基于光学跟踪和运动估算法的VR实时姿态感知软件设计

人体骨骼数据容易受到环境中光线等干扰因素的影响,使得软件的姿态感知结果的均值平均精度(mAP)较高。因此,设计了一种基于光学跟踪和运动估计算法的新型VR头显实时姿态感知软件。以光学跟踪设备为核心组成测量系统,实时获得位姿测量数据,并经过误差校正后得到准确的姿态信息。借助于OpenPose网络检测出人体骨骼关键点,并应用引入提前终止策略的运动估计算法对实时姿态图像进行不断搜索,在忽略干扰因素的情况下找到最佳匹配点,以此来反映运动矢量分布位置,识别出当前人体姿态。最后,依托于多层感知机网络实现姿态分类,作为最终输出的实时姿态感知结果。测试结果表明,结合光学跟踪和运动估计算法的软件应用后,得出姿态感知结果的mAP值保持在0.95以上,满足了VR头显实时姿态感知要求。

面向现场异动检测的智能作业识别系统设计

为了保障电力现场作业人员的安全并有效规避异动风险,设计了一套面向现场异动检测的智能作业识别系统。系统采用微处理器搭配图像采集、红外成像和无线传输等模块作为硬件基础。针对异动场景识别的复杂性,提出了一种面向现场异动的新型检测识别算法作为系统的核心。该算法融合了CNN及人脸识别NMF算法,使系统能够快速、准确地采集并识别异动信息,进而完成实时预警。实验测试结果显示,该系统对异动风险的平均识别速率约为134 ms,而平均识别准确率可达90.61%。

问答模式下结合属性语义的实体属性抽取研究

实体属性抽取任务中常面临属性标签过多时模型存在爆炸风险的问题,且目前大多数属性抽取模型对文本均分配一致的注意力因子,未将上下文的变化考虑在内。为解决上述问题,提出一种基于问答模式的结合属性语义的实体属性抽取方法。该方法的要点在于,将文本看作上下文,把属性视为查询,从上下文中提取到的答案等同于期望的属性值。文中对文本和属性的语义表示进行建模,并提出一个动态注意力机制用于捕捉二者间的语义交互、实现信息融合,同时自适应地控制属性信息融入文本向量的程度。为了验证该方法的有效性,将模型与目前广泛应用的BiLSTM模型、BiLSTM-CRF模型、OpenTag模型和Open Tagging模型在包含大量属性标签的数据集AE-110K、AE-650K上进行对比实验,结果表明,模型在结合属性语义信息且采用动态Attention的条件下,其预测准确度、召回率和F1值更高。

融合SENet和Transformer的应用层协议识别方法

协议识别技术在网络通信和信息安全领域具有至关重要的地位和作用。针对现有基于时空特征的协议识别方法提取协议特征不充分、不全面的问题,提出了一种基于SENet和Transformer的应用层协议识别方法。该方法关注协议数据的时空特征,由加入SENet注意力的残差网络构成的空间特征提取模块和Trans-former网络编码器构成的时间提取模块组成。空间特征提取阶段,在残差网络结构中加入SE块获取多个卷积通道间的联系,自适应地为通道分配权重,提取不同通道中更加活跃的协议空间特征;时间特征提取阶段,由基于多头注意力机制的Transformer编码器通过堆叠的方式构建时间特征提取模块,利用输入数据的位置信息全面地获取协议数据的时间特征。通过对更加充足的空间特征和更加全面的时间特征的提取和学习,可以获得更有效的协议识别信息,进而提高协议识别性能。在ISCX2012和CSE_CIC_IDS2018混合数据集上的实验结果表明,所提模型的总体识别准确率达到99.20%,F1值达到98.99%,高于对比模型。

基于改进的残差U-Net的不平衡协议识别方法

随着互联网的不断发展,网络攻击事件不断增多,成为网络安全的巨大挑战。在所捕获网络流量中,恶意流量往往占比较少,即攻击者使用的通信协议往往为少数类协议。当协议数据的类别分布不平衡时,现有协议识别方法能够识别出多数类协议,但是难以准确识别少数类协议。针对这一问题,提出一种基于改进的残差U-Net的不平衡协议识别方法,利用新的激活函数和SE-Net(squeeze-and-excitation networks)改进残差U-Net,提升残差U-Net的特征提取能力。同时采用带权重的Dice损失函数作为协议识别模型的损失函数,少数类协议的识别准确率偏低会导致损失函数的值偏高,进而促使少数类协议主导模型的优化方向。采用所提方法进行协议识别时,首先从网络流量中抽取网络流,经过预处理转化为一维矩阵,利用协议识别模型提取协议数据的特征,进而由Softmax分类器计算输出协议类型。实验结果表明,与对比模型相比,所提协议识别模型能够更为准确地识别少数类协议,同时多数类协议的识别准确率得到了提升。

