基于改进视觉自注意力模型的分心驾驶行为识别研究

针对分心驾驶行为识别问题,文章提出一种基于改进视觉自注意力模型的方法,构建了模型ViT_CR,用于估计驾驶员头部姿势,通过多任务学习提高角度预测精度,在数据集AFLW上预测误差MAE为4.61;运用ViT_CR处理连续视频帧,并基于分心驾驶识别原则设定安全阈值与辅助参数判断驾驶员是否处于分心状态。实验表明,在真实驾驶数据集Dimags上,该方法能有效利用头部姿势的时序信息进行识别,为分心驾驶监测及预警提供了一种新的思路。

基于视觉识别技术的铁路自粘防排水板的涂胶工艺研究

随着铁路建设品质的不断提升,自粘防排水板在铁路隧道工程中的应用日益广泛。本文聚焦于提升自粘防排水板的涂胶效率与精度,介绍了一种基于视觉识别技术的自动化点涂胶工艺,通过对产品本体涂胶区域进行精确定位,配合矩阵式胶枪,实现对其凸壳顶部的精准涂胶,提高了涂胶质量和生产效率,同时降低了单位产品的用胶量和整体能耗。

手势识别的自跟随智能车辆控制系统研究

针对自跟随低速智能车辆视觉跟随效果不理想及车辆需要频繁启停的问题,提出一种手势识别的车辆控制方法。采用YCrCb颜色空间Cr分量的Otsu法对手部图像进行阈值分割,通过形态学处理方法提取手部轮廓,采用支持向量机训练模型对手势进行指令识别;将指令下发至运动模块对车辆进行控制,在直线型、“L”型和“U”型三种场景下对自跟随低速智能车辆的跟随精度进行测试。结果表明:基于OpenCV的手势识别方法可用于智能车辆的跟随控制;采用手势识别控制的平均相对误差为1.16%,比视觉自跟随的平均相对误差降低了71.85%。

基于SOM网络的特征选择技术研究

讨论了一种SOM网络训练结果的可视化技巧,结合该技巧提出了基于SOM网络的特征选择方法。该方法 通过计算出SOM网络竞争层神经元权值中各维特征对输入模式聚类识别的影响,可以选择出对于模式识别敏感 的特征集。用IRIS和齿轮故障数据对该方法进行了检验,研究结果表明,采用该方法能较好地从原始特征中选择 出有效特征子集,实现不同类别输入数据之间的模式聚类识别。

自闭症幼儿的视觉性自我认知实验研究

通过对平均心理年龄为 2 3个月的 6名自闭症幼儿的实验研究 ,甄别他们是否能从视觉上进行自我与他人的分化认知 ,并进一步探索自闭症幼儿对镜像自我认知与录像自我认知上的差异。以秒为单位 ,对实验结果和过程进行了编码分析。结果表明 :这 6名幼儿在看自己的录像时 ,比看同伴的表现出更多的关注和喜悦 ;对录像的自我进行认知时表现出更大的关注和积极情绪。

婴儿视觉自我认知的微观发生研究

本研究采用微观发生设计，对大连市15名婴儿在15个月时用摄像追踪观察至23个月，每周观察一次。目的在于探讨婴儿视觉自我认知的具体发生时间和个体差异，以及视觉自我认知各指标的发生顺序。结果表明：（1）婴儿视觉自我认知在15～23个月间发生，随年龄增长而提高；（2）婴儿视觉自我认知一般发生于17．25个月；（3）视觉自我认知并非突然出现，而是从不稳定到稳定的渐进发展过程，在发生过程中存在个体差异；（4）视觉自我认知各指标相继发生，镜像自我认知是视觉自我认知最早出现的标志，随后是客体定向能力、照片自我认知。

婴儿自我认知发生再探

文章在纵向研究基础上,通过横向设计,采用实验室实验、情境观察和母亲访谈相结合的方法考察213名14～24个月婴儿自我认知(视觉和言语方面)的发生。结果表明:1)婴儿自我认知在15～24个月间发生,自我认知能力逐渐出现,随年龄增长而发展。2)视觉自我认知一般发生于第17个月;视觉自我认知无显著的性别差异。3)言语自我认知一般发生于第21个月;男婴言语自我认知获得时间晚于女婴,但在获得言语自我认知后,婴儿言语自我认知无性别差异。4)视觉自我认知对言语自我认知有正向预测作用,视觉自我认知发生早的婴儿,言语自我认知发生的也早。

