天津大学“模式识别与智能系统”学科简介

天津大学“模式识别与智能系统”学科以信息处理与模式识别的理论技术为核心,理论与实际紧密结合,是控制科学与工程学科的重要分支。主要研究内容包括图像识别及智能信息处理系统及应用;导航中的信息处理理论与技术;网络控制系统调度算法;智能机器人系统理论与方法等方面。在导航中的信息处理理论与技术研究方面,主要研究以ARM微控制器为核心,采用新型MEMS器件,

基于图像识别技术的集团客户业务施工质检解决方案研究

当前运营商的集团客户业务施工质量检测主要采用人工检测的方式,该巡检方式存在人工巡检规程不统一、纸质巡检单易丢失、人工巡检效率低等痛点问题。为解决以上问题,对一种基于图像识别技术的集客业务施工质检的解决方案进行了研究。该方案将模式识别与智能系统技术与集团客户业务施工实际场景深度融合,并针对光缆分纤箱接地巡检的应用场景,采用线上化、智能化的巡检方式。有效地解决了当前人工巡检规程不统一、纸质巡检单易丢失、人工巡检作业效率低等核心问题,极大地提高了客户满意度和运营商品牌价值。

基于云计算和视频智能分析的变电站视频及环境监控系统升级方案设计

为了实现电网信息管理一体化、智能化,需要升级现有的变电站视频及环境监控系统,以实现统一的视频智能分析平台服务。升级方案在现有的主站系统中增加云计算服务器及新设计的云计算服务软件,为电力相关信息系统及电力各专业管控平台提供所需视频和环境监控信息服务支持;在站端视频及环境信息处理单元上增加新设计的智能视频分析软硬件模块,以增加物体移动侦测识别、进出车辆牌照识别、人脸及行为识别、火灾烟雾图像识别等视频智能分析功能。本系统目前尚在内部试验阶段,推广使用后能够实现变电站视频和环境的集中综合智能分析管理,帮助电网管理者及时发现各种电力设备缺陷,大幅度降低电网安全风险。

混合CNN-HMM的人体动作识别方法

针对当前人体动作识别算法检测精度不佳和实验场景多样性的问题,提出了一种混合卷积神经网络−隐马尔可夫模型(CNN-HMM)的人体动作识别方法。建立了抬腿、深蹲和仰卧臀桥3组分别包含1个标准动作姿态和5个非标准动作姿态的人体康复训练动作模型库,结合可穿戴式惯性动作捕捉系统PN2.0获取实验数据。最后从准确率、灵敏度和特异性3个方面进行性能评估。实验结果表明,该方法能够以较高识别率将6种不同动作姿态区分开,其平均识别准确率为97.00%,相较于单一CNN方法提高了5.78%。

智能小车中图像采集和处理的研究和实现

以智能小车为载体,研究了在实时性需求较高的环境中图像采集和图像处理无法交互工作而带来的低效率问题,提出了一种利用图像采集间隙将图像识别同步到图像采集中以提高效率的方法;针对实时系统中图像采集时的噪声,反光等各种干扰,本文还讨论了赛道图像的滤波去噪方法,同时在固定阈值提取赛道中心线方法的基础上,研究了一种动态阈值法提取赛道中心线,进而给出可靠性高的赛道信息供给控制单元做下层调理。实验表明,该方法能够很好地应用于智能小车等实时性较高的图像采集和图像处理系统中。

一种人脸识别的新方法

针对人脸识别过程中出现的无法有效区分多姿态人脸的问题,引入了离散余弦变换(DCT)和K-L变换来减小不同姿态所造成的影响,考虑到K-L变换可以对图象进行压缩,用K-L变换来降低图象数据的维数,并利用主成分分析的思想,只取一部分特征向量来表示数据。通过径向基(RBF)函数神经网络来达到识别不同人脸的目的。RBF网络的训练采用粒子群算法(PSO)。经实验证明,此方法可以达到较高的识别精度。

基于Android平台的身份证号码识别

日常生活中很多场合都需要对身份证进行检查,并需要人工输入身份证号码。而身份证号码位数偏多,人工输入难免会出错而且速度慢。本文针对此问题提出了一种有效的基于Android平台的身份证号码识别算法。该算法将基于Android操作系统的智能手机的视频流捕捉功能而获得的图片作为输入图像,经过图像预处理、身份证号码区域定位、字符分割等前期步骤,然后进行字符识别。除此以外,考虑了由人工操作的随意性而带来的特殊情况,并对此作出相应的处理,提出了进一步改进的,更有效的识别算法。实验结果表明,本文的整个身份证号码识别的处理流程简单有效且识别率高,获得了满意的效果。

