基于Fast-CAANet的火焰检测方法

高效率高速度的火焰检测方法对预防火灾、保护社会安全具有十分重要的作用.本文面向社会安全应用需求,提出一种基于Fast-CAANet的火焰检测方法.先提出一种CAA模块,加强卷积和注意力机制的有效融合;然后构建CAANet网络的主干网络(CAABlock),更有效提取火焰的丰富特征;再提出参数更小、准确度更高的Fast-CAABlock模块,提出了加强火焰特征提取的方案.实验结果表明,Fast-CAANet准确率达到91.42%,计算量3.9 GMac较小.所提火焰检测算法与其它算法相比,性能更优,效果更好.

基于Fire-MCANet的火焰检测模型

针对火焰检测参数量和计算量较大及准确度较低的问题,提出一种基于Fire-MCANet(Fire-Max Convolution Activate Networks)的火焰检测模型。该模型首先构建一种MCA(Max Convolution Activate)模块,使用大卷积核获取感受野,提高特征提取的能力;其次构建主干网络MCANet Block,在提升感受野的同时,降低模型的参数量和计算量;最后引入CA(Coordinate Attention)注意力机制获取火焰的位置信息。实验结果表明,基于Fire-MCANet的火焰模型的检测准确率达到95.75%,计算量仅有2.13 GMac;其网络模型的结构比ConvNeXt网络更加轻量化,检测效果也更好。

融合多特征的视频火焰检测

对于复杂的场景,人类视觉系统选择性注意机制能够不需要训练而快速地定位到图像中的显著目标上.文中结合火焰的先验信息,基于显著性的四元数离散余弦变换算法来检测视频中的火焰.首先根据火焰在RGB空间中3个颜色分量之间的特殊关系改进了2个火焰颜色特征公式,得到2幅火焰颜色的特征图;然后通过计算疑似火焰区域的LBP特征向量的距离得到火焰的纹理特征图;再根据火焰内部的动态纹理、火焰闪烁频率特征计算改进后的火焰高频过零次数,得到火焰的动态特征图;最后将这4幅火焰特征图构成一个四元数,利用四元数离散余弦变换得到最终的火焰显著图.在Bilkent大学的火焰视频库中进行实验的结果表明,该方法具有准确率高、鲁棒性强的特点,优于对比的其他视频火焰检测算法.

基于视频图像的火灾自动检测

首先分析了火焰的基本特性,给出了火焰图像的特征描述,然后利用火焰图像序列的边缘不稳定和相似性等可识别特征以及面积大小和颜色等信息,实现了对视频序列图像中火焰的自动检测。实验证明,所实现的系统检测效果好、误判率低。

融合色彩和轮廓特征的火焰检测

基于图像的火焰检测能适应大空间和恶劣环境火灾预防应用的需要,首先分析了火焰图像的色彩及轮廓信息等重要特征,然后提出了基于连通区域面积阈值化的单像素宽度目标轮廓特征的抽取方法,再应用所建立的火焰检测色彩模型,融合火焰色彩和边缘轮廓动态变化等特性,实现了在视频序列图像中火焰的自动检测.实验结果显示,该方法能实时检测火焰,误判率低.

基于色彩和闪频特征的视频火焰检测

基于视频图像的火焰检测是火灾预防的一个重要研究方向。为了提高火焰的检测率,利用RGB和HSI色彩空间中的颜色信息,建立了一种新的火焰色彩模型,应用该模型提取疑似火焰区域。提出了一种基于累积差分RGB三通道的火焰闪频特征抽取方法,并用逻辑回归(logistic regression,LR)对火焰的闪频特征进行分析,得到了优化的权重和偏斜率,建立了火焰闪频特征值的概率模型。最后将概率模型应用于火焰检测。实验结果表明,该算法对火焰区域检测效果好,适用范围广,且能检测出较小的火焰区域。

基于特征空间划分的AdaBoost人脸检测算法

在应用AdaBoost算法的人脸检测中,针对训练时间太长的问题,提出一种基于特征值空间划分的改进型AdaBoost快速训练算法,调整了弱分类器的评价系数.在MIT-CBCL人脸和非人脸训练库上对算法进行了实现,实验结果显示改进后的AdaBoost算法简化了训练过程,训练速度提高16倍以上,而且以区间检测代替特定样本的特征单点检测,泛化能力更好,鲁棒性强,检测精度更高.

