基于骨骼的人体行为识别方法研究综述

人体行为识别在视频理解中发挥了重要作用.近年来,基于骨骼的行为识别方法因其对复杂环境的干扰更具鲁棒性而受到广泛关注.文中共整理了102种基于骨骼的人体行为识别方法,并在9个公开数据集上对其进行了对比分析.按照特征学习方式的不同,分别介绍了基于手工特征的方法和基于深度学习的方法.其中,基于手工特征的方法按特征描述符的不同分为几何描述符、动力学描述符、统计描述符3个子类;基于深度学习的方法按网络主体的不同分为循环神经网络、卷积神经网络、图卷积网络、Transformer和混合网络5个子类.通过以上分析,不仅阐述了基于骨骼的行为识别方法的发展历程,还剖析了现有方法存在的泛化能力不强、计算成本高等局限.最后,从网络结构设计、相似动作区分、领域数据集拓展、多人交互等方面对未来研究方向进行了展望.

基于视觉反馈的柔性充气仿生臂控制系统设计

设计了一种基于视觉反馈的柔性仿生臂控制系统,通过将其等效为刚体的建模方法对所设计的柔性仿生臂进行了理论分析。利用手动操纵杆实现了对柔性仿生臂的手动操控。在柔性仿生臂头端安装有摄像头,可以通过卷积神经网络目标检测和识别算法识别目标物体,其获得的位置信息可用于闭环控制。通过视觉反馈实现了对目标的搜索和锁定。相较于传统的刚性机械臂,本研究具有安全性高和体积小的优点。同时,计算机仿真和实验均验证了该设计的合理性与有效性。

铜冶炼转炉吹炼终点判断方法研究进展

铜锍转炉吹炼是铜冶炼流程中将铜锍吹炼成粗铜的过程,吹炼过程分为造铜期和造渣期,各阶段的判断基准和方法不同,粗铜的质量与终点判断的精确度相关,特别是当前原料成分越来越复杂,吹炼终点的判断和控制难度大幅增加。本文结合当前国内外铜冶炼转炉吹炼终点判断方法研究现状,阐述了人工经验法、仪器测定法、物料平衡法、神经网络法4类吹炼终点判断方法的研究进展,展望了铜冶炼吹炼终点判断方法发展方向。随着检测仪器的开发、吹炼送风和物料计量精度的提高,以及转炉吹炼自动程度提升以及人工智能的发展,铜锍转炉吹炼终点控制向着自动精确判断和智能控制方向发展。

基于ROS的安防巡检机器人设计与开发

针对工厂仓库、大型商超等室内需要人工巡逻的场所,设计一款基于ROS(Robot Operating System)和人工智能的安防巡检机器人。采用OpenCV进行火灾监测,使用人工神经网络进行人脸识别,机器人可进行场地的安全巡检,及时发现安全风险并进行报警,以替代人工巡检。

基于人工听觉描述子的零样本音频分类

音频分类使机器具有识别音频样本类别的功能,而与传统音频分类模型不同,零样本学习模型可以识别训练期间未出现的音频类别样本。但是,当前的零样本音频分类方法在做类间信息迁移时大多依靠类别标签文本语义信息的先验知识,而语义的先验知识包含大量与音频非相关的冗余信息,所导致的知识转移性能的局限性大大限制了零样本学习模型识别能力。基于此,文中提出将与音频信息高度相关的人工听觉描述子作为类间迁移信息,同时使用合成分类器,构建了零样本音频分类模型。在ESC⁃50数据集的实验中,与先前的工作相比较,基于人工听觉描述子的零样本音频分类具有更好的分类性能。

基于神经网络的人体100m跑运动能力综合评价

针对现有人体运动能力评价方法的不足,提出基于人工神经网络的人体100m跑运动能力综合评价方法,并结合30名12～17岁少年男性运动员的各项测试指标及100m跑专项成绩建立人体运动能力的神经网络评价模型。将各项测试指标值经过归一化后作为网络输入,人体100m跑运动能力(由100m跑运动成绩评定)作为网络输出,利用训练好的网络模型进行100m跑成绩预测,得到了较好的预测结果。

近红外光谱分析中人工神经网络法的应用

设计了实用的人工神经网络模型进行定标并预测.用误差反向传播算法,构造了三层的神经网络结构,用于解决光谱分析中谱峰重叠严重、噪声较大等问题.在定标样本数量较大的情况下,应用人工神经网络方法对玉米的蛋白质含量和近红外吸收光谱进行了分析和讨论.实验结果表明,人工神经网络方法优于线形回归法和偏最小二乘方法.

