基于特征分块的赤足足迹人身识别算法

为了提高赤足足迹人身识别算法的准确率,提出了一种基于深度学习的足迹识别算法。足底各区域所受压力的不同导致了它们包含的信息量存在一定的差异性,为了获取更稳定、区分度更高的特征,该算法采用ResNet50作为基础网络,在特征层进行分块处理。构建了一个包含2000人的赤足足迹库进行训练和一个包含3000人的赤足足迹库进行测试,该算法利用500人1000幅测试图在测试库上首位识别准确率达到了98.50%,优于常规的ResNet50网络。实验表明,基于特征分块的足迹识别算法在赤足足迹识别中获得了很好的识别效果。

基于FPGA进位链TDC延时模型的建立与性能测试

引入飞行时间信息,可以提高正电子断层显像仪(Positron Emission Tomography,PET)系统的性能。电子学时间数字转换(TDC,Time-to-Digital Convertor)设计是其中一项关键技术。论文针对进位链(Carry Chain)TDC设计,建立了TDC的延时模型,推导了进位链TDC的延时公式。基于模型,通过调整关键信号的参数,比较了调整前后的TDC性能,在EP2C20Q240C8N芯片上实现和提升了进位链TDC的性能,最小测量间隔为69ps,测量误差小于2LSB,能够满足TOF测量时间精度的要求,并验证了模型公式的正确性。对TDC的测试方法选用高精度同轴电缆进行间接测量,解决了在缺乏ps级高精度测试设备情况下的时间精度测试问题。