线路关键点对400km/h高速铁路纵断面参数设计影响

研究目的:400 km/h等级高速铁路的规划设计是我国现阶段高速铁路建设与发展的重要目标。目前,尚未有400 km/h高速铁路纵断面参数设计标准的研究。在满足高速列车行驶安全与旅客乘坐舒适条件下,本文对400 km/h等级高速铁路纵断面参数进行了设计与验证,为后续工程应用提供理论依据。研究结论:(1)相同坡度差、夹直线长度条件下,列车垂向振动加速度最大值随竖曲线半径的增加而减小,建议400 km/h高速铁路最小竖曲线半径取值为30000 m;(2)当竖曲线半径≥20000 m,车体垂向振动加速度最大值数值受坡度差值影响很小;(3)车体垂向振动加速度随着夹直线长度的增加而逐渐消散,叠加振动减小,建议400 km/h高速铁路夹直线长度最小取值为200 m;(4)本文研究可为400 km/h高速铁路纵断面参数设计提供技术支撑。

基于多个关键点对应性的手部动态重建

提出了一种新的基于单视图深度序列的手部运动跟踪和表面重建方法。在假设任意一对关键点的对应性在所有手部姿态上均一致基础上,使用一个平滑的手部网格模板来提供形状和拓扑先验,引入多个能量函数构造输入扫描与模板之间三维关键点到关键点的对应性,并将其整合到一个可用的非刚性配准管线中,以实现精确的表面拟合。通过最小化手部模板和输入深度图像序列之间的误差来捕获非刚性的手部运动。采用迭代求解的方法,通过显式的关键点到关键点之间的对应性,逐步细化手部关节区域的变形,从而达到快速收敛和合理变形的目的。在含有噪声的手部深度图像序列上的大量实验表明,该方法能够重建精确的手部运动,并且对较大的变形和遮挡具有鲁棒性。

基于关键点检测的鱼类游动轨迹提取

针对现有的鱼类游动轨迹提取方法不能兼顾轨迹提取效率和准确率的局限性,提出了一种基于鱼类关键点识别与定位的鱼类游动轨迹提取方法。该方法在RetinaFace算法的基础上,通过改进网络结构和损失函数、优化锚框的尺寸设计、编解码鱼类关键点(头部点和形心点)、为鱼类目标的关键点添加额外的标注并制作成鱼类关键点数据集等改进策略,构建了基于关键点识别的鱼类轨迹提取模型。研究结果表明,本研究方法对鱼体关键点识别的精度很高,准确率、召回率、平均精度均值3项精度评价指标分别为97.12%、95.72%、96.42%;所提取的轨迹坐标平均相对偏差为MRE x(0.065%,0.092%)、MRE y(0.112%,0.011%),与鱼类的实际游动轨迹基本吻合;鱼类目标关键点的识别速度可达32帧/s,能够满足实时提取鱼类轨迹的需求。

高层房屋建筑施工技术的关键点与应用分析

为解决高层房屋建筑施工中的质量与安全问题,本文介绍了高层房屋建筑施工的关键性技术,并深入分析了高层房屋建筑的施工特点,并结合高层施工难度大、周期长、风险高等问题,细化了高层房屋建筑施工技术的关键点。其中着重对预应力施工技术、基坑支护技术、钢结构施工技术、混凝土施工技术进行了剖析,并对高层房屋施工技术提出了未来发展趋势评估。应用具体的施工实例证明了高层房屋建筑施工技术的充分运用,能够为高层房屋建筑质量和安全提供极大的保障。

多关键点约束与深度估计辅助的单目3D目标检测算法

当前主流的单目相机3D目标检测网络采用关键点检测范式,存在关键点预测与深度估计不准确的问题,限制了单目3D检测器的性能表现.本文提出一种多关键点约束与深度估计辅助的单目3D目标检测算法Mono-Aux,利用3D检测框的角点投影点、上表面与下表面中心投影点作为3D框中心投影点的补充,通过多关键点约束提升关键点预测精度;提出一种LiDAR-Free解耦深度估计方法,在不引入激光点云数据的同时通过几何关系推导引入额外的深度估计辅助监督信号,提升深度估计的准确性.多关键点约束与深度估计辅助仅在训练阶段使用,推理阶段不引入额外的计算成本.在KITTI3D目标检测验证集和测试集上的结果显示,相较于MonoDLE基线网络,提出的MonoAux算法在目标检测精度上分别提高3.87%和4.64%,与其他SOTA方法相比,本文方法也具有显著的性能优势,甚至优于部分使用额外数据的方法.

