基于深度学习的到课率统计系统设计与实现

到课率作为宏观教学管理数据,对高校教学管理具有重要作用。虽然近年来出现了一些课率统计的数字化方法,解决了传统到课率统计费时、费力、滞后等问题,但由于成本高、使用不方便、准确率不高等原因,导致其无法推广。随着技术的发展,深度学习在多目标检测中的准确率越来越高,有助于解决此类问题。为此,文章利用深度学习技术,设计了一种基于教室摄像头RTSP视频流的到课学生头部识别的模型1MB-Plus,并将其应用于某高校的一百余间教室的到课率统计中,取得了97.3%的准确率。研究表明,该模型有助于解决到课率统计存在的问题。文章通过研究,旨在以最小的成本为高校教务管理部门提供较为准确的宏观到课率数据,辅助学校的教学管理工作。

基于支持向量机的入侵检测系统

目前的入侵检测系统存在着在先验知识较少的情况下推广能力差的问题.在入侵检测系统中应用支持向量机算法,使得入侵检测系统在小样本(先验知识少)的条件下仍然具有良好的推广能力.首先介绍入侵检测研究的发展概况和支持向量机的分类算法,接着提出了基于支持向量机的入侵检测模型,然后以系统调用执行迹(system call trace)这类常用的入侵检测数据为例,详细讨论了该模型的工作过程,最后将计算机仿真结果与其他检测方法进行了比较.通过实验和比较发现,基于支持向量机的入侵检测系统不但所需要的先验知识远远小于其他方法,而且当检测性能相同时,该系统的训练时间将会缩短.

变压器超高频局部放电自动识别系统

本文研制了一套变压器超高频局部放电自动识别系统,详细介绍了系统的硬件和软件实现。硬件主要包括超高频天线和频谱分析仪,软件由信号采集、统计谱图生成、统计算子(指纹)计算、用基于遗传算法的神经网络进行模式识别四部分组成。在实验室中对变压器典型局放模型进行实验,结果表明,该系统可以很好地用于提取高频(中心频率在500～1000MHz之间可调)窄带(带宽5MHz)时域放电信号,并且具有强大的数据处理、显示、分析、识别等功能,从而为变压器超高频局部放电检测以及绝缘状态评估提供了丰富的信息。

人脸检测方法综述

人脸图像处理包括人脸检测、人脸识别、人脸跟踪、姿态估计和表情识别等。为了构造自动处理人脸图像的信息系统,首先需要鲁棒、有效的人脸检测算法。分析了有关人脸检测问题的研究方法,并对其进行了分类和评价。从基于知识的方法、特征不变方法、模板匹配方法和基于外观的方法等四个方面介绍了相关的算法和理论,分析了各种方法的优缺点,并提出了关于人脸检测问题的进一步研究方向。

基于信道模式噪声的录音回放攻击检测

近来出现的高质量低价格的录音及回放设备的高保真度使人耳也难以分辨出原始语音和回放语音,这使得录音回放攻击对说话人识别系统的安全造成了很大威胁.为此,文中提出了一种基于信道模式噪声的录音回放攻击检测方法.该方法根据原始语音与回放语音信道的差异,针对不同信道中的录音及回放设备引入不同的信道模式噪声,采用去噪滤波器和统计帧分析的方法提取信道模式噪声,在信道模式噪声的基础上提取了6阶Legendre系数及6个统计特征,并利用支持向量机训练信道噪声模型判决输入是否为回放攻击.实验结果表明,加载录音回放检测模块后,说话人识别系统对含有回放攻击数据的等错误率下降了约30%.

采用光照不变特征的椭球法运动阴影检测

为检测视频监控系统中运动目标的阴影,提出了一种基于光照不变特征c1c2c3的检测算法.该算法首先根据前景像素和处于相同位置的背景像素的c1c2c3之比定义坐标系,并将阴影检测视为该坐标系内阴影和运动物体的分类问题;然后,采用阴影像素在该坐标系中的分布特性构建1个椭球,并将处在椭球内部的像素判别为阴影像素;最后,根据阴影区域的几何信息进行后处理.实验表明,该算法能有效地检测不同场景、不同运动物体的阴影,并能适应光照条件的变化.

