基于桥梁自然纹理的全场位移监测方法∗

结构健康监测系统在桥梁上的测点十分有限,测试数据不完备导致结构安全状态评价困难。提出一种自然纹理条件下的结构全场位移监测方法。通过尺度不变特征变换算法提取结构表面自然纹理特征点,将提取的自然纹理特征点作为结构变形前后的点源数据,通过特征点匹配建立起变形前后特征点的位置关系。进一步,建立结构变形前后自然纹理特征点相对位置变化数学模型,提出结构全场位移矢量计算理论。最后,通过试验梁对方法进行验证,获得了试验梁的全场位移监测结果。验证结果显示,结构边缘挠度最大误差 4.94%,平均误差为 2.08%, 全场位移矢量最大长度误差 0.68 mm,最大角度误差 0.76°,计算得到的全场位移矢量与结构实际变形一致。     

青鳉鱼的行为特征提取研究

采用生物行为传感器获取青鳉鱼的行为数据时,青鳉鱼个体差异会导致采集到的原始电信号在时空特性下完全不同。重要的行为特征往往被隐藏在原始信号中,传统的信号处理方法无法实时而有效地提取到这些特征。针对这个问题,观察并记录了暴露实验前后青鳉鱼的行为变化,提出了一种可以高效表征行为特征的直方图统计算法。实验结果表明,该方法能够准确对应人眼观测到的暴露实验前后鱼的行为变化趋势,同时也为后续异常行为识别提供一定的支持和参考。     

掌纹识别通道门禁系统解析

正前言人类手掌的立体形状,就如同指纹一样,是每个人都互不相同的可以作为身份确认的识别特征,依靠这种唯一性可以把一个人同他的掌形对应起来,通过对他的掌形和预先保存的掌形进行比较来验证他的真实身份。除此之外,市场上出现的掌形仪还有辅助输出输入功能,该功能可以实现控制其它系统如摄像、报警系统等,通过应用于门禁系统,实现对人员权限的明确限定,设置使用者可     

人脸识别技术的研究现状与展望

本文主要介绍了人脸识别技术(FRT)的常用方法,讨论和分析了人脸检测与定位、人脸特征提取、人脸识别方法等方面的研究成果,总结了人脸识别的未来发展方向和应用前景,提出了人脸识别技术存在的问题和未来发展的要求。     

小波分析在湖泊常见浮游藻荧光识别测定中的应用

利用Daubechies7（db7）小波函数对27种分属于6个门,22个属的主要湖泊常见浮游藻的三维荧光光谱进行分解,得到各尺度分量及小波分量,应用Bayesian判别分析选择第三层尺度分量（Ca3）作为最佳特征谱,通过系统聚类分析得到浮游藻的标准谱库,结合非负最小二乘法解析的多元线性回归建立湖泊常见浮游藻的荧光识别测定技术.将该技术用于单种藻样品、模拟混合样品及实际混合样品的识别分析,单种藻样品在门类水平上的识别正确率平均为98.6%,识别测定的平均相对含量为90.8%.在实验过程中加入一定比例的噪声,考察了标准谱库的抗噪能力.对于104个实验室混合样品,优势门的藻在门类水平上的平均识别正确率为97.0%,识别的平均相对含量为67.7%,次优势门的藻在门类水平上的平均识别正确率为90.7%,识别的平均相对含量为32.3%.结果表明,所建立的识别测定技术具有可行性.     

基于DEM的太湖流域水文特征提取

文章选取太湖流域作为研究对象,采用1：25万中比例尺DEM作为基础数据,应用ESRI公司开发的ArcGIS地理信息系统软件进行流域水文特征提取,得到了研究区域水流流向、汇流栅格生成、河网水系、子流域边界等流域特征信息,经与标准河流水系特征对照,认为基于DEM提取的太湖流域水文特征信息是合理的,可作为基础信息,为太湖流域生态环境治理实践及理论研究提供数据支撑。     

基于卷积神经网络的煤泥水外溢检测算法

为解决工厂煤泥水外溢这一难题,提出一种实时监督煤泥水外溢的解决方案。首先,构建基于深度学习的煤泥水外溢视频检测模型,利用卷积神经网络(CNN)提取煤泥水监测图像特征;然后,将提取到的特征代入模型进行训练,通过微调方法,使准确率不断提升;最后,采用相关评价指标评估模型的性能。结果表明：采用基于CNN的煤泥水外溢检测模型相较于传统的检测算法,在各项评价指标上可提高15%以上;在煤泥水外溢的严重程度上也能做出精准判断,各项评价指标均达到90%以上,有助于降低煤泥水外溢状况发生。     

垃圾图像识别研究进展

实现生活垃圾自动分类是解决城市固体废弃物(municipal solid waste,MSW)问题的有效途径.着眼于近10年基于计算机视觉的垃圾图像识别相关研究,依据垃圾自动分类方法的差异性,将当前现有相关研究分为基于传统机器学习方法和基于深度学习方法.介绍了机器学习方法以及深度学习方法特征提取方式,对比分析了传统机器...     

基于信息融合的车载式变压器运行信息特征提取系统设计

变压器作为汽车运行系统的主要设备之一,其安全稳定运行对于车辆安全具有重要意义。设计基于信息融合的车载式变压器运行信息特征提取系统,以信息融合层次为依据设计系统结构,将系统划分为数据层、特征层与决策层。数据层从局部放电监测和油内气体监测两方面采集不同监测点信息并进行信息融合,最大限度上提升信息保持率,校正采集数据误差;特征层基于数据层融合结果,选取D-S证据原理对不同方面的信息进行特征融合,通过概率分配函数、置信函数与似然函数处理不同信息造成的不确定问题,提升信息特征融合的鲁棒性;决策层以专家建议模块为核心,利用推理机将不同方面的信息特征进行加权融合,实现车载式变压器运行信息特征提取。实验结果显示该系统可全面、准确的提取车载式变压器运行信息特征,显著提升车辆运行安全性能。     

基于卷积神经网络的行人人头检测方法对比研究

为提高车站客流统计的精度使其可以准确预警,针对传统的客流统计方法步骤繁琐、准确率低等局限性,对基于卷积神经网络的行人人头检测方法进行研究。首先在常州某车站安检站台处通过高位摄像头采集行人的人头数据库;然后通过不同的行人特征提取网络(Inception模块、Resnet、Mobilenet)与Faster R-CNN、SSD、R-FCN等目标检测结构组合的方式来对比探究各种行人人头检测组合模型的准确率和检测速度,并选择最优的行人人头检测方法;最后通过模型试验分析,结果显示Inception-V2特征提取网络与Faster R-CNN目标检测结构组合的行人人头检测模型具有较高的准确率和较优的实时性,这种行人人头检测方法对客流预警具有重要的意义。