基于多标签神经网络的行人属性识别

在多标签行人属性识别的问题中,为了充分利用标签之间的相关性,解决传统方法识别准确率低和效率慢的问题,提出了一个多标签卷积神经网络。该网络在一个统一的网络框架下识别行人多个属性。把行人的多个属性看作是一个序列,然后构建了一个时序分类模型。提出的方法不仅避免了复杂的多输入MLCNN网络,也不需要多次训练单标签分类模型。实验结果表明,本文方法准确率均优于SIFT+SVM和多输入的MLCNN模型,平均准确率达到了90.41%。

单自由度扑翼机推重比的特性

为了研究单自由度扑翼机的推重比,本实验室利用自身所具备的实验设备,自主设计出了不同于其他测试的静态力测试系统。文章利用相应的开发环境,设计出相应的校准和应用系统,并校准输出频率。设计测力系统,水平校准后进行测试。通过测试,可获得扑翼机的扑动频率、扑翼机的静态推力,以及在考虑测试台阻力情况下的合推力。通过对所得的所有实验数据进行matlab分析,得出扑翼机推力和扑动频率的特性关系及扑翼机推重比与扑动频率的相关特性:在该单自由度扑翼机机型下,推力随扑动频率呈非线性增大,推重比也随扑动频率非线性增大。该实验为不同规格的扑翼机提供了纵向对比依据,为不同自由度的扑翼机提供了横向对比依据,为飞行控制系统和双段翼扑翼机的测试提供参考。测试系统的创新更是为后续的研究提供了新的研究方法。

非接触式胎儿心率检测

胎儿心率检测是围产期常规检测,是评估孕妇和胎儿健康的主要生理指标.相对现有的接触式胎心检测技术,本文提出一种更为便捷,成本低廉的非接触式胎儿心率提取算法.首先基于欧拉视频颜色放大技术,对视频中颜色信号放大.其次,利用光电容积脉搏波描记法提取血液容积脉冲信号,并对母体噪声进行分离,计算功率谱密度提取.将采集到的胎心率,与医院专用胎心设备检测的结果进行定量分析,数据表明可以达到96%的准确度.

基于视频的人体睡眠状态下心率及呼吸率的检测

心率和呼吸率是人体的基本生理特征之一,两者都是反应人体生理健康的一个重要参数。婴幼儿在睡眠时的检测异常困难,既要不影响病人休息,又要随时检测呼吸异常的情况。大多数呼吸检测都采用接触式检测,如果对患者进行实时监控,则需要患者一直穿戴检测设备,这样会给患者带来不便,尤其会影响患者的休息。提出了一种非接触式的检测方法,利用欧拉视频放大技术,实时监控病人睡眠时的人体生理特征,而且成本较低,操作简单,不仅可以用在临床医疗,也便于患者在家自我检测,防止意外发生。

主动式扑翼飞行器扑翼控制的研究

在本文中,主要研究仿生鸟类的主动式扑翼控制系统,对传统的被动式扑翼飞行进行改进,将被动式转变为主动式。本文中,利用arduino单片机进行主动式控制,通过霍尔传感器接收来自电机的计数脉冲,设置相应的程序。当扑翼到最低和最高位置时,进行一定的角度切换,使扑翼飞行器由原本的上下扑翼转换为当上下扑翼的同时进行一定的角度变换。