基于状态依赖检测的视频运动目标轨迹跟踪算法

目前大多数的目标跟踪算法都假设目标检测的概率与轨迹的状态无关,但是随着目标跟踪性能的降低,这个假设通常不正确,针对此问题,提出一种基于状态检测的目标运动轨迹跟踪算法。不同于大多数现有算法,该算法在目标运动轨迹与检测状态相关的基础上展开。首先预测从先前时刻到当前时刻的每个跟踪的概率密度函数;然后从测量值集合中选取一个子集用于更新,并计算相似度测量;最后迭代计算跟踪质量和目标轨迹评估,将目标检测的状态依赖概率融入到多目标跟踪器中。利用二维多目标跟踪进行仿真实验,交替固定传感器每秒都对监控区域进行扫描,结果显示,跟踪确认率可达97%,显著提高了跟踪性能。此外,该算法在其他交通视频上也有较好的跟踪效果,具有较好的实用性。

基于概率回归模型和K-最近邻的电子商务个性化推荐方案

针对电子商务中个性化推荐问题,提出一种基于概率回归模型和K-最近邻的电子商务个性化推荐方案.实验结果表明,该方案能够准确为客户推荐所需的商品.

基于关键帧和姿态描述语言的实时手势识别方案

针对现有人体动作识别方法的准确性和实时性不强等问题,提出一种基于关键帧和姿态描述语言(PDL)的实时手势识别方案.首先,利用Kinect摄像机获取手势视频帧,并通过NITE工具获得骨架关节点的三维坐标.然后,从视频序列中找出最能代表手势类型的关键帧.最后,提出一种姿态描述语言,根据关键帧中关节点的位置和角度信息,通过一系列规则对手势进行识别.实验结果表明,该方法具有较高的识别率和良好的实时性.

基于稀疏编码和随机森林的多帧图像超分辨率算法

针对多帧低分辨率图像重建问题,提出了基于稀疏编码和随机森林的超分辨率算法。首先,使用高分辨率训练图像和低分辨率训练图像获取高分辨率字典;然后,使用重叠块缓解块边界的振铃现象,并使用反向投影保证全局一致性;最后,利用稀疏编码提取和融合LR图像中的有用信息,随机森林完成分类。实验结果表明,相比其他几种较新的超分辨率算法,本文算法重建获得的峰值信噪比(PSNR)最高,重建后的图像最为自然,且具有较快的运行速度。

基于生物特征识别和一次性口令的电子商务安全交易方案

针对电子商务中信用卡交易的安全性问题,提出一种基于生物特征识别和一次性口令的电子商务安全交易方案。根据用户交易的敏感度,分别采用2种方案。第一种方案中,采用安全套接层(SSL)协议和指纹特征相结合。第二种方案中,采用虹膜特征和一次性口令相结合,持卡人使用USB身份锁存储虹膜信息,并计算虚拟函数。另外,都通过Hash函数对生物特征进行运算,利用发卡方的公钥加密支付信息,利用商家的公钥对订单信息进行加密。发卡方通过特征的比对来进行身份认证。通过分析表明,该方案能够有效保护交易安全性。

基于两自由度髋关节运动的机器人假肢控制系统设计

针对假肢自动化测试不可重复性和可能对测试病人造成的不安全问题,本文设计了一种基于两自由度髋关节运动和MSP430单片机的机器人假肢控制系统。设计的机器人可在矢状面平面重复两个自由度臀部运动,将跑步机作为机器人行走平面,利用基于关节坐标的机器人通用动态模型对假肢进行建模。采用MSP430F2274单片机设计假肢控制电路,选用TP4056芯片设计锂电池充电电路,利用TPS77001芯片将锂电池电压降至3 V给单片机供电,利用LTC3426芯片将锂电池电压升至5 V给直线步进电机供电,利用霍尔传感器A3144调理电路。实验验证了臀部位移、大腿角度、膝盖角度的偏差,结果显示,本文系统的输出结果与实际角度非常接近,有效地保证了假肢控制系统的安全性。