基于视觉感知的表面缺陷检测综述

基于视觉感知的表面缺陷检测,具有高效、可防止二次损伤等优点,被广泛应用于各种工业场景中。近年来深度学习技术的快速发展进一步推动了视觉缺陷检测的进步与应用。以特征的显式提取与自动提取为思路,对基于视觉感知的缺陷检测方法进行综述和分析。首先,简要描述了视觉缺陷检测系统的基本构成,将缺陷检测中的视觉感知归为分类、目标检测和分割3个层次。然后,将现有的视觉检测方法分为基于显式特征提取的(传统方法)和基于自动特征提取的(深度学习方法)。进一步,将基于显式特征提取的方法分为统计法、谱方法和模型法3类,将基于自动特征提取的方法分为整图分类的、目标检测的和像素分割的方法。对每一类方法的特点和适用场景进行了归纳总结与分析。同时,针对工业应用中数据获取成本高的问题,介绍了近年来出现的弱监督缺陷检测方法与异常检测方法,并介绍了具有较大影响力的工业表面缺陷数据集。最后,针对如何减少对大量标注数据的依赖和如何提高检测方法在工业现场的适用性两个关键问题展开讨论,展望了该领域下一步的研究方向。

抗剪连接件对U形钢-混组合梁性能影响研究进展

U形钢-混凝土组合梁具有承载力高、变形能力强、延性好、节约模板、抗扭刚度大等优点,在建筑和桥梁工程中具有广阔的应用前景﹒U形钢与混凝土板间剪力连接件的设置对组合梁的性能发挥至关重要﹒本文在回顾U形钢-混凝土组合梁已有研究的基础上,归纳了剪力连接件类型及其对U形钢-混凝土组合梁协同工作性能2个方面影响的研究进展和成果,并分析了当前不同类型剪力连接件的协同工作性能研究存在的不足、连接件的形式有待进一步改善等问题.

基于知识蒸馏的特征精炼相互学习方法

为解决相互学习中两个小型学生网络在训练过程出现图像局部信息丢失,造成单个学生网络接收精炼特征图不完整的问题,提出基于知识蒸馏的特征精炼相互学习方法。通过对每个学生网络配备辅助网络,提供精炼特征映射和软标签,保留特征的局部信息,为学生网络之间相互学习传递精炼提取知识,提高视觉任务适用性。实验结果表明,在细粒度视觉分类任务公开数据集和基准数据集下的准确率与深度相互学习和自我知识蒸馏方法相比均有明显提升。

海底柔性管道铺设系统动力学分析及实验研究

针对海底柔性管道铺设系统的动力学性能及其关键影响因素分析问题,利用刚性有限元方法对柔性管道进行了离散化处理,建立了包含刚性单元及弹簧阻尼单元的刚柔耦合系统运动链.在关节坐标系统下,应用第二类拉格朗日方程对系统进行了动力学建模,引入海浪影响下的铺管船六自由度运动波动对模型进行了数值求解分析.结果表明,铺管船升沉及纵摇运动波动对柔性管道铺设系统的动力学性能影响显著,特别是恶劣海况条件下的大幅值扰动,将导致管道张力及铺管速度产生剧烈振动.通过缩减比例样机模拟实验对理论分析结果进行了验证,所述动力学模型及分析结论可为后续驱动控制系统设计提供依据.

DV-HOP三重定位算法

针对传统DV-Hop定位算法在计算未知节点到锚节点的距离存在较大误差,提出了一种DV-Hop三重定位算法(TDV-Hop).首先,使用DV-Hop算法得到未知节点的估计坐标.然后,根据未知节点的估计坐标运用DV-HOP算法来估计信标节点的参考位置,同时将信标节点的估计位置和实际位置之间的差值以及权重进行误差修正,然后将它们的差异广播发送给未知节点,未知节点再重新估算其位置.MATLAB仿真实验结果表明,在相同网络环境下,TDV-HOP定位算法能有效减小定位误差并有一定的稳定性.

基于HEB无线传感器网络分簇路由算法的研究

针对低功耗自适应集簇分层型协议(LEACH)存在网络节点能耗不均、簇头节点数据传输不合理等问题,在基于对LEACH算法优化的思想上,提出了一种异构能量均衡路由算法(HEB).该算法通过引入阈值因子、剩余能量因子、节点密度因子和最短数据传输模型,优化了簇头选举机制和簇头节点之间的数据传输,使簇头的选择与建立、数据传输稳定更合理.仿真结果表明:与LEACH、DEEC以及SEP路由算法相比,HEB路由算法使整个网络能耗更加均衡,数据传输稳定、扩大了有效数据的传输量,延长了整个网络的寿命.

