智能激光3D投影空间目标辐射照度校准技术

由于激光3D投影系统的光路复杂,且受空间目标的形状和大小的影响,导致在特定空间内难以取得理想的投影效果,使得投影目标与实际投影点之间存在较大的偏差,因此,提出一种辐射照度校准方法。分别利用矩形、圆形两种不同形状的辐射面和敏感面搭建辐射照度测量仪,得到4种不同辐射照度测量结果;利用斯忒藩-玻尔兹曼全辐射定律,对测量结果校准,进而完成对智能激光3D投影空间目标辐射照度的校准。实验结果表明,所提方法辐射照度校准结果与实际结果基本一致,且辐射照度校准误差保持在6 W·m^(2)以内。

特厚煤层综放面硫化氢运移特征研究

针对现阶段采用单一方法研究特厚煤层综放面硫化氢浓度运移规律,无法有效指导现场开展硫化氢治理工作,在山西吕梁庞庞塔煤矿开展试验研究。沿着工作面垂直方向、水平方向和风流方向布置现场测点,通过CD4型多参数测定器测定工作面硫化氢浓度;借助Fluent数值模拟软件建立几何模型,分析该工作面硫化氢运移规律。现场实测结果和模拟结果表明:沿着巷道垂直方向,硫化氢浓度伴随与巷道底板高度的增大先升高后下降;沿着工作面水平方向,硫化氢浓度伴随与煤壁距离增大而逐步下降;沿着工作面风流方向,硫化氢浓度随逐渐远离采煤机而逐步下降。

基于SSD算法的人脸检测算法研究

针对传统SSD算法中对小目标检测效果不好的问题,提出一种基于ResNet的人脸检测算法。将SSD算法的基础网络VGG改进为ResNet网络,并通过残差网络,采用特征融合的方式将不同深度的特征信息进行融合,从而提高算法对小尺度人脸的检测性能。同时,针对SSD算法对重叠框出现漏检的问题,将非极大值抑制算法(NMS)改进为Soft-NMS。此外,通过设置一个衰减函数,来降低相邻检测框的置信度,解决传统NMS算法对分数较低的检测框过滤掉的问题,能够降低算法的漏检率,提升算法的检测精度。

基于PERCLOS的列车司机疲劳检测设计与实现

列车司机长期处于精神高度集中、工作强度较大的工作状态,容易产生生理和心理上的疲劳。本文通过Raspberry PI摄像头对列车司机疲劳状态进行采集,对采集的视频流进行人脸定位和面部特征点的提取,对该列车司机眼睛、嘴巴数据进行分析,结合PERCLOS标准判定列车司机是否疲劳,在GUI界面显示检测结果。

基于级联Adaboost和神经网络主元分析算法的人脸检测系统

针对人脸检测过程中难以区分人脸与非人脸等问题,提出了一种基于级联Adaboost和神经网络主元分析(PCA)算法的人脸检测新方法以提高人脸检测的正确率。采用两级检测器对人脸进行区分检测:首先将计算速度较快的Adaboost算法作为第一级检测器对人脸图像快速扫描,对所有判断为人脸的窗口进行合并。然后将合并的窗口提取特征并送入作为第二级检测器的PCA进行验证,排除那些不可能是人脸模式的窗口。最后经过PCA检测结果判别输出验证后的人脸窗口参数(包括窗口的大小和位置信息)。不同算法检测结果显示,基于本方法的人脸检测正确率达到了92.6%,检测率为94.1%;基于Adaboost检测正确率为62.5%,检测率为88%;基于SVM检测正确率为54%,检测率为89%;基于FSS检测正确率为66%,检测率为92%。实验结果表明,本方法能够很好地区分人脸模式和非人脸模式。因此,级联Adaboost和PCA算法组成的两级检测器可以明显提高人脸检测系统的性能。

岩心定向检测仪的设计与实验研究

本文设计了一种基于机械法的岩心定向仪。机械部分采用三把刻刀在岩心上刻标记线,作为岩心方位的基准线;电路部分以ATmega8单片机为控制核心,用HMR3300传感器随钻测得靠近岩心管的仪器仓的俯仰角和侧滚角,间接测得岩心的俯仰角和侧滚角,存于U盘。介绍了HMR3300与刻刀的安装关系,推导了高边工具面角的计算方法,并通过实验找到HMR3300不同安装方式下,高边工具面角真值φ'与计算值φ间的关系,岩心方位角与测井得到的孔斜方位角ψ和高边工具面角真值φ'的关系,依此PC机编程计算得岩心方位角。实验表明,在井眼顶角大于1°时,其测量平均误差能够控制在3°以内,并可稳定工作,基本满足工程要求。

基于双阈值继承型AdaBoost算法的人脸快速检测

提出增强型Haar-Like特征和基于双阈值的弱分类器快速训练方法,然后在此基础上提出了继承型Ad-aBoost算法,后层分类器的训练是建立在前层分类器基础之上。该方法具有很快的训练速度,弥补了AdaBoost算法训练速度慢,使得弱分类器数目大大减少,还使得总体检测器的性能得以加强。在实验过程中,首先使用MIT-CBCL库在同样的训练样本和测试样本条件下对几种方法进行了实验,结果表明该方法在训练速度、测试精度及检测时间等方面都优于相应的方法,最后在MIT+CMU人脸测试库进一步验证算法的有效性。

