基于MSP430 单片机的智能手枪枪-弹识别系统

为解决丢失枪、弹后给社会带来的危害及加强警方对枪、弹的管控等问题,基于MSP430 单片机与无线 射频技术(radio frequency identification,RFID)设计一套智能枪-弹识别系统。该系统包括接触式电子击发手枪弹、 枪内处理单元2 部分,可以实现枪-弹识别：正常击发编写过特殊识别码的子弹,对码失败或没有编写识别码的普通 子弹无法完成击发,并在击发失败后触发失败提醒。结果表明：该系统可以有效减少因枪支违法外流带来的生命财 产损失,加强枪、弹管控。     

基于DSP和MATLAB的语音数据采集和处理系统

目前迅速发展的数字信号处理器已在数据采集、通信及多媒体等领域中得到广泛的应用。本系统采用TI公司16位定点高速芯片TMS320C5410和专用语音采集芯片TLC320AD50进行数据采集和相关滤波、压缩处理，并将最终的数据流经串口送入计算机。在计算机中使用MATLAB控制串口接收数据并完成解压、回放、编码、通信仿真等处理。     

一种垂钻过程检测与控制器的设计及室内试验

钻探工程中的自动控向垂直钻进技术是目前钻探工程界研究的重点，文章简要分析基于单测斜仪和三导向块钻具结构的垂直钻进状态检测与控制方法，并给出研制的微机自动控向垂钻系统中的检测控制器的设计和部分试验。测试表明，该装置能够完成对井深信号和井斜信号的采集与存储、钻进轨迹控制信号的生成，并能实现钻进过程的自动纠斜。     

引入视觉注意机制可变分辨率的遥感图像压缩

图像压缩是遥感图像处理的重要研究领域,现有的压缩方法要么丢失重要的细节信息,无法满足实际的应用需要,要么压缩率过低,难以达到实时处理的要求。将视觉注意机制引入到遥感图像压缩中,对不同的显著性区域采用不同的压缩率,这样不仅可以对整个遥感图像达到一个高的压缩率,而且还可以保持重要区域的高分辨率,实现了可变分辨率的图像压缩。实验结果表明在前几个显著性区域中,该方法得到的图像压缩性能指标优于传统压缩方法得到的性能指标。     

基于视觉注意机制的遥感图像显著性目标检测

显著性目标检测是遥感图像处理的重要研究领域,传统的方法通过逐个像素点的计算来实现目标检测,难以满足遥感图像大面积实时处理的要求。将视觉注意机制应用到遥感图像的显著性目标检测中,在训练阶段,将所有的目标融合成目标类,所有的背景融合成背景类,目标类的显著性均值与背景类的显著性均值的比值得到一个权重向量;在检测阶段,所有的特征图乘以权重向量得到自顶向下的显著性图;自顶向下和自底向上的显著性图融合生成全局显著性图。实验结果表明当目标和背景不是总成对出现时,该方法的检测结果优于Navalpakkam模型和Frintrop模型的检测结果。     

基于聚类分析的红外弱小目标检测

针对深空背景下的红外弱小目标检测,提出了一种基于聚类分析的目标检测方法,该方法将经过背景抑制的连续几帧图像构造组合帧,基于目标的运动特性,对分割后的组合帧进行聚类分析,从而检测到弱小目标并同时获得目标运动轨迹,再对检测结果进行聚类检验,从而去除虚假目标,降低虚警率。实验结果表明该算法对多目标的检测有较高的鲁棒性,且相对于传统的小目标检测算法有更高的检测率和较好的实时性。     

基于少量样本学习的多目标检测跟踪方法

视频目标检测跟踪算法一直是计算机视觉领域的研究热点,目前大部分方法均需人工采集样本训练检测模型,搭建目标检测跟踪系统.当目标成像条件发生变化时,需重新采集样本,训练模型,调试整个检测跟踪系统,耗费大量人力、物力.本文提出一种基于少量样本学习的多目标检测跟踪算法,只需在监控视频第一帧指定待检测目标,即可自主生成混合分类模型,进行目标检测.采用在线渐进学习算法学习目标姿态变化,更新该模型.结合基于颜色的目标跟踪算法,自动构建高精度目标检测跟踪系统.整个过程无需手工采集、标注训练样本.因此,易于扩展到其它监控场景,通过自主学习形成该场景专用的检测跟踪系统,实现不同监控环境下,不同成像条件下都有较好的检测跟踪效果.实验表明,本方法能自主学习多种监控场景下的目标姿态,无需手工标注训练样本,在基于在线学习的算法中有最佳的检测精度,此外也取得了和离线目标检测跟踪系统相似的性能.     

一种增量迭代方式下的特征向量聚类方法

采用一种数据组织方式,提出一种特征向量聚类方法。首先选取特征空间中一些容易聚类的高密度数据点作为初始种子集合,并对其进行聚类。然后从剩下的数据点中选取种子集合的所有k近邻数据点,通过半监督判别式分析方法将当前种子集合及其k近邻数据投影到一个新的投影空间中,在该空间中对这些数据点再进行聚类,得到新的聚类结果,并将这些k近邻数据添加到当前种子集合中。通过迭代上述步骤,当种子集合的k近邻数据为空集时,算法结束。实验表明,该聚类方法优于经典的K-means、均值漂移、谱聚类等算法。     

可在线学习的视频目标检测系统

本文针对视频图像中的目标检测问题,基于在线学习方法,研究具有自主学习能力的目标检测系统。该系统由目标检测模块及检测结果验证模块组成,目标检测模块由具有在线学习能力的分类器构成,检测结果验证模块通过粒子滤波对系统检测到的目标估计其后验概率分布,从而验证该检测结果是否为真实目标,并从中获得在线学习样本,实现检测系统的无需人工干预的自适应学习。为了减少验证错误对系统在线学习的影响,提出基于多信息融合的粒子滤波验证方法提高系统的鲁棒性。本文对PETS2006视频序列以及公交车内视频序列进行了目标检测实验,证明了其较强的自适应能力和较好的检测效果。