视觉显著性检测:一种融合长期和短期特征的信息论算法

针对传统视觉显著性检测算法单纯使用当前观测图像的信息或是先验知识的不足,该文引入了长期特征和短期特征的概念,分别代表先验知识和当前观测图像的信息,并提出了一种基于信息论的算法将它们融合。首先,分别根据人眼跟踪数据和当前观测图像的内容来训练长期和短期稀疏词典并对图像进行稀疏编码,将得到的稀疏编码作为长期和短期特征。其次,针对现有算法只能在整幅图像上或是在一个固定大小的局部邻域内进行统计的缺陷,该文提出一种基于信息熵的特征概率分布估计方法,该方法可以根据当前观测图像的具体情况自适应地选择一个最佳的区域大小来计算长期和短期特征出现的概率。最后,利用香农自信息来输出图像的显著性检测结果。同8种流行算法在公开的人眼跟踪测试库上进行的主观和定量的实验对比证明了该文算法的有效性。

卫星在轨自维护地面平台自主操作

提出了一种应用于卫星在轨自维护平台的视觉自主操作策略,阐述了标定、识别、定位及视觉伺服等关键内容。针对太空中变化强烈的光照环境,采用合作目标的方式对物体进行识别,并对识别算法进行了特别的设计以适用于卫星有限的计算能力。为了提高合作目标三维空间定位的精度,采用了一种合作目标亚像素精度定位的方法,为视觉伺服进行精确的操作奠定了基础。实验结果证明了此视觉自主操作策略的可行性。

寻找丢失的自我——精神分裂症患者的自我面孔识别

为探索精神分裂症患者自我面孔识别的能力以及在视听整合任务中面孔对声音身份识别(同性和异性)的影响,选取34名住院精神分裂症患者和26名健康被试,分别进行单通道动态自我面孔识别任务、单通道自我声音识别任务和视听整合任务的3个实验。结果发现:精神分裂症患者的单通道自我面孔识别能力和自我声音识别能力与健康组无区别,但在视听整合任务中,精神分裂症患者的声音身份识别受到视觉通道面孔识别的影响。结果表明,精神分裂症患者有自我面孔识别的能力,自我面孔会促进自我声音的识别,并抑制对同性他人声音和异性他人声音的识别。

改进视觉Transformer的人脸识别方法

目前大多数人脸识别方法依赖于卷积神经网络,通过级联的形式构建多层处理单元,利用卷积操作融合局部特征,忽略了人脸全局语义信息,缺乏对人脸重点区域的关注度。针对上述问题,提出一种基于改进视觉Transformer的人脸识别方法,引入Shuffle Transformer作为特征提取骨干网络,通过自注意力机制以及Shuffle操作捕捉特征图全局信息,建立特征点之间的长距离依赖关系,提高模型的特征感知能力;同时,结合ArcFace损失函数和中心损失函数的特点,设计融合损失作为目标函数,利用类内约束扩大角度间隔,提高特征空间的辨别性。该方法在LFW、CALFW、CPLFW、AgeDB-30和CFP五个具有挑战性的基准测试人脸数据集上分别取得了99.83%、95.87%、90.05%、98.05%、97.23%的平均准确率,能够有效提升人脸特征提取能力,识别效果优于同等规模卷积神经网络。

基于SOFM的岸桥提升电机状态识别及可视化

研究并分析自组织特征映射(self-organizing feature map,SOFM)神经网络的结构和算法,并应用于岸桥提升电机的状态识别及可视化.通过运用SOFM,对属性约简后的数据进行聚类及可视化分析,以有效值、脉冲指标和裕度指标为特征向量,得到3种主要的电机状态,并利用Matlab实现仿真可视化.通过对样本数据处理,实现电机状态的准确识别,从而更好地监测岸桥提升电机,同时也为机械状态的识别和维护提供一种新途径.

