视觉图神经网络的人脸识别方法

目前,大部分人脸识别方法依赖CNN,通过级联融合局部特征实现特征提取,却忽视全局语义空间信息且训练代价巨大。基于Transformer的方法相较于CNN,参数更少且能有效表征全局特征信息,但对全局各特征区域相对空间依赖关系表征不足。针对以上问题,提出了一种视觉图神经网络的人脸识别方法,引入GCN作为特征提取网络,捕获邻近特征关系并建立全局特征区域的依赖性;结合ECA模块,提高模型对人脸特征感知能力。此外,基于Triplet Loss与Center Loss,构建联合损失函数作为目标函数,约束类内特征,提高模型泛化能力。本方法在LFW、CFP和AgeDB⁃30基准测试集上取得较好的效果,且模型参数量与计算复杂度更少。

压气机叶片的磨削路径生成算法

针对当前航空发动机压气机叶片的打磨过程繁琐且路径生成算法普遍未适配压气机叶片的几何形貌和加工姿态等问题,提出一种基于压气机叶片的点云数据并自适应压气机叶片的加工姿态和形貌的磨削路径生成算法。以面结构光扫描获取叶片的3维点云信息,对叶片点云进行位姿矫正并在叶片待加工区域创建一系列间距适宜且相互平行的切平面进行切片处理,获取切片数据后计算切平面与叶片点云的交点,拟合所有切片所得交点并计算磨削抛光路径的路径点及刀具姿态。结果表明:通过计算对不同姿态下不同压气机叶片的路径信息进行了仿真,验证了所提出的算法具有自适应压气机叶片加工姿态和形貌的特性,避开了传统逆向工程中的曲面重构误差,证明了算法的可行性与有效性,可进一步应用于后续实际磨削抛光加工作业。

基于CCD的激光熔覆熔池平滑度在线监测系统研究

由于激光熔覆过程高温高亮,无法实时准确判断熔覆效果。使用CCD相机结合平滑度监测算法,对不同功率下的熔池形貌进行监测,验证算法性能,判断熔覆效果,同时尝试叶片修复。结果表明:激光功率过大或者扫描速度过慢,均会导致熔池边缘平滑度较差,进而认为熔覆参数不合适;为防止熔坏基材,可根据监测效果及时停机;发现激光功率与熔池边缘平滑度呈负相关。

LSFP下的机器人视觉定位技术研究

针对当前点云的定位算法中,多平面分割效果差、误匹配以及定位精度不够高等问题,提出LSFP的定位思想和C-S分割算法,对目标物体进行定位。在深度相机场景下,利用点云处理算法初步获取目标的位姿,经手眼标定后,进行初步引导;再使用3D扫描仪进一步定位目标物体。结果表明:(1)C-S分割算法对多平面分割效果良好,能更准确地去除多余平面,减少点云数量。(2)在垂直于Z轴且Z轴坐标值为171 mm和-10 mm的平面上,仅PrimeSense的定位距离的均方根误差为7.3 mm和8.2 mm,LSFP下的定位距离的均方根误差为2.6 mm和3.2 mm。(3)LSFP定位思想能扩大场景定位的范围,提高物体的定位精度,具有良好的准确性。

基于多层次特征融合的Transformer人脸识别方法

卷积神经网络中的卷积操作只能捕获局部信息,而Transformer能保留更多的空间信息且能建立图像的长距离连接.在视觉领域的应用中,Transformer缺乏灵活的图像尺寸及特征尺度适应能力,通过利用层级式网络增强不同尺度建模的灵活性,且引入多尺度特征融合模块丰富特征信息.本文提出了一种基于改进的Swin Transformer人脸模型——Swin Face模型.Swin Face以Swin Transformer为骨干网络,引入多层次特征融合模块,增强了模型对人脸的特征表达能力,并使用联合损失函数优化策略设计人脸识别分类器,实现人脸识别.实验结果表明,与多种人脸识别方法相比,Swin Face模型通过使用分级特征融合网络,在LFW、CALFW、AgeDB-30、CFP数据集上均取得最优的效果,验证了此模型具有良好的泛化性和鲁棒性.