基于随机状态空间模型的工程结构损伤检测

对环境激励的响应信号采用数据驱动随机子空间算法得到随机状态空间模型的状态矩阵A,并作为损伤敏感特征。为克服状态矩阵A的多样性问题,构造了非奇异线性变换矩阵T,将状态矩阵转换为能控标准型,同时将状态矩阵分解成m个子系统(m为测点数)。为克服测试误差、噪声、环境因素的影响,引入统计模式识别技术,对每一个子系统的状态向量构造Mahalanobis距离判别函数,并定义β损伤指标,对结构进行损伤识别及损伤定位。数值实验及预应力简支梁实验验证了该方法的有效性。

基于非接触采集下的鲁棒掌纹识别

为了扩大掌纹识别的应用范围,使非接触式掌纹识别系统在复杂背景和光照变化的条件下都能使用,提出了一种适用于非接触采集下的鲁棒掌纹识别算法.该算法使用肤色阈值的方法把手掌从复杂的背景中分割出来,采用一种新颖的指根点检测算法找到指根点,用指根点来定位掌纹ROI,使用对光照具有良好鲁棒性的LBP算法提取掌纹特征,并用Chi平方统计法进行分类.实验使用的数据库是在不同光照和复杂背景下采集的,当等错率为3.098 6%时,正确识别率达到97.833 7%.实验结果表明,该方法能够扩大掌纹识别的应用范围,使非接触掌纹识别系统在复杂背景和可变光照的条件下达到较理想的识别效果.

一种用于自动视频分段的WIPE转换检测和模式识别方法

自动视频分段是视频分类、组织和索引的基本步骤 ,其目标是检测和识别出各种镜头转换边界 .划变(Wipe)被认为是其中最难以检测和识别的镜头转换模式 .提出了一种新的基于模式模板的 Wipe转换区检测和模式识别方法 ,在该方法中 ,首先提出了一种模式模板的概念用于对各种 Wipe转换建立模式模板库 ,然后在模式模板库的基础上设计了一个通用的匹配算法 ,最后 ,通过对匹配结果进行 Hough变换 ,使得在存在相当大的运动干扰情况下 ,仍能精确检测转换区位置和识别转换模式 ,具有很好的鲁棒性 .该方法解决了对目前存在的各种复杂和奇异 Wipe转换模式的检测和识别问题 ,对以后出现的 Wipe转换模式同样适用 。

基于多元统计的电机故障诊断新方法

提出了用多元统计过程控制方法(MSPC)对异步电动机进行故障诊断的新方法.利用多个传感器测量的异步电机多维信号参量,构建电机在正常工作和发生故障时的Q统计和T2统计,以实现电机的状态检测;利用Q统计和T2统计值构建电机的状态特征向量,通过比较度量当前电机的特征向量H与电机发生故障时的特征向量HF的几何距离来实现电机故障的定位与分离.实验证明,该方法可以有效地实现故障的诊断与分离.

人脸检测的一种混合方法研究

人脸检测作为自动人脸识别系统的第一个环节具有非常重要的作用,为了解决目前大部分人脸检测方法存在的分类器训练困难和检测计算量大等问题,提出了一种人脸检测的混合方法。该方法由两级分类器组成,第一级为粗分类器主要过滤大部分非人脸区域,第二级为核心分类器,在由第一级粗分类的基础上利用非线性SVM算法进行人脸检测。在CMU数据库上的实验结果表明,该方法具有较高的人脸检测率,检测速度得到大幅提高。

复杂背景下航检视频字符的识别算法与应用

传统的OCR技术在复杂背景视频中的字符识别方面,其识别结果的准确率不尽如人意。为此,本文通过改进及优化传统识别算法,研究出一种新的复杂背景下的字符识别算法。该算法借鉴统计模式识别的思路,通过大量实验得出每个字符的特征规律,并形成公式,实现了字符的识别。然后以输电线路航拍图像为例,设计开发了字符识别系统。通过系统运行表明,采用本文算法识别字符的准确率为99.4%,优于开源Tesseract-OCR接口函数方法及样本训练方法,对于复杂背景中的字符识别具有较高的准确性和广阔的应用前景。

视频监控中人脸识别算法稳定性的改进

如果单纯地采用静态人脸识别算法对视频图像进行检测、识别,忽略了视频中重要的前后帧相关的特性,会造成识别结果的不稳定。为了解决识别结果不稳定的问题,对视频监控中的人脸识别算法进行了改进,根据视频前后帧相关性对人脸运动进行估计并将其应用在视频监控的软件产品中。实验证明,该算法提高了传统单帧人脸识别算法的稳定性,具有较好的应用价值。

基于视频流的井下人数统计方法研究与应用

井下作业的安全始终作为工矿企业最为重要的关注点之一,对于井口进出人员的管理是确保安全作业的基本需求,传统的考勤系统对于井下环境及使用方面不是很友好,需要作业人员执行特定的操作才能完成,学习及使用维护成本相对较高。最后提出基于井下原有的视频采集系统的视频流,集成轮廓检测及颜色识别算法直接监测视频画面特定区域,分别统计进入和离开的人数,并依据统计数据分析有无异常人员进入作业区。