人工神经网络预滤波的自适应运动心电信号增强器

运动心电图是一种将人体对象置于非平静状态下检测到的心电信号,其特点是运动导致基线严重漂移,肌电干扰显著增加,信噪比低。介绍了一种用人工神经网络预滤波的自适应运动心电信号增强器。运用人工神经网络的非线性和自适应处理的跟踪特性有机地结合设计而成。能降低噪声,提高信噪比,有效地提取运动心电信号。

优化的粗糙神经网络在故障诊断中的应用

本文在相异度理论的基础上,提出了类间相异度的度量方法,从而以粗糙集理论为属性约简工具,利用相异度理论进行类的泛化和特化,构造出了优化的粗糙神经网络模型。故障诊断实例分析表明,该模型对神经网络分层约简并剔除其中不必要的属性,减少了神经网络的总体训练时间和决策过程中的模式匹配搜索量,大大提高故障诊断系统的反应能力,在大型复杂的故障诊断应用中效果尤为明显。

人工神经网络在导弹控制系统中的应用

利用神经网络设计了导弹滚动通道控制系统———人工神经网络 (BP网络 )模型参考控制系统 .通过MATLAB进行了仿真 ,得到的结果说明人工神经网络控制器能够跟踪参考模型的输出 。

基于卷积神经网络的盾尾间隙测量系统研究

针对隧道施工过程中盾构机盾尾间隙变化引起的机器磨损与注浆问题,通过分析国内外采用传统的人工计量方法测量盾尾间隙的诸多不足,提出一种基于卷积神经网络的盾构机盾尾间隙测量方法和装置。该方法通过单目相机拍摄位于管片上的激光标定点与盾尾间隙局部图像信息并传入计算机中,采用卷积神经网络的图像超分辨率重建方法对采集到的图像进行超分辨率重建,得到高分辨率图像,结合卷积神经网络与数字图像处理技术检测盾尾间隙,进行盾构机盾尾间隙的数值估计,实现盾尾间隙的非接触测量方式,使得盾构护盾间隙自动化测量能够用于盾构的全周期中,有助于实现盾构施工的精确化和自动化。通过西安地铁五号线施工现场的实际测试结果表明,程序运行稳定,盾尾间隙估计准确,最大误差为±5 mm。

车辆起步过程神经网络PID控制研究

针对车辆起步工况的多样性,笔者设计了神经网络PID(Proportion Integration Differentiation)控制器,通过对离合器的转速跟踪控制,在保证发动机不熄火的前提下,实现了AMT(Automatic Manual Transmission)车辆快速平稳起步的控制目标。为了验证控制器的有效性,建立了中型卡车的传动系模型,其中包括发动机、离合器、变速箱、主减速器和车轮等,并且根据实际起步情况,设置了正常起步、急起步、载重起步和坡路起步4种工况,进行了AMESim-Simulink联合仿真实验。通过与传统PID控制器的控制效果相比较,分析得出,神经网络PID控制器能在变工况下很好地完成AMT车辆起步控制,具有良好的自适应性。

基于PID神经网络自动换挡过程油门调速

提出了一种在AMT换挡过程中运用PID神经网络进行油门调速的方法.通过台架实验,建立了东风康明斯EQB235-20柴油发动机的油门实验模型,同时在Matlab平台上对PID神经网络进行训练,使其输出逼近理想油门实验模型.将训练后的PID神经网络移植入ECU,进行发动机调速实验.实验表明,PID神经网络有响应速度快、鲁棒性好、收敛特性好的特点,提高了车辆的自适应能力.

