基于深度学习的非约束场景多车牌识别方法研究

为解决非约束场景下的车牌识别精度问题,提出一种能够适应非约束场景并识别不同类型单车牌以及多车牌的自动车牌识别模型。该模型应用数据迁移技术,通过YOLOv5检测车辆并通过后处理筛选有效车辆目标,经检测并矫正后,通过ResNet18以及双向长短期记忆网络BLSTM网络结合连接时序分类损失CTC识别车牌字符。在模型训练过程中使用数据增强技术进一步提高了模型性能。该模型在CCPD以及AOLP的多个子数据集上进行了测试,展现出了优于其它方法识别精度和识别速度。

基于迁移学习的非约束环境下热带鱼类识别

针对海底非约束环境下视频背景多模、环境变化复杂导致图像识别困难的问题,提出基于迁移学习的非约束环境下热带海域鱼类识别方法。首先构建ResNet深度卷积神经网络;其次引入迁移学习进行网络训练,对比迁移学习前后的识别效果。结果表明,在引入迁移学习下,accuracy和loss指标均优于非迁移学习的情况,并且在训练到150个epoch时,各项指标开始收敛,能够较好地完成非约束环境下热带海域的鱼类识别任务。

自旋挠性航天器非约束模态动力学特性研究

在研究挠性航天器动力学问题时,关注的问题是挠性航天器系统的刚柔耦合作用问题,即航天器挠性附件的振动可能会造成航天器运动失稳。针对中心刚体-双侧大挠性结构的自旋航天器,提出了航天器帆板结构的梁式简化模型,建立了一种非约束模态动力学模型。本研究考虑受到万有引力作用,探讨自旋挠性航天器非约束模态的动力学建模及动态特性。首先利用欧拉方程和哈密顿原理建立了自旋挠性航天器动力学方程,方程解释了刚性模态和弹性模态之间的耦合;然后进行了模态离散化,分别在约束模态和非约束模态下对特征值问题开展研究,对频率和相关振型进行了定量比较;最后进行了数值仿真,求解了自旋挠性航天器非约束模态特征值问题,比较约束模态与非约束模态之间的差异,并用有限元进行验证,得到了随着梁长度的增加,即刚柔惯量比、质量比的减小,非约束模态比约束模态更加准确的结论。

挠性卫星在轨非约束模态计算研究

给出了一种适合工程应用的挠性卫星在轨模态计算分析方法:先通过地面试验对有限元模型进行校核,求出挠性附件约束模态结果,再结合整星动力学将约束模态转换成非约束模态结果。实例计算结果表明该方法能够准确计算挠性卫星在轨模态。工程中卫星在轨模态频率计算误差可在15%以内。

非约束维纳滤波综合鉴别函数算法研究

通过去掉最小平均相关能量匹配滤波器推导过程中对输出相关峰值的约束条件,定义相关判据,得出畸变不变相关识别综合鉴别函数形式为维纳滤波函数,不仅抗噪能力强,且把非约束匹配滤波器畸变容限大的优点引入其中.模拟结果表明,所设计匹配滤波器畸变容限大、抗噪能力强.

非约束纯相位空间匹配滤波器设计研究

根据非约束相关匹配滤波器和纯相位匹配滤波器的概念,分析了非约束纯相位匹配滤波器的特性及其在光学相关识别中的应用,并与其他典型纯相位匹配滤波器进行了比较.模拟和实验结果表明,非约束纯相位匹配滤波器具有畸变容限大、相关峰高、算法简单的特点.用于光学相关识别是一种实用的空间匹配滤波器算法.

基于树结构分层随机森林在非约束环境下的头部姿态估计

头部姿态估计是人类行为和注意力的关键,受到光照、噪声、身份、遮挡等许多因素的影响。为了提高非约束环境下的估计准确率和鲁棒性,该论文提出了树结构分层随机森林在非约束环境下的多类头部姿态估计。首先,为了消除不同环境的噪声影响,提取人脸区域的组合纹理特征,对人脸区域进行积极人脸子区域的分类,分类结果作为树结构分层随机森林的先验知识输入;其次,提出了一种树结构分层随机森林算法,分层估计多自由度下的头部姿态;再次,为了增强算法的分类能力,使用自适应高斯混合模型作为多层次子森林叶子节点的投票模型。在多个公共数据集上的多种非约束实验环境下进行头部姿态估计,最终实验结果表明所提算法在不同质量的图像上都有很好的估计准确率和鲁棒性。

城市货物换装站非约束选址模型及其遗传算法

结合城市货物运输的具体特点及连续选址问题的复杂性,在分析城市货物换装站非约束选址问题特点的基础上,建立该问题的优化数学模型,并构造求解问题的有效遗传算法.算法中设计了基于表上作业法或单纯形法的嵌入式适应值计算方法,并采用确保浮点数编码个体有效性的遗传操作方法.实例计算表明,本文提出的模型与算法能够有效地解决城市货物换装站非约束选址问题.