基于EACN模型的高精度测温误差修正算法

针对红外热像仪测温精度不足以及速度较慢的问题,提出了一种融合通道注意力机制的温度修正模型EACN(Efficient Attention Compression Networks Module)。该模型首先通过1×1卷积实现特征降维压缩,以此减少模型参数。其次引入通道注意力机制ECA,在特征映射模块阶段增强通道间特征显著性表达,以此弥补降维压缩所损失的特征信息,且进一步提高模型特征表征能力。最后,通过跳跃连接,在特征重建阶段结合浅层特征信息与语义空间信息,从而提高温度修正精度。本实验采用两种数据策略在自建数据集上进行实验。实验结果表明,与SRCNN和VDSR模型相比,EACN模型无论在修正精度方面,还是速度方面表现均最优。

基于以太网与FPGA图像处理的边缘检测系统

针对传统的边缘检测系统提取物体边缘信息少、噪声多、图像显示与传输不稳定的情况,文中以FPGA硬件平台为基础提出一种结合对比度增强、多方向与自适应阈值的Sobel边缘检测算子,强度可调的形态学滤波与以太网UDP传输的实时边缘检测系统。该系统具有较强的去噪能力,能有效提取物体更多的边缘信息,通过SDRAM进行实时数据缓存,以太网UDP传输和上位机实时显示,能确保图像传输和显示的实时性和稳定性,能为后续的实时图像配准、图像融合与图像拼接奠定基础。

基于Unity3D的塞斯纳172绕机检查仿真

目前飞行前绕机检查训练主要以现场人员依照检查单在真机上进行,但真机检查耗时且占用机位资源,导致训练十分消耗飞行资源,因此有必要采用飞行仿真系统来辅助真实场景的飞行前绕机检查训练。针对上述问题,首次提出一种基于Unity3D技术实现绕机检查仿真,结合塞斯纳172飞机模型及HoloLens2混合现实眼镜构建三维场景,实现可视化飞行前绕机检查仿真系统。三维仿真绕机检查过程中,通过混合现实眼镜用手部点击等操作控制完成飞行前绕机检查。上述系统通用性广、可扩展性较好、仿真度高,优于传统的人机交互。仿真结果表明:提出的系统可适用于飞行前绕机检查,具有良好的可操纵性和逼真度,对缓解飞行及机场资源紧张具有重要意义。

基于Simufact Welding的激光熔覆仿真研究

激光熔覆是利用高能量光束将合金粉末通过预设轨迹将受损零件修复成完整状态的一项新兴技术,粉末在经高能激光照射后变为熔融状态,熔覆层与基体结合,基体的材料性能便得以提升。基于钛合金强度高的特点,以Ti-6Ai-V粉末为研究对象,利用Simufact Welding对Ti-6AI-4V粉末进行激光熔覆仿真,并通过单道激光熔覆仿真研究激光熔覆过程中激光功率、扫描速度、初始温度对熔覆的影响规律,同时比较激光功率、扫描速度、初始温度对熔池温度变化速率的影响。

基于双尺度时间特征的步态识别方法

当前,多数步态识别方法关注于步态序列单一时间尺度建模,忽略了不同时间尺度的信息交互。基于此,提出了一种双尺度时间特征表示网络。该方法聚合两个时间尺度特征来获取步态的运动表示,并将两个时间尺度上特征进行融合,实现信息交互。通过多视角识别实验验证,该方法在数据集CASIA-B上的性能超越了主流的步态识别方法,在NM、BG和CL条件下Rank-1准确率分别达到97.8%、93.1%以及80.6%。

基于联动空间拓扑关系的步态识别研究

目前,大多数基于骨骼的步态识别方法通过改善时空关系表征来提高步态识别的准确率,但却忽略了人体物理结构节点之间的联动性。基于上述问题,探究步态识别的空间拓扑联动关系。提出一种基于局部分区的新策略方法,划分人体非结构化区域并构建区域之间的邻接关系表示人体姿态的相对变化。其次,设计多尺度时间模块以时间为轴关联局部分区的节点变化提取多尺度时间特征。通过实验验证,该方法在步态数据集CASIA-B上超越了主流的步态识别方法,在不同行走条件下Rank-1准确率分别达到87.6%、77.6%以及72.8%。

超声焊头的动力学分析与优化设计

超声焊头是超声焊接系统的主要组成部分,其影响因素复杂多样,试验验证所需成本太大。为缩短研发周期、节约生产资金,通过运用SolidWorks建立6种超声焊头模型,分别进行动力学分析,包括模态仿真和谐响应分析,同时考虑约束和位移载荷等因素对其影响。通过有限元模拟,得到最优焊头结构,第二阶振型频率为20262 Hz,与焊接机固有频率偏差为1.3%,最大弯曲变形1.23μm发生在焊齿位置,与实际状态保持一致;谐响应分析中,最大应力323 MPa发生在焊头突变处,小于材料的屈服应力744 MPa;振幅最大33μm产生在焊齿处,放大系数高达6倍。因此,加工谐振频率20000 Hz超声焊头,通过生产电芯50万支电芯验证焊头可行性,为新产品超声焊头开发提供了一种新的途径和方法。