星际探测车导航控制系统结构研究

结合星际探测车的运行环境和任务,提出了一种三层递阶式智能导航控制系统结构。该结构采用了慎思与反应相结合的导航控制策略,通过建立多种人机协同机制,将人的规划能力和反应能力融入到地面协同规划层,通过机器学习的方法使探测车具备智能自主驾驶功能,实现了人机智能的有机结合,提高了星际探测车运行的安全性和环境适应性。

人像三维特征信息采集系统的设计与实现

三维人像被认为具有光照和姿态不变的特性,学术界开始探索利用人脸的三维信息提高系统识别性能。针对人像三维特征信息获取面临的采集时间长、设备价格昂贵、点云特征提取算法难度大等问题,提出了一种基于OPENNI兼容设备开发的便携式、低成本、高速度人像三维特征信息采集系统。通过使用电动旋转平台及点云自动拼接功能,获得了360°人像三维点云数据。后期处理模块实现对点云数据的裁剪、去除离群点、修补孔洞等功能。数据分析模块通过使用快速点特征直方图与高斯曲率,获得人像的耳鼻特征区域。

面向无人机作战的虚拟孪生系统设计方案

针对无人机在作战仿真过程中模型精度较低、虚实交互运行较难,指挥员作战体验较弱等情况,基于虚拟孪生技术提出作战仿真系统设计方案,用于无人机实际作战与仿真推演同步运行,并根据战场态势实时输出智能化辅助决策。在数字孪生的基础上提出虚拟孪生技术的内涵,结合人工智能的先进手段,设计面向无人机作战的虚拟孪生系统框架。以单兵作战四旋翼无人机的作战过程为案例,设计其硬件与软件架构,分析其运行流程。案例研究结果表明,虚拟孪生系统下的模型运行较为精准,能够实现虚实同步,交互运行,可视化界面和智能化决策实时输出让指挥员参与感增强,提升了作战指挥效率。

一种基于联合组核稀疏编码的多模态材料感知与识别方法

传统的机器视觉方法往往难以区分具有高度相似外表的材料,因此,通过融合其他模态信息来克服视觉模态的缺陷十分必要。为解决这一问题,首先,根据各个模态的性质引入一系列合适的相似度评估方法;其次提出使用联合组核稀疏编码方法来融合线性不可分的多模态数据,并且详细介绍一种该模型的求解方法;最后,在包含184个材料的公开数据集上进行多层次对比试验。实验结果表明,在粗、中、细3个不同分类级别的对比实验中,其识别准确率分别为90.8%、76.6%和73.4%,相对于基于视觉模态的识别方法,基于多模态融合的材料识别方法能够显著提高识别效果。

机翼结冰生命周期的数字孪生软件系统

飞机巡航中的机翼结冰情况是关系到飞行安全的重大实际问题之一,如果能够实时监测甚至根据环境提前预测机翼结冰过程和状况,对改进机翼防除冰设计、规避飞行危险都具有重大意义。数字孪生技术作为5G信息时代中新兴的技术,为物理过程的虚拟呈现提供了新的思路与解决方案、同时数字孪生技术结合人工智能等技术,同样可以应用于飞机巡航中机翼结冰物理过程,对实时监测与预测提供了新的技术保证。从数字孪生的角度出发,以机翼结冰神经网络模型为切入点,设计实现了一款基于数字孪生和人工智能技术的巡航中机翼结冰二维过程快速呈现软件系统。软件获取飞机巡航结冰参数与飞行参数,运行结果能够利用动态显示方式,呈现飞机巡航中机翼结冰全生命周期。

基于GA-BP神经网络的故障识别研究

提出了基于遗传算法的BP神经网络的异步电机识别诊断模型。针对以往神经网络的阈值和权值由随机赋予,隐层节点数靠经验确定的问题进行优化,加强模型的准确性。针对故障的识别诊断部分,利用变频器采集电机工作数据,并传输给计算机利用Matlab诊断故障。使用归一化后的数据作为输入特征值,能够有效减少网络训练时间。神经网络的阈值和权值的确定有依据后,能大大降低故障识别的误报率和错报率。实验结果表明,遗传算法确实对神经网络优化确实可行,异步电机的故障识别模型有效。