基于改进沙漏的攀岩运动关键点检测算法

针对关键点检测中目标尺度多变以及不同特征适应性等难题,为进一步提升现有的姿态估计方法在实现姿态估计任务时的性能,验证单阶段和多阶段姿态估计方法各自的有效性,提出一种基于改进沙漏的攀岩运动关键点检测算法。首先设计一个多路池化残差结构,改善由于沙漏网络多次上下采样带来的信息损失和上下文信息提取不足的局限性,提升浅层特征在关键点检测中的表现;其次在沙漏网络中引入沙漏注意力结构,通过利用特征映射将输入信息划分为不同大小的特征块序列,在特征编码和特征解码两个过程中,充分挖掘图像有效信息,使得在特征匹配过程中不仅考虑本身的拟合程度,更考虑到关节位置之间的关联信息。实验表明,提出的算法在公开数据集MPII、COCO和针对攀岩运动的数据集上表现良好,且算法泛化能力较好,能够应用于多种运动场景中的人体关键点检测任务。

基于锚点的快速三维手部关键点检测算法

在人机协作任务中,手部关键点检测为机械臂提供目标点坐标,A2J(Anchor-to-Joint)是具有代表性的一种利用锚点进行关键点检测的方法。A2J以深度图为输入,可实现较好的检测效果,但对全局特征获取能力不足。文中设计了全局-局部特征融合模块(Global-Local Feature Fusion,GLFF)对骨干网络浅层和深层的特征进行融合。为了提升检测速度,文中将A2J的骨干网络替换为ShuffleNetv2并对其进行改造,用5×5深度可分离卷积替换3×3深度可分离卷积,增大感受野,有效提升了骨干网络对全局特征的提取能力。文中在锚点权重估计分支引入高效通道注意力模块(Efficient Channel Attention,ECA),提升了网络对重要锚点的关注度。在主流数据集ICVL和NYU上进行的训练和测试结果表明,相比于A2J,文中所提方法的平均误差分别降低了0.09 mm和0.15 mm。在GTX1080Ti显卡上实现了151 frame·s^(-1)的检测速率,满足人机协作任务对于实时性的要求。

面向人体姿态图像关键点检测的深度学习算法

传统人体姿态检测方法提取图像信息能力弱,易受背景环境干扰,在图像辨识上具有一定的局限性。为解决由于背景干扰而导致的人体姿态识别准确率低、计算效率差的问题,提出了一种基于人体关键点骨架合成与上深度学习姿态识别算法相结合的框架体系。首先采用MobileNet残差网络优化Open Pose网络结构,降低人体骨骼关键点识别的计算复杂度,提高计算效率;然后通过PAF算法预测骨架的最优连通域,构建出最优人体骨架信息,并基于最优骨架信息生成人体骨架辅助框提取法则,提取人体姿态的相对位置,解决环干扰的问题;接着将人体关键点特征与HOG特征有机融合,基于深度学习网络构建出OP-GAN人体姿态识别模型。仿真结果表明,与传统SVM模型相比,OP-GAN模型的F1综合性能指标提升了6.85%;与其它深度学习算法相比,关键点特征的融合以及GAN网络的使用均与模型的性能指标呈正相关关系。因此,新构建的OP-GAN人体姿态识别模型通过解决背景干扰的同时,提高了人体姿态识别的准确率与效率。

班集体建设六个关键点论析

如何建成一个优秀的班集体是每个班主任必须思考的问题。经过多年的探索实践,班主任总结出班集体建设的六个关键点,即“理想”“常规”“班风”“真爱”“氛围”“活动”。这六个关键点就是六项关键性工作,既指明了班集体建设的方向,又是学校“立德树人”的育人途径,还是以学生发展为本的必做工作。文章结合日常班级管理工作,阐述六个关键点在班集体建设中的作用。

乡镇渡口升级改造工程建设关键点研究

依托乡镇渡口升级改造工程的建设经验,从建设时序、设计依据及设计要点等三个方面对乡镇渡口升级改造工程建设关键点进行梳理,以推动乡镇渡口设计技术的优化,促进乡镇渡运服务条件的改善和渡运安全水平的提升。

一年之计在于春!河蟹放养前后这三个关键点,你做对了吗?

