶的制备及其性能

为使羊绒织物具有自清洁的性能,以钛酸四丁酯为原料,采用溶胶-凝胶法制取纳米TiO2溶胶。以凝胶时间作为评价指标,通过对钛酸四丁酯、水、冰醋酸、无水乙醇及三乙醇胺的单因素分析,确定了各个反应物的配比范围,然后经过正交实验和优化分析确定了最佳配比,从而得出了最优制备工艺参数;通过对TiO2溶胶的含固量、纳米溶胶粒度、红外光谱的表征,得出纳米TiO2广泛存在。经TiO2溶胶整理后的羊绒针织物的自清洁效果进行测试,结果表明：自然光照射48h,经TiO2溶胶为80%的整理剂整理后,的羊绒织物可以将油渍完全分解,达到自清洁效果。     

碱催化苯甲酸酯类增塑剂合成研究

以脂肪族多元醇、苯甲酸为原料,以氢氧化钾为催化剂,二甲苯为带水剂,合成了3个多元醇苯甲酸酯增塑剂。考察了催化剂、带水剂及投料配比对反应的影响。得到优化的反应条件为:n(多元醇羟基):n(苯甲酸)=1.00:1.05,催化剂用量为1%,二甲苯为带水剂,210～220℃回流带水反应至基本无水带出,在该条件下产物收率为97.7%～99.1%。产物结构经FTIR、~1HNMR、UPLC-MASS确证。     

碱催化苯甲酸酯类增塑剂的合成研究

以脂肪族多元醇、苯甲酸为原料,以氢氧化钾为催化剂,二甲苯为带水剂,合成了3个多元醇苯甲酸酯增塑剂。考察了催化剂、带水剂及投料配比对反应的影响。得到优化的反应条件为:n(多元醇羟基):n(苯甲酸)=1.00:1.05,催化剂用量为1%,二甲苯为带水剂,210℃~220℃回流带水反应至基本无水带出,在该条件下产物收率为97.7%~99.1%。产物结构经FTIR、1H NMR、UPLC-MASS确证。     

江苏纺织服装行业竞争力分析

1 江苏省纺织服装业发展的优势与存在的问题 经笔者研究,江苏省纺织服装产业具备诸多优势与特点,如独特的地理优势;科研教育、人力资源优势;纺织业是江苏省传统优势产业,产销衔接状况良好;近年来行业生产增长速度较快,经济效益有所提高;棉纺织行业和服装行业是江苏纺织行业中举足轻重的两大行业,具有典型的代表意义;纺织服装业是江苏省出口创汇大户;优势行业领先发展,区域块状经济特色明显,等等.     

纳米自清洁棉针织服装的研究与开发

介绍了纳米TiO2材料的光催化反应原理,采用自制的纳米整理剂对棉针织物进行光催化自清洁整理,并且对整理前后的织物进行了扫描电镜、顶破混力、透气性等实验对比,结果发现,该复合纳米自清洁整理剂对棉针织物整理后,在保持织物原有性能的同时,具有较强的自清洁功能。     

一种新型7自由度上肢康复外骨骼机器人的结构设计和运动学仿真

针对现有的康复机器人在上肢重度偏瘫患者被动康复训练中存在的问题,提出了一种新型的7自由度上肢外骨骼机器人;设计了一种新型手部固定装置代替传统外骨骼的握把,可更好地实现重度偏瘫患者的腕部训练.根据外骨骼模型,使用Matlab建立了Denavit-Hartenberg(D-H)坐标系,对其工作空间进行仿真,验证了其工作空间...     

基于改进Mask R-CNN的交通监控视频车辆检测算法

针对交通监控视频车辆检测常易受到遮挡导致目标车辆出现漏检或误检的问题,提出一种基于改进Mask R-CNN的交通监控视频车辆检测算法. 采用基于bottleneck结构的主干网络,提高主干网络提取特征的能力; 通过基于预测mask分数的掩码分支,融合目标的类别分数和掩码质量分数,提高车辆的掩码质量; 通过基于Arcface Loss的目标检测损失函数设计,提高不同特征之间的可判别性,提高目标的检测精度. 实验结果表明,改进的Mask R-CNN模型可更好地检测到被遮挡的车辆,目标车辆的检测精度超过Faster R-CNN、YOLO v3和Mask R-CNN模型,可解决目标车辆漏检或误检问题.     

特征与分类算法在基于肌音信号的头部运动分类中的对比研究

提取颈部肌肉的肌音（Mechanomyography, MMG）信号时域、时-频域和非线性动力学的15个常见特征,按照其性质分为5个特征集,并选择其中一部分构建高维特征矢量后进行主成分分析（Principal component analysis, PCA）降维处理,应用于头部动作的模式识别研究中。分别采用支持向量机(Support vector machine, SVM)、K近邻(K-nearest neighbor,KNN)和线性判别分析(Linear discriminant analysis, LDA)3种分类器,对6种头部动作（低头、抬头、左摆头、右摆头、左转头和右转头）的MMG信号进行分类。实验结果表明,选用时域、时-频域和非线性动力学特征组合的方式,以及使用SVM作为分类器,可使各类动作的分类精度均达到80%以上,从而获得相对较高的准确率。