双视场视觉引导技术研究

提出了一种双视场三维视觉引导方法。利用大视场深度相机和小视场三维扫描仪构建双视场视觉系统,深度相机采集大视场空间三维信息,快速识别被测物体,并进行初始位姿估计;根据空间和位姿信息,小视场三维扫描仪定位到扫描位置,扫描高精度被测物体,获取三维外形;根据三维外形信息,规划加工路径,引导机器人进行维修加工。最后,通过实验验证了系统的有效性。

基于曲面分割的三维点云物体识别

提出了一种基于局部描述符的三维点云物体识别算法.算法首先得到点云的邻域、法线矢量等相关信息,通过邻域进一步得到形状索引值.特征点的提取以形状索引值为依据,以每个特征点为基点对曲面根据欧式距离和矢量夹角分割.分割的曲面片进行等间距划分为多个欧氏距离同心圆,以特征点切平面为基平面投影,并进行等角度抽样,通过抽样点相对特征点的法线矢量及测地距离变化曲线,建立曲面片的二维描述,从而把三维识别转化为二维.根据算法建立模型数据库,给定一个物体,通过和模型数据库中的曲面描述进行比对,得到潜在的识别结果,再通过迭代最近点算法,得到最终的识别结果.最后,通过大量具体实验验证了算法的有效性,并给出了算法的计算复杂度及耗时对比分析,说明了算法的高效性.

基于矢量夹角的三维物体识别

提出了一种基于局部描述符的物体识别算法.算法根据点云位置信息得到其矢量和曲率信息,根据形状索引提取特征点,在每个特征点根据矢量夹角把点云物体分割成不同的曲面片,每个矢量夹角曲面片通过一个二维直方图描述.该图显示了特征点与邻域之间法线矢量夹角对特征点法线矢量与特征点到邻域矢量之间夹角的出现频率.对于给定的一个物体,通过比对预测物体和模型物体的曲面片集描述,可得到潜在的对应模型物体,再通过迭代最近点算法,得到最终的识别结果.

基于方向角的散乱点云三角剖分算法

针对直接三角剖分困难,分片三角剖分需要人工干预,且算法效率都很低下问题,提出了高效自动的在特征基点根据方向角进行分片投影三角剖分。算法的主要步骤分为两步:首先从只有位置信息的点云中提取出邻域、矢量和形状索引信息,并利用形状索引信息得到特征基点;然后以特征基点为参考点根据方向角对点云进行分片,每个片进行特征基点切平面投影三角剖分,通过三角剖分有效性处理,连接成最终的网格曲面。实验结果表明算法可以自动高效的重叠和非重叠散乱点云,且可以有效避免曲面自交。

基于不变角度轮廓线的三维目标识别

三维物体的快速准确识别是研究的热点.根据局部特征变换的特点,提出了不变角度轮廓线的识别方法.算法通过点云矢量特征对物体进行局部分割,利用欧式距离、测地距离以及角度三个变量,建立其不变角度轮廓特征描述,进一步提取不变矩特征,构建特征向量数据库集.被识别物体的特征描述和数据库中特征进行夹角余弦匹配,可完成物体的识别.通过识别实验以及识别算法性能分析,结果表明算法具有较高的识别率和识别效率,可以用于复杂点云物体识别.

人群异常识别技术研究进展

人群行为分析是计算机视觉领域最活跃的研究方向之一.有许多针对人群异常行为及检测的算法如人群密度估计、人群中运动检测、人群跟踪和群体行为识别.在对目前人群异常行为进行总结分析,并概括出人群异常的三大关键特征.并在次基础上,分别针对人群特征提取、异常识别技术、异常分类技术以及人群异常识别数据库方面,对人群异常识别技术现状进行总结概括,并并对存在的问题,以及未来发展方向提出了研究的建议和意见.文章对相关领域的研究具有一定的参考价值.

基于无人机的飞机机身快速检测系统

为了解决飞机机身快速检测问题,提高检测的效率和准确度,设计了一种利用无人机搭载检测设备对飞机机身进行检测的飞机机身结构快速检测系统。利用多旋翼无人机的优点,系统硬件采用了多层次、模块化的开放式结构设计,构造了一套通用的软件测试平台。整个系统分为移动机载控制平台和后端处理平台两个部分,能够实现图像的回传和检测过程的实时监控,并通过对采集的数据进行分析处理,得出最后的诊断结果和检测报告。最后,通过完成的系统对真实飞机检测,数据结果验证了系统的有效性,可以用于飞机的快速检测。

基于K-L距离的改进D-S证据合成方法

提出了一种证据距离为基础的冲突证据合成方法。通过改进的K-L距离得到证据间间距,进一步通过相关算法转化为证据权值,权值反映了证据的重要程度,以权值为系数对原始的基本可信度分配函数进行重新分配,再通过改进的合成公式,得到证据合成结果。最后通过具体的算例比较,说明新方法的合成结果更确定,更符合实际情况。