基于非线性知识迁移的交叉视角动作识别

针对一般基于知识迁移的方法对未知视角不可用和难以扩展新数据的问题,提出一种基于非线性模型的无监督学习方法,即基于非线性知识迁移(nonlinear knowledge shift,NKS)的串联特征学习。提取密集动作轨迹,并利用通用码书编码;提取动作捕捉数据模拟点的密集轨迹,产生一个仿真数据的大型语料库来学习NKS,其中,轨迹提取前在视角方向上投影模拟点;再从真实视频中提取轨迹,用于训练和测试表示学习过程的轨迹,利用多类支持向量机分类串联特征。在两大通用人体动作识别数据库IXMAS和3D(N-UCLA)上验证了该方法的有效性,实验结果表明,在IXMAS数据集、不同摄像机情况下,该方法的识别精度高于同类方法至少3.5%,在3D(N-NCLA)数据集、双摄像头情况下,识别精度至少提高4.4%。在大部分动作识别中也取得最佳识别率,此外,该方法的训练时间可忽略不计,有望应用于在线人体动作识别系统。

基于局部相位纹理表示的光照变化人脸识别算法

针对基于局部纹理的人脸表示不能较好解决不同光照条件下低分辨率人脸图像识别的问题,提出一种新的相位纹理表示法。该算法在局部邻域使用傅里叶变换相位的四象限掩码,减少来自更高幅值响应的滤波器中的错误滤波响应影响,从而产生更具判别性的代码滤波响应,相比局部相位量化(Local Phase Quantization,LPQ)受噪声影响大、量化离散效应等影响,相位纹理表示法更加有效和稳定。在CMU-PIE、扩展YALE-B和AR人脸数据库上的实验结果表明,本算法比局部相位量化更具描述性,识别率比LPQ和广泛使用的LBP(Local Binary Pattern,LBP)和方向梯度直方图(Histogram of Oriented Gradients,HOG)均有较大幅度的提高,对于增强光照条件,识别率增益小于1%,对光照变化的鲁棒性优于其他3种算法。

利用两阶段遗传算法的机械手最优轨迹控制仿真

针对大多数机器人最优轨迹规划控制算法成本较高的问题,提出了一种两阶段分析-进化算法,分析算法基于间接开环最优控制问题,进化算法基于遗传算法。首先,利用遗传算法产生最优控制;然后,新的次优轨迹通过最优控制生成,计算每个最优解的成本函数,并为下一个步骤选择最优解做准备;最后,遗传算法使用获得的轨迹产生新一代起始点,迭代直到实现最小成本值。算法的验证由两个仿真系统组成:具有完整约束的两关节机械手和具有非完整约束的移动机械手。运用本文算法后,第一个仿真系统的成本降低了92.3%,第二个仿真系统获得的最优成本明显低于只使用最优控制时的成本,表明其算法可应用于实际机器人轨迹规划控制系统。

“互联网+”时代下大学生就业创业研究

"互联网+"造就了行业的新形态,创造出大量的就业创业机会,遍布电子商务、医疗、教育、旅游、娱乐等各行业。我国逐年增多的大学毕业生,应化就业压力为创业动力,克服自主创业中的各项难题,发挥自己的创造力,抓住"互联网+"带来的机遇,以创业带动就业。

稀疏多级正则化结合SN的鲁棒人脸识别算法

针对人脸姿态、光照、人脸表情和周围环境发生变化时人脸识别精度不高的问题，提出一种基于稀疏多级正则化剪切波网络的鲁棒人脸识别算法。该算法创新点有二：第一，采用剪切波网络（SN）多尺度方向框架去提取人脸特征，其优势在于剪切波框架具有高度稀疏表示，有利于的提取图像中鲁棒的几何内容；第二，采用了一种完善的多任务稀疏学习，利用识别阶段中正则化参数改变多个共享任务间的关系。实验结果表明：在可控数据库上，提出算法的识别率达98．5％；在不可控数据库上，比其他算法中的最好结果高5％左右。

基于稀疏正则化结合NLS的超分辨率图像重建

为了保持高光谱（HS）超分辨率重建过程中的频谱一致性和边缘锐度，提出一种基于空间谱结合非局部相似性的超分辨率重建算法。首先，使用HS图像生成模型，采用稀疏正则化解决全色（PAN）图像和HS图像重建的病态问题求逆；然后分析了从高空间分辨率到低空间分辨率数据生成的丰度系数映射；最后利用非局部相似性，设计空间谱联合正则化项。使用机栽可见光／红外成像光谱仪（AVIRIS）和Hyperion图像测试该算法，实验结果表明，提出的算法重建图像在PSNR，SSIM和FSIM方面明显高于其他优秀算法，在SAM和ERGAS方面明显低于其他优秀算法，在光谱失真方面丢失最少，仪有2％～3％，低于其他算法30％左右，且重建效果更加清晰自然。