随着温度回升,今年根据走访调研,预计近期将迎来河蟹池塘扣蟹苗种的放苗高峰。今年开春以来受到低温、下雪等恶劣天气的持续影响,绝大部分蟹塘的放苗时间有所推迟。根据气象预测,近期气温开始有所回升,温度较往年偏低,但阴雨天气较多,天气还是不太稳定。从每年的养殖情况分析来看,开春之后,整体天气多变,温度忽高忽低、温差大,有时还伴有连绵阴雨天气,对河蟹一二壳期间的管理影响较大,部分池塘蟹苗损伤达到30%以上,甚至更高,还有极少数的池塘出现“补苗”的现象。

基于关键点检测的轻量级人体姿态估计算法分析

以基于关键点检测的轻量级人体姿态估计算法研究为目的,以实验方法分析LCSA-Net-YOLO-Pose算法在经YOLO-Pose算法改进后的性能效果。研究结果显示,LCSA-Net网络结构在人体姿态关键点检测方面的精度较高。结论表明,轻量级人体姿态估计算法——LCSA-Net设计合理,可以更好地服务于人体姿态估计。

青少年颈椎病的影像学检查方法与预防关键点

随着电子时代的到来,青少年长时间使用电脑、手机和平板等电子设备,导致青少年颈椎病的发生率有不断上升趋势。颈椎病不仅影响青少年的学习和生活质量,还可能对身体健康造成长远影响。因此,了解颈椎病的影像学检查方法和预防关键点显得尤为重要。

挥发窑鼓风管的关键点识别及其摆放位置监测

窑头鼓风管的摆放位置是影响氧化锌挥发窑燃烧状态的重要操作参数之一,现仍由人工看火来手动调节,同时现场没有为挥发窑的运行优化记录完善的鼓风状态数据,也难以及时发现鼓风管被窑内渣块击中等安全隐患.针对上述问题,本文提出一种基于关键点识别的鼓风管位置监测方法.首先,文章对从窑头看火口采集的火焰视频数据集设计一种邻域关键点辅助的数据扩充方法,并构建级联金字塔网络(CPN)来预测鼓风管管口中心点的位置;然后,本文提出一种基于多帧图像的聚类分析算法来消除因烟尘遮挡所产生的异常点,并采用一种量化指标来实现对挥发窑鼓风管摆放位置的实时感知与记录;最后,本文基于现场采集的火焰视频数据进行了对比实验,结果表明所提出的关键点检测模型精度高、鲁棒性强,且鼓风管位置的量化准确率高达92.3%.

基于头颈背部关键点的奶牛跛行检测

为实现奶牛跛行的自动检测,该研究鉴于跛行奶牛行走时,头部起伏较大且背部弓起的特点,提出了一种基于深度学习的奶牛头、颈、背部6个关键点的跛行检测算法。首先,在通道旁固定摄像头,采集奶牛行走的视频数据,利用YOLOv8n-seg实例分割算法将奶牛从图像中识别出来;其次,使用DeepLabCut算法提取视频帧序列中奶牛的头、颈、肩、背部中心、腰和尾部6个关键点坐标,对比分析实例分割得到的6种格式输入图像在MobileNet-V2和ResNet系列主干网络上的训练效果后,最终选择按目标检测框裁剪后的分割结果图和ResNet-152作为DeepLabCut算法的最佳输入和最优主干网络;最后,对比分析4种时间序列模型和FN-BiLSTM模型在奶牛跛行检测中的表现。试验结果表明,FNBiLSTM算法的性能最优,在包含16头奶牛16段视频的测试集上跛行识别的准确率达到了97.16%。研究表明,该算法可为养殖场奶牛跛行检测提供技术支持。