管道缺陷自动检测与分类

管道作为工业、核设施、石油天然气等领域中常用的物料输送手段,在使用过程中极易出现各类缺陷,传统的人工检测存在准确率低、效率低、成本高等缺点,采用数字图像处理技术可以对管道图像进行自动检测与分类,有效克服上述缺点。首先使用图像增强、图像分割、数学形态学以及边界跟踪对图像进行预处理,在提取出缺陷区域的尺寸、形状和纹理特征后,选择圆形度、凸度、离心率、熵、相关性和聚集度作为模式识别的特征向量,最后综合使用基于粒子群优化的K-means聚类分析和统计模式识别分类器进行分类。使用文中的图像预处理算法可以成功的将管道缺陷提取出来,达到管道缺陷自动检测的目的。基于粒子群优化的K-means聚类分析成功的将管道缺陷图像归为裂纹缺陷、管接头缺陷和孔形腐蚀三类,相比于传统K-means算法,聚类准确率分别提高9%、16.7%、12.5%。综合使用基于粒子群优化的K-means聚类分析和统计模式识别分类器对管道缺陷进行分类,三类缺陷的分类准确率均在80%以上,其中管接头缺陷和孔形腐蚀的准确率达到90%以上。综上,综合集成出了一套基于数字图像处理技术的管道缺陷自动检测与分类算法方案,实验结果表明,该算法方案具有自动化程度高、通用性强、准确率高的特点。

基于增量自适应支持向量机的AFM尖端磨损识别

为了提高纳米加工刀具磨损状态在线监测的精度与泛化能力,提出一种基于增量自适应支持向量机的基于原子力显微镜(AFM)尖端磨损识别方法。该方法以横向力的峰-峰值和方差作为特征变量,通过移动视窗获取增量数据;以维持Kuhn-Tucher定理所要求的最优化条件为准则,在当前支持向量机解结构基础上自适应修改正则化参数C和核参数σ,以获得更新支持向量机结构,并对增量数据及受其扰动的原数据进行分类;根据尖端失效点数量走势,判定尖端磨损程度。实验证明该算法在识别精度与时间上可满足在线检测要求。与定向非循环图支持向量分类器对比,该算法具有更强的鲁棒性与更高的泛化能力。

基于视频的带式输送机煤矸识别方法

煤的开采往往伴随着大量的矸石,工业用煤中参杂矸石会严重影响燃烧质量及效率。为提高煤和矸石的自动识别和分选效率,提出一种基于视频的带式输送机煤矸识别方法。利用背景差分法对视频帧图像进行煤和矸石的检测和标记,通过矩形框处理方法提取了检测标记的煤和矸石,最后利用灰度和纹理特征进行煤矸图像的识别。仿真实验结果表明,所提方法是可行的,可应用于带式输送机上的煤矸识别或煤矸分选。

基于动态边缘的OCR算法在航检影像切分中的应用

借鉴统计模式识别方法,提出了基于动态边缘的OCR算法,以字符形态为分析样本,确定在动态视频图像中字符特征边缘区域的选择,然后找出每个字符的体征特性,通过大量试验得出每个字符的特征规律,最后通过相似性概率统计方法实现字符的识别。经在内蒙古超高压供电局航检视频处理中的实际应用,该算法准确率高达99.45%,为复杂背景下视频字符识别提供了新算法。

一种视频运动目标的检测与识别方法

针对户外智能视频监视系统,研究从视频序列中自动提取和识别运动目标的方法.在运动目标检测算法中,首先引入彩色差值模型,然后进行自适应阈值分割和图像形态学后处理,并提出背景参考图像的更新方法.在人体目标识别方法中,为克服物体阴影的影响,先利用直方图技术得到检测区域中含有的运动目标数目以及每个目标的顶部位置,然后提取运动目标头肩区域的不变矩特征,并利用遗传神经网络实现运动目标的自动识别.实验表明,这是一种快速有效的多运动目标检测与识别方法.

基于HHMM的多线索融合和事件推理方法

为了解决基于内容检索技术中低层特征与高层语义之间存在语义间隔问题提出了基于多层次线索与事件的分层模型,以及相应的基于分层隐Markov模型(HHMM)的多线索融合和事件推理方法。其中线索是对事件进行推理的要素,它是低层特征与事件之间的中间层次。在将视频流分割为镜头后,从各个镜头中抽取若干与事件密切相关的线索,构造并训练各事件的HMM模型,用于融合线索和进行事件推理。由于输入视频通常包含多个事件,不可避免会遇到时域分割问题,因此构造一个HHMM模型用于同时进行视频流的合理分割和事件的识别。对足球视频的大量实验结果表明,该方法可有效地检测足球视频事件,并在抽取的线索不完全可靠的情况下具有一定的鲁棒性。