基于神经网络的PID控制器参数的自整定

根据神经网络理论,提出了一种具有学习功能的参数整定算法。当通过一定数量的样本学习得到成功的 BP 神经网时,调用启发式控制算法闭环控制对象,将获得的响应数据送到 BP 网,即可得到 PID 的整定参数。并以二阶、三阶系统为例,经仿真得到了合适的整定参数。整定方法在分散控制系统中,对大量在线参数辩识计算的处理结果是令人满意的。

基于人工神经网络的数据散列加密算法

在密码学中,散列是非常重要的一种加密方法。人工神经网络模拟人脑的思维方式,具有输入与输出是一个高度非线性映射关系以及高智能、可训练、超大容量等特点。基于人工神经网络的数据散列加密可以达到非常完美的加密效果。文中在传统加密算法的基础上分析了基于人工神经网络加密的优越性,得到了基于人工神经网络的数据加密算法。

知识发现技术在医院中的应用研究

知识发现技术在医院中有着广泛的应用前景,特别是在医院信息系统以及临床辅助、检测、诊断方面得到广泛关注,有关的研究成果已在医疗诊治得到应用。从人工神经网络、模糊系统进化计算、粗糙集理论、决策树、支持向量机等方面对此进行讨论。

Attention-CNN在恶意代码检测中的应用研究

恶意代码攻击已经成为互联网最重要的威胁之一,并且现存的恶意代码数据庞大,特征多样。为了更好地提取恶意代码特征以及掌握恶意代码的行为,提出了基于注意力机制的Attention-CNN恶意代码检测模型。首先结合卷积神经网络(CNN)和注意力机制,构建了Attention-CNN恶意代码检测模型;然后将恶意代码转化为灰度图像作为模型输入,通过对Attention-CNN模型训练及测试得到恶意代码对应的注意力图以及检测结果;最终将从恶意代码注意力图中提取的重要字节序列用于人工分析,以揭示恶意代码的相关行为。实验结果表明,相比于支持向量机(SVM)、随机森林、J48.trees以及未结合注意力机制的CNN,Attention-CNN取得了更好的检测效果。相比于vsNet,Attention-CNN在准确率方面提高了4.3个百分点。并且从注意力图中提取的重要字节序列能够有效减轻人工分析的负担,获取恶意代码的相关行为,同时弥补了灰度图形式的恶意代码检测的不可解释性。

基于专家协调控制的智能伺服攻丝系统设计方案研究

本文根据对人工攻丝过程"不进则退、以退为进"的策略分析,构建了模糊神经网络控制模型,在模拟人工攻丝基本策略的基础上,进一步提出了基于专家协调控制,能够模拟人的高级智能行为的攻丝系统结构,进行了系统协调方案、工作原理、协调规则和控制状态的讨论,为智能伺服攻丝控制系统的设计提供了理论研究和方案的可行性验证。

人工神经网络在基坑支护方案选择中的应用

将人工神经网络的方法应用于基坑支护方案的选择中,提出了基坑支护方案选择的三个层次,在这三个层次中,完成了根据定性指标分类、定量指标分类及定量指标预测的三大功能,具有实践意义。

甘肃省降水量自动观测与人工观测对比分析

利用甘肃敦煌、酒泉、民勤、榆中、西峰和岷县6个气象站2004~2007年自动观测与人工观测的降水资料,对比分析了2种观测序列的差值特征,并基于BP神经网络建立了自动降水观测订正模型。研究表明,自动观测的降水量与人工观测的标准差为0.254 mm,平均偏大0.033 mm (相对偏高2.24%);76%的自动观测与人工观测的日降水量差值在±10%以内,近11%的样本日降水量测量差值在±20%以上;日降雨量相对差值较大的样本,其日降雨量均比较小;利用BP神经网络模型订正后,自动观测的日降水量拟合差为0.05~0.52 mm,平均相对误差0.5%~8.2%,平均相对均方根误差为0.10~0.70 mm,相关系数为0.75~0.99。