非约束环境下人脸识别技术的研究

设计了一种基于全方位视觉传感器(ODVS)和多个高速快球摄像机(PTZ)相融合的装置.利用ODVS在动态图像序列中进行大范围多人体对象目标的检测跟踪,得到大范围内各跟踪人体对象目标的位置、大小等信息;然后根据检测到的这些信息来控制不同方位上的多个高速快球摄像机对人体对象目标的头部进行抓拍;最后根据人脸和人眼检测算法检测出来的人体对象目标的脸部特征对所拍摄到的图像进行筛选,淘汰一些不能用于识别的图像,并统计可以用于人脸识别的图像数量,如果没有达到一定的数量,则控制高速快球继续对该人体对象目标的头部进行抓拍,直至抓拍到足够的可用于人脸识别的图像为止.实验结果表明,通过ODVS和多个高速快球摄像机的视频图像信息融合,即使在人体非约束的情况下也能很好的获取到可用于人脸识别的图像,同时能满足多目标实时跟踪与识别的要求.该装置在安全监控、门禁检查、身份认证等领域都具有很好的实际应用价值.

基于级联CNNs的非约束车牌精确定位

为解决单一深层卷积神经网络用于非约束场景下车牌定位时,所输出的矩形检测框对非正面车牌定位效果不佳的问题,提出将目标检测与目标分类CNN网络级联,通过检测网络得到感兴趣区域,接着利用轻量级分类网络,将车牌顶点检测问题转化为回归问题。首先,利用YOLOv3网络进行粗定位,获取图像中所有车牌的候选区域;然后,使用基于MobileNetV3改进的轻量级神经网络定位候选区域中的车牌顶点,实现车牌区域精定位;最后,通过透视变换将车牌区域投影到矩形框内实现车牌校正。实验结果表明,所提出的级联CNNs能够有效解决单一CNN目标检测网络仅能输出矩形检测框,而不适用于非约束车牌定位的问题,具有较好的应用价值。

非约束环境下基于小样本的人脸特征精确定位

针对非约束环境下的人脸特征定位问题,在概率框架下提出一种基于小样本的精确定位策略.通过对比分析,提取人脸主要特征的颜色和灰度信息及人脸特征之间的几何约束信息,利用混合高斯模型分别对其进行概率建模.之后建立定位融合策略,不仅考虑每种人脸特征的概率分布,还考虑其周围元素的概率分布特性,及各元素之间的几何约束.实验结果表明,该方法能在少量训练样本图像且样本个体较为单一的条件下,实现人脸主要特征的精确定位,且定位精度高于现有方法.

SIFT特征提取在非约束环境下目标匹配中的应用

在非约束环境下,由于环境因素以及目标姿态的影响,给高精度的目标匹配带来一定的难度。基于此,将SIFT特征提取算法应用于非约束环境下的目标匹配中,从而有效地提高非约束环境下目标跟踪的准确性,同时通过有关实验进行了验证。实验表明,非约束环境下SIFT特征提取算法能达到较高目标检测要求,能够很好地克服非约束环境下特征提取的困难,提高目标匹配精度。

柔性机械臂模型非约束模态降维绝对误差准则

描述柔性结构振动的非约束模态展开方法仅考虑结构参数而不考虑外部作用力,当外部驱动力频率与非约束模态的某几阶频率相等或者相近时,这样的处理将影响动力学响应的近似精度。针对此问题,且考虑到任意驱动力都可以用傅里叶分析的方法将其等效为无穷多个正弦力的叠加,提出了一种正弦力作用下基于非约束模态降维的绝对误差准则。采用有限元法描述柔性机械臂的弹性变形,应用拉格朗日法建立其动力学方程,并用非约束模态降维模型与其作对比,仿真验证了所提出的非约束模态选取准则的正确性。

非约束性网上仲裁解决电子商务争端的法律分析

网络极大地改变了交易方式,电子商务的蓬勃发展产生了大量跨国民商事纠纷,传统争议解决方式在数字时代遇到诸多困难。在欧美国家,完全适应网络环境的"在线纠纷解决机制"应运而生,网上仲裁作为在线争议解决的一种主要方式近年来获得了较快发展。在当前法律框架下,约束性网上仲裁在仲裁协议的有效性、仲裁的应用范围、仲裁程序及裁决的执行等方面都陷入了困境,非约束性网上仲裁则在解决电子商务引起的特定消费者争议方面具有独特优势。非约束性网上仲裁将在线争议解决机制与网络社区规则相结合,创制出"自我执行机制"来达到促进执行争议解决结果的目的,其核心价值在于作为一种维护当事人权益的"前置程序"增强消费者对电子商务的信心,其成本低廉且能促进公正的实现。我国应结合本国法律和经济环境来实践非约束性网上仲裁。