基于改进SIFT的航拍图像快速匹配方法

针对传统SIFT算法存在特征描述符计算复杂,匹配时间长,错匹配较多等问题,提出了一种基于改进SIFT特征的航拍图像快速匹配方法。该方法采用基于圆形窗口的梯度方向累加值与同心圆形窗口内的灰度累加值、灰度差分值来构建18维的改进特征描述符,并在特征点匹配过程中,采用基于相关系数相似度量准则的双向匹配方法来获取初始匹配特征点对。最后,运用RANSAC算法进一步消除错配和估算仿射变换模型,并通过双线性插值法对变换后的图像进行重采样和插值。实验表明,该方法可以实现航拍图像之间的有效匹配,在匹配速度和匹配精度上优于传统SIFT算法,具有较好的实时性。

基于4G网络的实时视频传输

为了使大流量数据的远程无线传送更加方便,本系统基于第三方公司的网络通信协议栈开发了实时视频传输系统。系统具有两个通信通道,控制信息通过TCP信令通道进行传输。多媒体信息通过UDP媒体通道进行传输。车载设备通过每隔一定的时间向中心平台发送心跳报文,来保证链路的连接。最终实现对车辆进行注册,登录。并可以在远端实时查看车内情况的视频与音频。

基于机器学习的输电走廊强对流临近预警技术

输电走廊上的强对流天气会给电力生产、供应带来严重的威胁,从而影响居民的正常用电需求。针对此问题,研究了基于机器学习的输电走廊强对流临近预警技术。该技术选取有效反映输电走廊强对流预警的数据类型,构建数据特征并对样本数据进行预处理,再利用卷积与池化操作实现数据的特征识别。同时采用CL多小波融合方法将细节融入目标数据库以增加物理信息量,为后续预警处理提供更为准确的数据,并使用了交叉相关算法来解决图像的追踪问题。通过实际的算例分析,验证了所提算法的有效性,其预测精度可达93.64%。

混合多尺度卷积结合双层LSTM语音情感识别

针对深度学习算法在语音情感特征提取方面的不足以及识别准确率不高的问题,本文通过提取语音数据中有效的情感特征,并将特征进行多尺度拼接融合,构造语音情感特征,提高深度学习模型对特征的表现能力。传统递归神经网络无法解决语音情感识别长时依赖问题,本文采用双层LSTM模型来改进语音情感识别效果,提出一种混合多尺度卷积与双层LSTM模型相结合的模型。实验结果表明,在中科院自动化所汉语情感数据库(CASIA)和德国柏林情感公开数据集(Emo-DB)下,本文所提语音情感识别模型相较于其他情感识别模型在准确率方面有较大提高。

基于误差修正的DV-Hop传感器节点定位算法

传统的DV-Hop传感节点定位算法,估计未知节点与各锚节点之间距离是用跳段距离代替直线距离。在实际网络定位环境中,未知节点和锚节点之间多数是折线连接。当平均每跳距离的估计值与实际值的偏差较大时,未知节点到锚节点之间估计距离与实际距离之间的误差会增大。为解决上述问题,提出一种粒子群优化算法修正DV-Hop算法定位误差的传感器节点定位方法。采用DV-Hop算法估计待测节点和锚节点之间距离,通过三边测量法确定节点的位置,并将传感器节点定位问题转换成一个多约束优化问题,最后通过粒子群优化算法对定位误差进行修正,并通过仿真对其性能进行测试。仿真结果表明,相对传统DV-Hop算法可大幅度提高传感器节点定位精度,符合无线传感器网络定位需求,具有较好的应用价值。

PSO遗传算法进行数据挖掘的策略构建和分析

信息爆炸时代如何快速处理数据已成为时代的新课题。为了解决单次挖掘使用PSO算法会出现局部最优解这个矛盾,笔者提出将PSO与遗传算法互补的算法PSO遗传算法。本文通过PSO算法原理介绍,分析了遗传算法的步骤,简述了数据挖掘的概念和过程,最后提出PSO遗传算法的实施策略,并给出流程和分布实施。这种算法能有效处理海量数据进行数据挖掘,并快速收敛到解,最后输出目标数据。

基于MVC架构的英语教学系统设计及应用

随着互联网技术、计算机技术的发展,联合白兔技术综合开发平台成为研究的热点。针对目前英语教学的具体需求,在MVC架构基础上设计了英语教学系统,并详细分析和介绍了系统设计遵循的原则、系统架构、系统功能等。同时,搭建相应的开发环境,运用第三方空间顺利实现英语视频的播放。

基于Arduino的机器手臂控制

当前机械手臂得到广泛的应用,针对四自由度机械手臂系统进行了研究与设计,分析了机械手臂的机械结构及控制系统。舵机是传统的角度控制驱动器,在机器人领域得到了广泛应用。采用Arduino控制板进行舵机的控制,系统稳定性高,可靠性强,定位准确可以满足控制要求。

基于MIC-LSTM的水体连续缺失数据插补

为解决各水体水质监测站点存在大量连续数据缺失问题,提出一种MIC-LSTM预测插补组合模型:首先利用相关性分析最大信息系数(MIC)对水体监测数据中的插补目标变量与环境量之间的关系进行相关性分析,选取MIC值大于设定阈值的特征信息作为模型输入,之后引入深度学习模型长短时记忆(LSTM)神经网络挖掘输入数据特征信息,对目标变量进行预测插补。与其他插补模型进行对比实验,选用评价指标对加入相关性分析MIC方法的有效性进行评估。结果表明:加入MIC进行特征选取输入特征的LSTM模型预测准确率得到提升,具有更强的预测性能。