新课改下初中生体能训练策略

随着新课程改革的不断深入,对学生的培养不再单一地以学习成绩为考核标准,而是更加重视学生的身心健康、综合素养全面发展。在这种形势下,初中生体能训练的地位和作用越来越突出。切实提高初中生的健康素质和体能水平,促进学生体质健康发展,激励学生积极参与身体锻炼,成为新课改下初中体育教学的主要目标。

基于机器视觉的高速铁路吊弦断裂与松弛故障监测

高速铁路吊弦的断裂和松弛故障会影响高速铁路供电系统的供电稳定性,并降低系统的安全性。针对目前人工检测吊弦状态存在的低效和安全性差问题,文章提出了一种吊弦断裂和松弛故障自动监测方法。其首先通过先验知识选择吊弦的候选区域,然后设计了端到端检测网络来定位和识别故障。为了克服正常样本和故障样本之间的不平衡,采用了数据增强和梯度协调损失计算。实验结果显示,采用文章所提方法后,检测平均精度均值(mean average precision,MAP)为86.2%,每帧图像耗时39.4 ms,表明该方法可以有效监控高速铁路吊弦断裂与松弛故障。

激光摄像式传感器标定方法研究

激光摄像式传感器标定是轨道交通视觉检测系统的关键工作步骤,而准确求解标定模型参数是激光摄像式传感器标定的难点。文章首先建立了激光摄像式传感器标定数学模型,分析了非线性最小二乘法及高斯-牛顿迭代法求解标定模型参数的过程,并提出一种基于极大似然估计的L-M求解算法,该方法采用极大似然估计来降低图像噪声引起的误差,再用L-M法求出标定参数最优解。接着,采用基于针形靶标的运动标定方法进行标定实验,针对800组标定数据,分别使用非线性最小二乘法、高斯-牛顿迭代法和基于极大似然估计的L-M算法进行标定模型参数求解;另取1 000组标定数据进行误差分析。综合分析两组数据表明,基于极大似然估计的L-M算法重投影误差方均根值分别降低了0.221 4 mm和0.212 3 mm,有效提升了标定精度。

基于深度学习的驾驶员打电话行为检测方法

为避免驾驶员因使用手机而无法对突发事故做出及时处理现象的发生,通过视频分析技术对驾驶员行为进行实时监控变得尤为重要。针对目前已有检测方法因存在异物遮掩、图像旋转、光照变化及难以提取图像深层特征等缺点而导致检测精度较低的问题,文章提出了一种基于深度学习的驾驶员打电话行为检测方法:首先采用渐进校准网络(progressive calibration networks,PCN)算法实现人脸检测及实时跟踪,从而确定打电话检测候选区域;然后采用基于卷积神经网络算法在候选区域实现驾驶员打电话行为检测。实际场景驾驶检测结果表明,本文所提方法不仅鲁棒性高,而且精度达到96.56%,误检率为1.52%,处理速度达到25帧/s,可以有效地进行驾驶员打电话行为检查监测。

复杂矿山环境下作业车辆的实时检测与跟踪

针对复杂矿山环境下作业车辆与背景图像相似而检测效果差、多类型车辆跟踪稳定性低等问题,文章提出了一种多类别、多目标的复杂矿山环境下作业车辆实时检测与跟踪算法。其基于轻量级骨干网络YOLO并结合多尺度特征融合模块构建模型框架,该模型以DIoU为损失函数,采用K-means聚类回归候选框尺寸,通过轻量级骨干网络学习图像特征,输出多尺度预测结果。在此基础上,将多类别作业车辆目标的特征作为相似性度量,结合表征运动信息的马氏距离度量和余弦度量进行级联匹配,并串联IoU匹配和卡尔曼滤波来确认轨迹,从而实现多作业车辆实时跟踪。实验结果显示,该算法的车辆检测平均准确率mAP@0.5-0.95为58.40%,多目标跟踪精度达到82.60%,每帧图像处理时间为26.5 ms,表明采用该算法能够有效进行作业车辆的实时检测与跟踪。