基于深度特征抑制的遮挡人脸识别网络

人脸识别技术是公安侦查中人证核验的关键技术之一。尽管现有算法在无遮挡人脸识别上都能达到较高的识别精度,但当人脸被遮挡时,使得有效的人脸特征丢失,导致识别精度大幅下降。针对上述问题,提出一种基于深度特征抑制的遮挡人脸识别网络,通过遮挡人脸自适应地生成特征掩码,利用特征掩码抑制深层特征图中因遮挡损坏的特征,最后根据抑制后的特征完成人脸识别。为了提升抑制后特征的辨别力,在训练环节通过孪生网络结构将遮挡人脸与对应无遮挡人脸的深度特征进行度量学习。同时利用不同层次的特征信息,构建特征金字塔网络(FPN)和自适应特征融合模块对人脸的多尺度特征信息进行提取,对其中包含特征信息较多的特征层赋予更大的融合权重,从而增强特征的表征能力。实验结果表明,该方法具有较好的鲁棒性,其中在LFW数据集和LFW口罩遮挡数据集上的准确率分别达到了99.50%和98.42%,在AR数据集4个实验设置上的准确率分别达到了100%、100%、99.86%和99.02%,优于目前的主流算法。

自动驾驶场景下的轨迹预测技术综述

轨迹预测是自动驾驶和智能交通领域的关键技术,对于车辆和移动行人轨迹的准确预测可提升自动驾驶系统对周围环境变化的感知能力,保障自动驾驶系统的安全性。数据驱动轨迹预测方法可捕捉智能体之间的交互特征,对场景内智能体历史运动和静态环境信息进行分析,准确预测智能体的未来轨迹。介绍轨迹预测的数学模型并将其分为传统轨迹预测方法和数据驱动轨迹预测方法2类,阐述主流数据驱动轨迹预测方法所面临的智能体交互建模、运动行为意图预测、轨迹多样性预测、场景内静态环境信息融合等4个主要挑战,从轨迹预测数据集使用、性能评价指标、模型特点等方面出发对典型数据驱动轨迹预测方法进行分析与对比,总结归纳这些典型数据驱动轨迹预测方法针对上述挑战的解决思路和应用场景,并对自动驾驶场景下轨迹预测技术的未来发展方向进行展望。

网络媒体语境下大学生心理教育的创新研究

伴随我国经济的快速发展,当今社会对人才综合素质的要求不断提升,培养德智体美全面发展的大学生是当今高校的重点工作。大学生是即将步入社会的群体,肩负着振兴国家的任务和使命,提高大学生的心理教育创新研究,能够使学生更好地应对社会压力,增强社会认同感。信息技术的不断发展,使得网络技术在高校中的应用越来越广泛,本文主要对网络媒体语境下大学生心理教育的方法进行了分析,阐明做好大学生的心理教育创新研究的重要性和必要性。

基于多目标快速探索随机树的移动机器人巡检路径优化方法

针对移动机器人需要访问多目标的巡检路径规划问题,该文提出一种多目标快速探索随机树路径优化方法。首先,根据提供的环境地图与巡检目标点,该文采用一种RRT-Connect-ACO算法得到目标点的巡检顺序和可行路径;然后,通过引入信息子集,对路径进行优化,得到最终的最优路径。实验结果表明,与现有的多目标路径规划算法相比,该方法考虑了地形的影响,得到的最优路径更符合实际情况。

基于二维条码的身份证防伪认证系统

介绍了利用二维条码技术实现一种新型的身份证防伪认证系统。该系统包括了防伪身份证的制作和真伪认证两个部分。其中采用小波分解、自组织特征影射神经元网络、哈夫曼编码等方法,将持证人照片的数据量(约6K左右)压缩到600字节左右;用扫描仪替代专用二维条码识别器,采用图像识别法解决了真伪认证部分的识别和解码。

大数据时代计算机网络传播发展现状分析

随着我国经济发展水平的不断提高,计算机技术得到了飞速发展,应用计算机网络对信息进行传播具有非常高的时效性和便捷性,已经成为当今时代信息传播的主体。但是计算机本身具有很强的虚拟性,储存的信息有好的也有坏的,一些虚假或者是不良信息不仅会影响到信息传播的质量,更会为社会带来不好的风气。为此,计算机网络传播是一种利弊共存的传播方式,只有正视其发展现状,对现状进行合理分析和研究才能使计算机网络传播健康持续发展。