挠性结构的约束模态及非约束模态解法

针对现代空间飞行器具有大型挠性附件的特点 ,使用约束模态和非约束模态分别进行求解 ,建立了带挠性附件的空间飞行器的约束模态模型 ,使得对挠性结构的控制成为可能。最后计算了几种情况的约束模态和非约束模态频率 。

柔性臂约束/非约束模态降维模型精度分析

针对柔性机械臂约束、非约束模态降维的动力学绝对误差问题,可采用有限元法描述柔性变形,并应用拉格朗日法建立其动力学模型,分别利用约束和非约束模态进行降维,来比对两种降维方法的绝对精度。仿真结果表明:约束、非约束模态降维模型都具有较高的动力学精度,取相同阶数的非约束模态动力学精度更高,而约束模态的误差具有随时间累积的特点。

非约束条件下驾驶人眼睛检测与跟踪方法研究

为了抑制驾驶人头部姿态与眼球运动等非约束条件对眼睛检测的干扰,文中提出了一种基于合成模板匹配、融合Cam Shift与Kalman滤波的人眼检测与跟踪算法。将驾驶人左、右眼睛样本人工合成模板对眼睛区域进行匹配检测,采用基于差值平方和算法的相似度度量方法验证眼睛身份。通过眼睛颜色直方图反投影生成灰度概率分布图像,基于Cam Shift算法计算眼睛跟踪窗口的位置和大小,采用Kalman滤波预测眼睛区域位置,有效解决了驾驶人头部转动、眨眼等动作的干扰问题。实车试验结果表明:该算法对驾驶人人眼的平均识别率达到94.3%,平均耗时为22.8 ms,能够较好的兼顾驾驶人人眼跟踪的准确性、鲁棒性与实时性。

非约束性保护方式对老年认知功能障碍及躁动患者约束作用的临床观察

目的探讨非约束性保护方式对老年认知功能障碍及躁动患者约束作用的临床效果。方法 160例认知功能障碍或躁动不安并且留置胃管鼻饲的患者,随机分为观察组和对照组,各80例,对照组采用传统的约束带加棉垫进行约束,观察组采用非约束性手部保护套进行约束,比较两组患者胃管的非计划性拔管率、皮肤损伤、血流障碍、满意度得分。结果观察组患者的非计划性拔管率、皮肤损伤、血流障碍明显低于对照组,满意度明显高于对照组,差异均有统计学意义(P<0.05)。结论非约束性手部保护套能有效的减少认知障碍、躁动不安患者手部皮肤的损伤及自行拔管率,为患者提供了一种更好的、更安全的、更人性化的约束保护方式,值得在临床上推广应用。

基于非约束图像参考集匹配的视频人脸识别

针对视频人脸识别中系统不能很好地学习人脸图像有效特征的问题,提出了非约束图像参考集匹配方法,通过在两个图像集之间预先定义参考集构造多个离线的局部模型,并分别与参考集进行匹配,无需考虑所有的成对情况,从而计算出它们的相似度,有效地将视频人脸识别问题转化成二次规划问题。所提方法的有效性在Honda、MoBo及YouTube三大视频人脸数据库上进行了验证,实验结果表明,与现有的视频人脸识别方法相比,所提方法取得了更好的识别效果。

非约束条件下成人在线学习动机量表编制

学习动机是成人学习的一个研究重点,它是影响成人学习效果的关键因素。以往研究多关注学历教育背景下成人学习的动机及其影响因素,通常将研究对象约束为学校范围内的学历教育学习者。随着终身学习理念的日渐深入和网络通讯技术的快速发展和普及,非约束条件下的成人在线学习和自由学习将成为新的常态,因此,研究及编制非约束条件下的成人在线学习动机量表很有必要。以已有的相关研究为基础和借鉴,新编制的非约束条件下的成人在线学习动机量表以大量调查数据为依据,通过8次探索性因子分析以及信效度检验,最终确定由认知兴趣、职业发展、人际关系、摆脱常规、外界影响、社会服务等六大维度共计43个题项组成。该量表与以往研究最大的不同之处在于,该量表体现了在线学习的重要特征,即学习者在终身学习的理念下更强调主动学习的发生,认知兴趣维度对学习动机量表的贡献有所增强。从适用范围来看,该量表适用于所有类型的成人在线学习情形。