公共区域监控视频数据目标特征跟踪定位方法

为了提高公共区域监控视频的目标定位检测能力,需要进行目标特征跟踪定位算法设计,提出一种基于图像超分辨率重建的公共区域监控视频数据目标特征跟踪定位方法。构建公共区域监控视频的三维图像重建模型,采用边缘层的高分辨融合方法进行公共区域监控视频图像数据的三维结构重组,提取公共区域监控视频的关键特征点,用图像退化模型进行公共区域监控视频数据目标特征检测,结合线性滤波模型使得监测输出图像满足最优匹配特征解,提高对公共区域监控视频数据目标特征跟踪能力。引入引导滤波方法进行公共区域监控视频数据的图像超分辨重建,实现对目标特征准确跟踪定位。仿真结果表明,采用该方法进行公共区域监控视频数据目标特征跟踪定位的准确性较高,图像重建能力较强,归一化均方根误差较小。     

面向电力智能交互式场景的意图识别算法

为建立更高效的电力智能交互式平台,需要更准确地识别参与人的交互意图.针对目前使用的基于简单关键词匹配的意图识别方法准确率较低的问题,提出一种基于压缩时延神经网络(compressed Time Delay Neural Net-work,cTDNN)与卷积神经网络(Convolutional Neural Network,CNN)的语音关键点定位算法.该算法通过引入延时单元有效降低传统方法的时间复杂度,提升意图识别的实时性.同时,通过引入卷积神经网络,学习语音中丰富的上下文相关性,提升关键点定位的准确性.在真实场景中采集的交互数据集上的实验表明,该算法可有效提升电力智能交互式场景中对参与人意图的识别能力.