HgCdTe探测器Pt电阻测温分析

研究了PV型HgCdTe探测器在1.319μm连续激光辐照下的温升效应。根据探测器的分层结构及测温Pt电阻的位置(冷面上),推断Pt电阻测得的温度并不直接反映HgCdTe芯片的温度,而是比芯片温度低很多。实验测量了Pt电阻的温升,数值模拟了Pt电阻温度随时间的变化以及探测器各层结构的温升情况,理论分析结果与实验结果相一致。

曲波变换检测关键点的多模式三维人脸识别

针对基于曲波变换的人脸识别技术仍受限于整个面部二维全局特征匹配的问题,提出一种利用曲波变换检测关键点的多模式3D纹理人脸识别方法。首先,通过快速曲波变换获得不同尺度的人脸图像;然后,利用曲波系数均值选择关键点,并通过关键点检测算法去除冗余点;最后,利用余弦规则进行特征匹配。实验结果显示,FRGC v2和BU-3DFE数据集上的验证率分别高达99.1%、95.3%,在中性和中性、非中性和中性、所有和中性三种模式下均优于其他几种较新方法。

一种鲁棒的均值漂移与彩色特征点提取相结合的面部跟踪算法

针对复杂背景中的多人脸跟踪问题,提出一种均值漂移与彩色特征点提取相结合的面部跟踪算法.手动选取要跟踪的面部区域,并利用彩色Harris探测器进行特征点提取,然后根据肤色的色度信息,利用均值漂移算法粗略定位人脸的位置,之后对这个区域提取特征点,与其前提取的特征点进行匹配,满足约束条件的区域即为要跟踪的人脸区域.实验表明,该算法可以排除近肤色物体的干扰并可以在多人脸发生重叠的情况下保持稳定跟踪.

基于概率关系的面部特征点定位技术方法

基于BCD提出了一种新的面部特征点定位方法,该方法在以下三个方面扩展了传统的BCD(boostedcascade detector):a)建立了BCD决策响应与特征点位置之间的概率关系;b)提出一种基于上述概率关系的特征点定位方法;c)设计了两种最佳人脸候选区域的选择方法。解析式的BCD把人脸检测和面部特征点定位融合成一个统一的过程。实验表明其精度和速度高于平均位置法(AVG)和基于boosted classifiers的最佳命中法(BestH it),并且它的运行速度也明显高于基于非线性优化的AAM和SOS法。

针对二分支神经网络匹配的人脸检测算法研究

在尺度、遮挡等因素的影响下,人脸检测算法速度和精度不匹配进而表现出检测性能差等系列缺点,采用融入模板匹配思想的神经网络检测器算法解决这一不足,提出了二分支神经网络匹配的人脸检测算法。以此得到检测速度与精度相匹配的改进方法。首先根据五官位置关系构建人脸模板框架并设置一定的阈值;其次依据构建的模板和锚策略对不同尺度人脸的鲁棒性,在DSFD人脸检测器的特征增强模块层中实现对样本数据中人脸区域的提取及标记;最后依据提取、标记的人脸区域与构建的模板进行相关性匹配。改进算法在Face Detection Data Set and Benchmark、FDDB、WIDER FACE人脸数据集的实验结果表明,在提升检测速度的同时保证算法的精度,相比几类相近算法,该算法的优势更加明显。

1980-2018年祁连山南坡土地利用地形梯度变化及其地形因子地理探测

为了研究不同地形梯度上土地利用时空变化规律,基于1980—2018年5期遥感影像数据,利用ArcGIS 10.2分析祁连山南坡不同海拔、坡度和坡向土地利用时空格局变化规律。结果表明:祁连山南坡土地利用主体类型为草地。耕地和建设用地主要分布在2700~3200 m、<5°、阳坡和半阳坡的门源盆地;林地、草地和海拔、坡度、坡向关系密切;建设用地受海拔和坡度影响大;未利用土地受海拔影响明显。在海拔2700~3200 m、坡度<5°、西南坡、南坡区域耕地、建设用地增加最多,未利用土地在海拔4200~4700 m、坡度30°~35°、西南坡、南坡和东北坡区域增加最多;林地、草地、水域分别在3700~4200 m,2700~3200 m,4200~4700 m区域减少最多,坡度<5°的区域草地减少最多,林地、草地、水域分别在北坡、西南坡和东北坡减少最多。地形因子对土地利用程度的影响由大到小依次为海拔、坡度和坡向,海拔和坡度、海拔和坡向对土地利用程度影响大。不同地形梯度下土地利用变化表现出明显的时空差异规律。