面向垃圾图像分类的残差语义强化网络

为更好地保护生态环境并提高可回收垃圾的经济价值,针对现有的垃圾识别方法面临的分类背景复杂、垃圾目标形态变化多样等问题,提出一种面向垃圾图像分类的残差语义强化网络,能从复杂背景中剥离前景语义目标。该网络以骨干残差网络为基础,利用视觉概念采样、推理以及调制模块实现视觉语义的提取,并通过注意力模块消除语义层次和空间分辨率与视觉概念特征的差距,从而对垃圾目标形态变化更加具有鲁棒性。通过在Kaggle开源的12分类垃圾数据集及TrashNet数据集上进行实验,结果表明,相较于骨干网络ResNeXt-50和其他深层网络,该算法均取得了性能的提升,在垃圾图像分类任务上有较好表现。

机器人足球颜色分类研究

针对机器人足球比赛中机器人识别的实时性要求,在基于YUV色彩空间上,提出采用混合方法进行颜色分类。在确定种子点时,采用阈值法,而在队员识别时采用人工神经网络通过训练得到一个颜色分类器进行分类,通过实验,能够较准确地对机器人足球涉及的颜色进行分类。

基于优化k-mer频率的宏基因组聚类方法

k-mer频率是进行宏基因组分类时的一种重要的数字特征,然而该特征的维数随参数k的增加呈指数增长,利用该特征进行宏基因组分类易陷入"维数灾难"。为解决此问题,本文提出了一种基于优化k-mer频率的宏基因组DNA序列聚类方法。首先,提取DNA序列的kmer频率特征;其次,使用非负矩阵分解算法对DNA序列的k-mer频率特征进行优化;最后,利用模糊C均值算法进行聚类。将本文方法在包含有不同物种个数的模拟宏基因组数据上运行的结果表明,其能有效地克服现有宏基因组数据分类方法计算量大的缺点,且分类性能优于同类算法。

复杂背景的夜光遥感建筑区检测

提出了一种新的解决夜光遥感复杂背景问题的单阶段深度卷积检测网络,首先通过提取高维特征再特征选择的思想设计分类网络提取语义特征,并研究不同的通道数网络对降噪的影响;提出灰度能量的先验框匹配,将低噪声高质量的匹配框输入SSD检测网络,并使用积分图思想简化计算;使用可变形卷积以适应目标的形变,并获取更强的几何特征表达能力;通过加入顺序连接与密集连接改进全局语义模块,引入了网络的跨层信息交互,其注意力图综合考虑了高低感受野以有效区分小型目标和背景噪声。在夜光遥感数据集上通过实验验证了所设计的网络相比于其他单阶段网络具有优势,对于复杂背景下的建筑区具有较好的检测效果。

基于相容关系的扩展粗糙集理论研究

引入相容度的概念 ,并给出一种利用相容度确定论域的完全覆盖的方法。然后用完全覆盖中的最大相容类定义精确集、粗糙集等概念 ,建立了一种基于相容关系的相容粗糙集理论体系。在此基础上讨论了相容粗糙集的一些基本性质和相关定义。

基于深度卷积神经网络的红外过采样扫描图像点目标检测方法

针对红外过采样扫描成像特点,提出一种基于深度卷积神经网络的红外点目标检测方法.首先,设计回归型深度卷积神经网络以抑制扫描图像杂波背景,该网络不含池化层,输出的背景抑制图像尺寸与输入图像一致;其次,对抑制后的图像进行门限检测,提取候选目标小区域原始数据;最后,将候选目标区域数据依次输入分类型深度卷积神经网络以进一步判别目标、剔除虚警.生成大量过采样训练数据有效训练两个深度网络.结果表明,在不同杂波背景下,该方法在目标信杂比增益、检测概率、虚警概率和运算时间等方面,均优于典型红外小目标检测方法,适用于红外过采样扫描系统的点目标检测.

基于位置指纹的混合定位算法的研究

随着移动智能终端的普及和移动互联网的迅猛发展,基于位置的服务和应用大量涌现。低成本、高精度的室内定位解决方案已成为新的研究热点。位置指纹和航位推算是解决室内定位问题的两个主要技术。位置指纹法将接收信号强度作为可识别的模式,用模式识别的方法训练出一个分类模型,根据接收信号强度信息判别定位者所在的位置。航位推算法将前一时刻的位置估计作为起点,利用速度和方向信息估计定位者下一时刻的位置。本文以位置指纹法和航位推算法为原型,提出了一种混合定位算法,该算法可以有效提高定位精度。此外,本文提出了一种在线更新定位模型方案,能适应无线环境的缓慢变化,节省重复采集指纹的人力成本。