“互联网+”时代下政府治理方式转变的机遇与挑战

随着经济全球化的发展,信息技术与互联网的革命性发展也加快了一体化建设的步伐。与此同时,政府政务的活动方式也随之转变。目前国际化、信息化、无纸化已成为政务发展的一大趋势,并迎来了持续增长动力的创新型技术浪潮。在这一浪潮的推动下,政府治理方式的创新,既是大势所趋,也能体现国家的现代化治理能力。本研究通过对"互联网+"时代的政府治理方式进行创新研究,分析网络时代政府治理的新举措、新方向。

基于SLAM技术的双控制器智能机器人

为了实现未知环境下的地图构建、定位、导航、路径规划和室内环境检测与控制等功能,基于机器人操作系统(ROS),设计了一套智能移动机器人研究平台,使用机器人携带的激光雷达传感器、惯性测量元件(IMU)、超声波和深度相机感知外界环境信息,通过里程计获取自身位移信息,采用卡尔曼滤波对传感器数据进行滤波处理,利用即时定位与建图(SLAM)技术进行地图构建和局部路径规划。机器人在导航过程中利用蒙特卡洛定位方法可以实时确定机器人姿态,将机器人的位置信息和采集到的环境特征信息映射到2D网格地图中实现地图构建。在局部路径规划的过程中,通过编码器设备采集加速度和角速度信息,获取实时的速度和姿态,利用构建的地图来进行局部路径规划。实验测试表明,设计的基于SLAM技术的双控制器智能机器人能够构建较高精度的环境地图、实现室内定位和导航。

图像场景分类技术综述

目前,基于计算机视觉分析的图像场景分类技术已被广泛研究并应用在众多学科领域中.本文从不同角度对近年来典型的场景分类技术进行了深入的探讨与比较.首先介绍了场景分类技术的背景、应用场景以及发展现状;然后基于特征提取、语义分析和机器学习的角度分别对国内外的相关研究进行系统的分析、比较及总结;最后对目前研究所面临的问题和未来技术的发展给出总结与展望.

移动机器人中视觉里程计技术综述

视觉里程计(VO)是实现移动机器人自主导航的主要技术之一,不同类型的VO技术在不同应用场景中受环境和硬件计算能力的影响,导致其性能各有优劣。概述VO技术的发展历程,对基于传统几何和基于深度学习的两类VO技术的性能进行对比与分析,重点介绍传统VO技术中特征点法的原理及其改进方法。在此基础上,归纳VO领域常用的公共数据集并对部分现有方法进行对比评测,为VO技术的实际应用提供参考和借鉴,并展望该领域未来的发展方向。

基于强化学习的路径规划技术综述

路径规划作为移动机器人自主导航的关键技术,主要是使目标对象在规定范围内找到一条从起点到终点的无碰撞安全路径。阐述基于常规方法和强化学习方法的路径规划技术,将强化学习方法主要分为基于值和基于策略两类,对比时序差分、Q-Learning等基于值的代表方法与策略梯度、模仿学习等基于策略的代表方法,并分析其融合策略和深度强化学习方法方法的发展现状。在此基础上,总结各种强化学习方法的优缺点及适用场合,同时对基于强化学习的路径规划技术的未来发展方向进行展望。

基于深度卷积网络的目标检测技术综述

目前,基于计算机视觉分析的目标检测技术已被广泛研究并应用在众多学科领域中。本文从卷积神经网络结构(CNN)演化的角度,对基于深度卷积网络的目标检测技术进行分析、比较和总结。首先简要介绍了基于CNN的目标检测技术流程;其次重点分析和比较了以CNN为基础的基于深度卷积网络模型的目标检测技术的发展,针对不同选择的预处理方法进行分类、纵向和横向对比;最后总结了目前研究中存在的问题,并对目标检测技术未来发展进行了展望。

基于自适应方向导数滤波器的彩色边缘检测

传统彩色边缘检测算法在提高边缘检测准确性时可能将噪声检测为边缘,而在提高噪声鲁棒性时会将部分边缘当作噪声进行抑制,导致部分边缘信息丢失。为解决传统彩色边缘检测算法在边缘检测准确性与噪声鲁棒性之间的矛盾问题,提出一种基于自适应各向异性高斯方向导数(ANDD)的彩色边缘检测算法。通过彩色图像的微分自相关矩阵构建反映边缘类型的度量准则,以自适应地确定每个像素处ANDD滤波器的形状,从而准确提取不同类型的边缘特征,采用ANDD滤波器组对图像进行平滑处理,提取在三个通道上的ANDD特征。在此基础上,利用奇异值分解得到最优融合权值,并融合三个通道的ANDD特征,以增强彩色边缘强度。实验结果表明,该算法在无噪声和含噪声环境下的Pratt品质因子分别为0.849 6和0.791 4,与彩色Canny、RCMG-MM和FRPOS算法相比,在保持较高边缘检测准确率的同时具有较优的噪声鲁棒性。