InGaAs近红外人脸图像检测超轻量算法研究

InGaAs近红外探测器广泛应用于航天航空、军事与民生领域。为了实现InGaAs探测器智能化,结合人脸检测应用,提出了可部署于低功耗移动智能设备的超轻量InGaAs近红外人脸检测算法。主要针对近红外人脸样本较少与低功耗设备部署问题展开研究,采用迁移学习与二值量化方案训练网络。算法首先通过大规模可见光人脸数据集实现了基于SSD的预训练人脸检测网络。然后使用二值量化方案大幅压缩网络参数空间大小与计算量,但同时造成网络准确度下降。为进一步提升网络二值量化效果,为二值量化过程引入了特征均值信息,并以对抗卷积形式弥补了准确度损失。最后,算法通过小规模近红外人脸数据对预训练二值网络进行微调,实现最终网络。所实现的二值量化人脸检测网络在采集的近红外人脸验证集中可以获得71.18%平均准确度。

多尺度特征融合的目标检测算法

针对SSD目标检测算法在对小目标进行检测时精度与速度不佳,提出一种基于SSD的多尺度特征融合(Multi-scale Feature Fusion Single Shot Detector,MFF-SSD)目标检测模型.该模型以SSD网络为基础,解决了SSD对小目标检测在精度和速度方面存在的问题,将高层特征与低层特征进行融合,并设计融合模块以提取不同尺度特征.对提出的MFF-SSD模型在人脸检测数据集Wider Face上进行测试验证实验.实验结果表明,MFF-SSD模型对目标的检测精度达到78.9%,检测速度达到57 FPS.总体性能更好,充分说明模型在提高目标检测精度的同时也满足了实时性需求.

基于模糊集理论的人脸检测

分析了模糊集理论运用于人脸检测的可行性,采用Haar矩形特征和隶属度函数对样本集进行训练,运用特征集的熵和AdaBoost算法选取适当的弱分类器,并构建了分发型人脸检测器。检测时,对于不像人脸的子窗口通过靠前的结构简单的强分类器快速将其淘汰掉;对于像人脸的子窗口,根据其与人脸的相似程度,由分发器动态地选择后面的强分类器进行判定。在MIT+CMU的正面人脸图片集中进行了测试,实验结果表明,此检测器在检测性能降低不大的情况下,可以有效地提高检测效率。

耳朵信息对侧脸检测的影响研究

如何准确地检测和定位图像中的人脸是人脸检测领域的关键问题.为了进一步提高人脸检测器的性能,常见的方法是增加训练数据集或采用更鲁棒的人脸特征表示,而训练人脸检测器的一个基础工作是:为训练图像中的人脸标注边界框.但标注的人脸边界框是否应该包含耳朵信息,以及对训练出的侧脸检测器性能的影响尚未被研究.本文的实验结果表明:在侧脸数据集上训练人脸检测器时,如果人脸边界框包含耳朵信息,基于DPM(Deformable Parts Model)方法训练得到的侧脸检测器使侧脸检测的准确率降低1.9%,召回率提高6.3%.而基于Viola&Jones和Fast R-CNN方法训练得到的侧脸检测器使准确率分别提高6.8%和4.4%,召回率分别提高14.9%和12.9%.这说明包含耳朵信息训练出的侧脸检测模型,有助于提高侧脸检测率.

遮挡条件下实时人脸检测

针对遮挡条件下人脸检测召回率不高和训练样本不足的问题,提出了一种数据增强的方法。计算训练样本的平均脸图像,对样本进行手动遮挡处理;使用平均脸策略和图像分割理论对遮挡区域进行分割和处理,获得类似于自然环境下的遮挡样本;使用处理后的样本训练Ada Boost人脸检测器。实验结果表明:通过该方法训练的人脸检测器能够有效地提高遮挡条件下的人脸召回率,同时可以达到实时检测的效果。

基于轻量级卷积神经网络的人脸检测算法

针对人脸检测在移动端应用时面临的移动设备计算能力及存储资源受限等问题,设计一种基于轻量级卷积神经网络的改进人脸检测算法Lightweight-SSH。基于单点无头人脸检测器(SSH)人脸检测算法,采用基于MobileNet的轻量级卷积神经网络对样本数据进行特征提取,减少模型的参数量和计算量,通过在SSH网络的检测模块中引入可变形卷积层,提升卷积神经网络对人脸形变的建模能力。在Wider Face数据集上的实验结果表明,与常用人脸检测算法相比,Lightweight-SSH算法在保证检测精度的前提下,明显降低模型复杂度,并提高了模型检测速度。

基于巡逻小车的人脸遮挡异常事件实时检测

近年来,随着城市化进程的加快,银行、政府、学校等场所的安全越来越成为人们关心的问题,智能监控已成为目前的一个研究热点问题.本文主要研究室内巡逻小车监控下,面部异常遮挡问题.本文首先对监控视频进行前景提取;接着,基于提取的前景,进行肩部定位、头部区域椭圆拟合;然后通过肤色检测判断人脸区域;最后,通过Haar检测器检测人脸区域的眼睛和嘴巴,以此来判断是否存在异常遮挡行为.实验结果表明,本文提出的算法能够实时、有效的检测出面部异常遮挡问题.