基于人体骨骼关键点的心血管患者康复训练动作评估方法

为解决心血管患者日常康复训练依赖于康复中心专业医务人员现场指导的问题,围绕获得支撑心血管患者自主康复训练的动作评估系统,提出了基于人体骨骼关键点的心血管患者康复训练动作评估方法(ASRT-PHS)。首先,根据心血管患者的康复训练动作规范拍摄构建了康复训练动作数据集;然后,引入基于深度学习的检测器和姿态估计器采集人体位置信息与人体关键点信息,并将提取结果输入到卷积神经网络中进行动作识别;接着,通过关节距离比值计算、关节角度阈值计算与标准动作判断,构建基于关节距离比值的动作切分模型和基于动作关节角度阈值的动作评估模型;最后,通过测试ASRT-PHS在不同关节角度阈值和不同动作识别方法下的动作切分与评估性能,得出了ASRT-PHS的最优工作参数。测试结果表明,ASRT-PHS在动作识别、动作切分与动作评估中的准确率分别达到92.78%、77.6%和87%。此外,真实心血管患者案例测试表明,原型系统的动作评估平均准确率为71.3%,为患者居家自主康复训练提供了可行的智能辅助系统。

联合关键点数据增强和结构先验的遮挡人体姿态估计

人体姿态估计技术在许多领域都有着重要的应用。现有研究主要聚焦于无遮挡情况下的人体关键点精确定位,却忽略了人像采集过程中普遍存在的遮挡问题。针对此问题,提出了一个基于关键点数据增强的人体姿态估计方法。具体地,数据增强策略以训练图像中人体可见关键点为中心,生成特定数量和大小的遮挡区域,模拟人体关键点受遮挡时的场景,提升网络模型对遮挡场景下关键点预测的鲁棒性。为了提高模型对被遮挡关键点与相邻关键点间关联性的感知,进一步设计基于人体结构先验知识的损失函数,根据人体真实结构构建相邻关键点连接关系,约束预测的关键点坐标范围,从而提升被遮挡关键点的坐标精度。在OCHuman测试集和COCO验证集上的预测结果表明,相比于基准网络模型,该方法在不增加网络参数的情况下能够提升遮挡场景中的人体姿态估计性能。

基于多关键点检测加权融合的无人机相对位姿估计算法

针对无人机降落阶段中无人船受水面波浪影响导致图像产生运动模糊以及获取无人机相对位姿精度低且鲁棒性差的问题,提出一种基于多模型关键点加权融合的6D目标位姿估计算法,以提高位姿估计的精度和鲁棒性.首先,基于无人船陀螺仪得到的运动信息设计帧间抖动模型,通过还原图像信息达到降低图像噪声的目的;然后,设计一种多模型的级联回归特征提取算法,通过多模型检测舰载视觉系统获取的图像,以增强特征空间的多样性;同时,将检测过程中关键点定位形状增量集作为融合权重对模型进行加权融合,以提高特征空间的鲁棒性;紧接着,利用EPnP(Efficient perspective-n-point)计算关键点相机坐标系坐标,将PnP(Perspective-n-point)问题转化为ICP(Iterative closest point)问题;最终,基于关键点解集的离散度为关键点赋权,使用ICP算法求解位姿以削弱深度信息对位姿的影响.仿真结果表明,该算法能够建立一个精度更高的特征空间,使得位姿解算时特征映射的损失降低,最终提高位姿解算的精度.

基于深度学习的非合作目标关键点检测及匹配方法

针对非合作目标相对位姿测量任务中特征点检测及双目匹配环节易受环境干扰、鲁棒性弱的问题,提出一种更具实用价值的方法。首先,将具有代表性的某型号卫星模型视为非合作目标实验对象,并针对其结构特点开发了关键点标注软件,以生成数据集并用于深度卷积神经网络(DCNN)模型的训练;之后使用不同算法对DCNN模型输出的两类信息进行分析,完成关键点检测;最后通过对识别对象进行双目匹配,从而间接完成关键点双目匹配。将该方法应用到自主搭建的系统平台,并与传统算法进行对比,结果表明,该算法可在实际应用环境中完成非合作目标的关键点检测及其双目匹配,并具有较强的鲁棒性,为非合作目标相对位姿测量任务的关键环节提供了一种新思路。

人脸关键点检测研究综述

随着计算机视觉等技术的快速发展,人机交互、医疗辅助、安防监控等领域迅速崛起,人脸关键点检测作为其中一项重要任务备受关注,它可以在图像或视频中定位和检测人脸关键点,具有很高的实用价值。通过对人脸关键点检测方法研究现状的梳理和分析,将其分为传统的人脸关键点检测方法和基于深度学习的人脸关键点检测方法;对比分析了各类方法的原理及优缺点,介绍常用数据集和评价指标,全面评估了重点方法在不同数据集上的性能表现;归纳人脸关键点检测应用领域,展望其未来发展方向。