融合多尺度多特征的人脸识别方法

为降低光照、噪音、姿态等变化的影响,减少有效局部信息的损失,提出了使用图像的变换特征,及多尺度分块线性鉴别分析的算法。将图像进行多尺度划分,对划分后的每个子图像分别抽取其低频部分或奇异值,组合起来作为该图像的特征向量,进行线性鉴别分析。针对单一特征表示图像时的局限性,又提出了融合多尺度低频特征和多尺度奇异值特征进行人脸识别的方法。在ORL和Yale人脸库上的实验结果显示,所提出的算法识别精度明显提高,泛化能力较强。

视频检测式越黄线电子警察的设计与实现

论文首先介绍了基于视频检测的越黄线电子警察的设计思想,给出了图像处理和识别的算法,然后描述了实例系统的实现和主要技术。

基于双阈值的增强型AdaBoost快速算法

在应用AdaBoost算法的人脸检测中,针对训练时间太长及权重调整过适应等问题,提出一种基于特征值等分和双阈值的增强型AdaBoost快速训练算法,给出了双阈值的快速搜索方法。在MIT-CBCL人脸和非人脸训练库上对算法进行了实现。实验结果显示,改进后的双阈值增强型AdaBoost算法简化了训练过程,训练速度提高50倍,收敛速度也更快。使用训练得到的检测器对MIT+CMU人脸测试库进行了测试,结果表明,该方法在检测精度和速度等方面都优于单阈值方法。

TCP拥塞控制的实现与改进

本文以Ｔａｈｏｅ和Ｒｅｎｏ及Ｒｅｎｏ的两种改进版本Ｎｅｗ－Ｒｅｎｏ和ＳＡＣＫＴＣＰ的实现为例，讨论了ＴＣＰ的实现和发展，通过对它们的拥塞控制算法的分析，比较了这几种ＴＣＰ实现的性能，指出了ＳＡＣＫＴＣＰ的优越性及其未来发展趋势。

基于多尺度低频特征组合的线性鉴别分析

目前线性鉴别分析(LDA)方法是在原始图像上直接进行,抽取的是图像的全局特征,受光照、表情变化而引起的局部高频信息影响较大,忽视了更能反映图象本质的低频特征。为此提出先将图像进行多尺度划分,再提取划分后的每个子图像的低频部分,组合起来作为该图像的特征向量,最后根据这些特征向量再应用LDA方法进行鉴别分析。多尺度低频特征组合的向量反映了图像从局部到全局的全部低频特性,具有更有效的鉴别信息。在ORL和Yale人脸库上的实验结果显示,所提出的算法识别性能显著提高,鉴别能力更好。

CAI课件及其开发

介绍了CAI课件的设计方法 ,及设计CAI课件应用的相关技术和开发方式。

人脸识别特征抽取方法的研究进展

人脸识别属于生物识别的研究领域,是模式识别的一个重要研究方向,特征抽取是解决人脸识别的关键问题。通过对各种特征抽取技术和方法的分析比较,认为光照和姿态是影响人脸识别效果的两个主要因素,提出了人脸识别的解决思路和今后的研究趋势。

单像素宽度目标轮廓提取的实现

在人脸检测、火灾识别等应用中,应用物体的轮廓特征来检测和定位目标物体是一种有效的方法。本文提出一种基于连通区域面积阈值化的实现算法,可以同时实现噪声消除与轮廓提取,并据此定位图像中的物体目标。实验结果显示,只要噪声面积没有超过物体面积,应用该算法即可实现噪声完全消除,并能够得到连续的无交叉的单像素宽度的物体轮廓,且轮廓不变形。

复杂环境下的快速人脸检测算法

使用一种新的假面变换和模板匹配的人脸检测算法,能够对复杂环境中大小不等的人脸进行快速、准确的检测.算法首先通过假面变换来预测人脸位置上边沿的中心,然后对图像中的预测位置进行模板匹配,设计了一类对照明变化、噪声干扰具有较强适应性的模板匹配方法,最后对匹配结果进行验证,确定人脸准确位置.采用多种环境下的大量图片进行实验,结果显示该算法具有较快的检测速度和较高的准确性及鲁棒性.

地方应用型本科院校二级学院学科建设的探索与实践

新建地方应用型本科院校,其本科办学历史较短,科学研究和师资队伍等学科基础条件薄弱,亟须通过加强学科建设提升办学水平,形成办学特色。高等学校二级学院在学科建设中,承担着主体作用。结合淮阴工学院计算机工程学院的工作实践,可以分析学科建设存在的问题和困难,提出二级学院学科建设的思路和基本原则,给出二级学院可采用的主要建设策略。计算机工程学院学科建设的成效,说明了所提建设策略的有效性。

网络化教室的组成与实现

本文介绍了基了计算机网络进行教学的网络化教室的体系结构，同时介绍了实现网络化教中所使用的技术和方法。

专家寄语

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能作为计算机科学的一个分支，近年来受到越来越多的研究学者的关注，除取得了丰富的理论成果，还成功应用于机器人、语言识别、图像识别、自然语言处理、机器学习、计算机视觉和专家系统等领域，并且正在不断改变我们生活的方方面面。

应用权重直方图的DW-AdaBoost快速算法

提出一种改进的AdaBoost算法,提高人脸检测的训练速度,以及检测速度和精度。先将每个Haar?Like特征下所有样本的特征值量化,然后据此分别计算出人脸和非人脸样本,再快速计算出简单分类器的阈值和偏置。分析样本特征值的分布特性,进一步提出了双阈值快速算法。在MIT-CBCL训练库上对算法进行了验证,结果显示基于权重直方图的双阈值AdaBoost算法—DW-AdaBoost的训练速度提高150多倍,收敛速度更快。在MIT+CMU人脸测试库上进行了测试,结果表明该方法在检测精度和速度等方面都优于相应的单阈值方法。