基于多分区时空图卷积网络的骨骼动作识别

人体骨骼点数据相对于RGB视频数据具有更好的环境适应性和动作表达能力,因此基于骨骼点数据的动作识别算法得到越来越广泛的关注和研究.近年来,基于图卷积网络(GCN)的骨骼点动作识别模型表现出了很好的性能,但多数基于GCN的模型往往使用固定空间配置分区策略且手动设定各骨骼点之间的连接关系,无法更好适应不同动作的变化特征.针...     

基于嵌入式系统的智能售货柜目标检测算法

针对普通商品识别算法在智能售货柜嵌入式系统平台上检测速度慢、识别率低的问题,提出了一种在YOLOv3基础上的改进型商品识别算法DS_YOLOv3.利用k-means++聚类算法得到适应于售货柜中售卖饮料图像数据的先验框;采用深度可分离卷积替换标准卷积,并加入倒置残差模块重构YOLOv3算法,减少了计算复杂度使其能在嵌入式平台实时检测;同时引入CIoU作为边界框回归损失函数,提高目标图像定位精度,实现了对传统YOLOv3算法的改进.在计算机工作站和Jeston Xavier NX嵌入式平台上进行了典型场景下的商品检测实验.实验结果表明,DS_YOLOv3算法mAP达到了96.73％,在Jeston Xavier NX平台上实际检测的速率为20.34fps,满足了基于嵌入式系统平台的智能售货柜对实时性和商品识别精度的要求.     

分段时间注意力时空图卷积网络的动作识别

得益于图卷积网络(GCN)对于处理非欧几里得数据有着非常好的效果,同时人体的骨骼点数据相对于RGB视频数据具有更好的环境适应性和动作表达能力.因此,基于骨骼点的人体动作识别方法得到了越来越多的关注和研究.将人体骨骼建模为时空图形的数据进行基于GCN模型的动作识别取得了显著的性能提升,但是现有的基于GCN的动作识别模型往往无法捕获动作视频流中的细节特征.针对此问题,本文提出了一种基于分段时间注意力时空图卷积骨骼点动作识别方法.通过将数据的时间帧进行分段处理,提取注意力,来提高模型对细节特征的提取能力.同时引入协调注意力模块,将位置信息嵌入注意力图中,这种方法增强了模型的泛化能力.在NTU-RGBD数据集和Kinetics-Skeleton数据集上的大量实验表明,本文所提模型可以获得比目前多数文献更高的动作识别精度,有更好的识别效果.     

无线网络中基于变分消息传递的分布式协作定位算法

针对基于消息传递算法的节点定位方法复杂度和通信开销较高的问题,提出一种适用于节点可移动网络的低复杂度低协作开销的节点自定位算法。为降低通信负载,该算法将消息约束为高斯型函数,网络中只需传输各消息的均值和方差,并采用适用于指数模型的变分消息传递(VMP)算法以降低计算复杂度。首先,根据节点的历史轨迹对节点位置进行预测,得到当前时刻的先验信息。然后,在因子图上按照VMP消息更新规则、通过迭代近似求解节点位置变量的后验分布。在消息更新中,对于非线性测距模型引起的非高斯置信,通过非线性项的二阶泰勒级数展开将其近似为高斯型函数。最后,根据最大后验估计准则得到位置估计。仿真结果表明,该算法的定位精度与基于非参数化置信传播的SPAWN（Sum-Product Algorithm over a Wireless Network）接近,但计算复杂度和通信负载均显著降低。      

基于多维校正的无线传感器网络多维标度定位算法

节点定位是无线传感器网络(WSN)配置和运行的基本和关键问题之一.针对目前已有的多维标度(MDS)定位算法的局限性,提出了一种基于多维校正的分布式无线传感器网络多维标度定位算法(MDS-MC).它通过自适应搜索算法建立局部节点定位区域(Nb),保证了相邻Nb区域的坐标转换,减少了网络中的冗余公共节点;同时根据锚节点间的距离信息修正了节点间的距离估计,并将经典MDS算法与粒子群算法相结合,优化了节点的位置估计,解决了节点间距离不完整时的定位问题.在此基础上,研究了不同场景下节点的定位误差和能耗.实验结果表明,该算法定位精度高、能耗小,特别是对非理想环境有很好的鲁棒性,满足大规模无线传感器网络应用的需要.     

超声波信号参数提取电路设计

本文介绍了超声波信号峰值、速度及相位的检测电路和系统软件流程,并在此基础上分析了提高测量精度的方法。该方法测量精度高、调试方便,能广泛应用于生产、科研等领域中。     

基于扇区天线的非测距无线传感器节点定位算法

基于锚节点装配的扇区天线和普通节点装配的全向天线,提出了一种非测距分布式节点定位算法（PBSAO）。在PBSAO算法中,锚节点通过功率控制扇区天线为不同扇区内的邻居节点提供角度信息和位置信息,未知节点通过计算锚节点定位信息的重叠区域确定自身位置。为了提高定位覆盖率,已定位节点升级为锚节点,利用装配的全向天线为未定位的邻居节点提供定位信息。仿真结果表明,与其它典型非测距定位算法相比,PBSAO算法具有较高的定位精度及较好的扩展性、鲁棒性,在大规模无线传感器网络定位中有广阔的应用前景。