融合阻抗控制的卫星自维护平台的自主操作

为了提高卫星自维护平台操作的自主性、安全性和鲁棒性,提出了一种融合阻抗控制的视觉自主操作方法.针对太空中变化强烈的光照环境,对物体识别采用合作目标亚像素精度定位的方法,提高了合作目标三维空间定位的精度.对合作目标的识别算法进行了特别的设计,以适用于卫星有限的计算能力,并将视觉伺服算法融入基于关节力矩的阻抗控制.当卫星自维护平台执行接触操作时,视觉伺服能提供与被操作物体的精确接触信息,提高了卫星自维护平台对工作环境的适应能力和顺从能力.实验结果证明了该方法的可行性.

一种基于Bottleneck Transformer的轻量级微表情识别架构

微表情是一种能够体现人真实情感的自发面部动作,其持续时间较短,动作幅度轻微,识别难度较大,但是有重要的研究价值。为解决微表情情感识别问题,提出了一种新型的轻量级微表情识别网络mini-AORCNN。该神经网络以顶点-起始点光流特征为输入,结合残差卷积神经网络与视觉Transformer的相关架构,可以有效完成微表情识别任务。这一网络包含一种参数量更小的新型残差模块,并用自注意力算子替换了最后一个残差块中的卷积算子,从而实现了Bottleneck Transformer架构。这一新型微表情识别网络在中科院CASME系列数据集上经过“留一被试交叉验证”(LOSO)的检验,确定其在情感分类任务上取得了73.09%的平均召回率(UAR)以及72.25%的平均F1-Score(UF1),上述准确率评价指标与极低的参数量(39185)在与微表情领域的多种主流模型的比较中体现出了明显的优势。文中还包含了一组消融实验,确保了光学应变强度、自注意力机制和相对位置编码等设计的优越性。

基于自发光标志物识别的室内机器人定位研究

针对室内光线条件不良或者特征物不明显造成机器人的视觉定位与导航困难的问题,提出了一种基于自发光标志物的特征识别定位方法,实现了机器人室内位置的追踪。首先通过放置在屋顶的相机来获取机器人的整个工作环境,对机器人的工作环境进行整体定位,再使用SURF算法进行特征提取与匹配,根据图像处理结果确定机器人的具体位置,进行机器人位置的实时跟踪。实验结果表明,该方法在精确度要求不高的情况下能够获取到机器人的位姿信息,证明了整个理论方案的可行性。

基于可视化模式识别技术外周血涂片成像的白细胞形态分类研究

目的:为有效降低医院检验人员的工作量,研究一种适用于外周血涂片成像的白细胞分类计数识别模型。方法:通过了解外周血细胞组成、白细胞分类计数和白细胞识别原理,分析可视化模式识别技术的白细胞增强和定位原理,引入白细胞自适应阈值分割技术,根据白细胞基本特征、细胞核形态特征以及细胞浆纹理对白细胞特征的选取,使用最小风险准则建立白细胞分类模型,使用临床1024幅血细胞图像作为训练集(512幅)和测试集(512幅),对白细胞分类计数模型进行训练和测试。结果:训练集模型白细胞识别率达96.7%,残差Loss值趋于在0.08;测试集嗜酸细胞、单核细胞、淋巴细胞、分叶核细胞、杆状核细胞和嗜碱细胞正确识别率分别为96.1%、97.1%、98.4%、89.9%、75.7%和95.6%。结论:基于可视化模式识别技术的白细胞分类计数模型具有较高的识别率,具有一定的鲁棒性和实用性,可有效降低检验人员的工作量。

视觉识别在自动驾驶中的应用

文章从自动驾驶汽车的基本解决方案分析,讲述了视觉识别在自动驾驶车辆中的重要性。从传统模式识别框架分析汽车是如何利用摄像头来区分障碍物。介绍了人的视觉机理和深度学习的相关理论。从过程中分析图片数据库的重要性。文章主要介绍了视觉识别技术在自动驾驶汽车中的应用和发展。

自闭症谱系障碍儿童视觉自我认知及脑机制

对自闭症谱系障碍而言,视觉自我认知具有重要意义,它不仅是儿童自我意识发展的基础,而且影响着社会交往及认知发展。国内外研究者采用镜像自我认知、延迟镜像自我认知、外显自我-他人面孔识别和自我-他人面孔合成四种实验范式对自闭症谱系障碍儿童即时镜像自我认知、延迟镜像自我认知及自我面孔认知的发展特点、相关因素及脑机制开展了相关研究,形成了初步的结论,许多问题仍需要进一步深入探索。