三相交流电相位检测系统的设计与研究

针对三相电产品信息化、智能化发展趋势,通过对三相电相位检测技术的探索,提出了一种将单片机控制检测方式应用于三相交流电相序检测的方法,成功实现了对电气控制设备的判断错相,缺相,并显示和报警,并可记录故障次数,工作次数,工作时间,实现相位保护功能。模拟测试系统结果表明,系统较好地实现了三相交流电相序检测的实用化,小型化,数字化。

三维点云重构和体显示在医学辅助诊断中的应用

为了利用CT、核磁共振成像(MRI)等医学图像确定病变部位的大小、形状与周围组织的空间关系,本文提出一套完整的数据源获取、点云压缩、旋转和显示的方案。以CT、MRI医学图像为数据源,运用Mimics软件对人体组织MRI图像进行分割以及三维重建。针对数据量的大问题,提出基于八叉树均匀化的压缩算法;为了医生多视角观察模型周围情况,提出基于柱坐标系的旋转算法,在点云库中实现上述算法。最后模型在体扫描显示屏上显示,辅助医生准确确定病变部位的情况,为手术规划提供一种模拟平台。

结合特权信息的人体动作识别

目的采用传统的2维特征提取方法,很难从视频中准确地捕获出人体的关节点位置,限制了识别率的上限。采用深度信息的3维特征提取能提升识别率,但高维空间运算复杂度高,很难实现实时识别,受应用场景限制。为克服上述难点,提出一种基于3维特权学习的人体动作识别方法,将3维信息作为特权信息引入到传统的2维动作识别过程中,用来识别人体动作。方法以运动边界直方图密集光流特征、Mosift(Motion SIFT)特征和多种特征结合的混合特征作为2维基本特征。从Kinect设备获得的深度信息中评估出人体的关节点信息,并用李群算法处理得到3维特征作为特权信息。特权信息在经典支持向量机下的识别效果优于2维基本特征。训练数据包含2维基本特征和3维特权信息,测试数据只有2维基本特征。通过训练样本学习,得到结合特权信息的支持向量机(SVM+),使用该向量机对测试样本进行分类,得到人体动作识别结果。结果在UTKinect-Action和Florence3DAction两个人体动作数据集上进行实验。引入特权信息后,人体动作识别率较传统2维识别有2%的平均提升,最高达到9%。SVM+分类器对参数的敏感性较SVM下降。结论实验结果表明,本文方法较以往方法,在提升识别准确率的同时,降低了分类器对参数的敏感性。本文方法仅在训练过程中需要同时提取2维基本特征和3维特权信息,而在测试过程中无需借助深度信息获取设备提取3维特权特征信息,学习速度快,运算复杂度低,可广泛应用于低成本,高实时的人体动作识别场合。