基于监督超向量编码和自适应GMM的人脸表情识别方法

针对不同状态和光照条件下的人脸表情识别问题,提出一种基于自适应高斯混合模型（GMM）融合监督式超级向量编码算法。首先,提取重叠图像块;然后,通过自适应GMM提取每个图像块的局部描述子,将图像低维特征映射到高维空间;最后,利用有监督的超级向量编码完成人脸表情识别。在Multi-PIE和BU3D-FE多视点人脸表情数据库上的实验结果显示,本算法在Multi-PIE和BU3D-FE人脸库上的识别率可分别高达91.8%、95.6%,识别一个样本所耗时间仅为0.142 s。相比其他几种较新的算法,本算法取得了更高的识别率,且大大降低了识别所耗时间。

利用内置导轨的清洁机器人垂直运动控制

针对建筑物表面清洁机器人(BFMR)容易受环境和振动影响、运行稳定性差等问题,设计了安全稳定的控制系统.在垂直和水平机器人的对接过程中,利用导轨制动系统抑制冲击,并利用再平层过程补偿机器人内置导轨与建筑物表面导轨之间的定位误差.此外,利用提出的振动抑制系统,根据钢丝绳动态属性的状态估计值,控制钢丝绳的加速度,对环境噪声产生的振动进行抑制,提高垂直机器人垂直运动的稳定性和可靠性.实验结果表明,本文设计的控制系统能够有效降低振动影响,具有可行性.

基于模糊自适应差分进化算法的机器人手臂运动控制研究

现实应用中机器人机械手需要精确的运动控制来操作目标,针对机械手运动的高度非线性和复杂的运动模型,提出了一种基于模糊自适应差分进化(FADE)算法的机器人手臂运动控制方案。利用进化过程来获取运动模型的最优解,利用模糊逻辑控制器自适应调节突变因子(F)和交叉率(CR),避免进化过程过早收敛陷入局部最优解。以CRS A456机械手为实验对象,实验结果表明,与最小二乘法和传统差分进化方法相比,FADE方案具有最优的估计性能。

面向android手机平台的网络恶意数据流挖掘研究

由于android手机平台网络中数据流众多,以往研究出的面向android手机平台网络恶意数据流挖掘方法,均无法对网络恶意数据流进行高效、准确挖掘。故提出一种挖掘效率和挖掘准确性均较高的android手机平台网络恶意数据流挖掘方法。网络恶意数据流通常均有自动收发行为,所提方法利用概率分类法和邻近值法对android手机平台网络数据流进行预分类,使具有自动收发行为的网络数据流优先进行网络恶意数据流挖掘,提高挖掘效率和挖掘准确性。该挖掘方法将网络数据流划分成多段行为向量,对具有自动收发行为的网络数据流和不具有自动收发行为的网络数据流采取不同精度的挖掘操作,输出网络恶意数据流,存储网络非恶意数据流,供下次挖掘使用。经实验验证可知,所研究的方法挖掘效率高、挖掘准确性高。

判别共同法向量方法结合格拉斯曼流形的人脸识别

提出了判别共同法向量结合格拉斯曼流形的人脸识别方法。使用自熵图像表示人脸;利用判别共同法向量方法提取特征,并利用字典学习优化特征矩阵;将提取的特征表示在格拉斯曼流形上,对格拉斯曼流形上的点进行有效聚类,并利用投票方法完成分类。在Caltech和AR人脸数据库上的实验结果表明,相比其他几种较新的表情和光照人脸识别方法,提出的方法取得了最高的识别率,且明显减少了执行时间,对人脸表情和光照变化具有鲁棒性。

基于SOAP的智能家居互操作系统框架

智能家居的最新发展趋向于增加家庭用具中无线通信设备的使用。然而,其中许多设备都具有异构性和非同步性。因此,这种很难达到良好互操作性的家具设备就无法成为人们购买时的首选。文中提出了一种新的智能家居互操作系统框架,用以协调接入系统中的各个设备。该框架的核心是简单对象访问协议(SOAP),此协议提供了在异构系统中各独立平台之间的互操作。目前,该互操作系统框架已成功应用于家居设备中,并验证了其在互操作上的高效性。此系统框架在智能家居局域网环境下的测试中被证明是可靠的。

基于分数阶参考模型的半主动悬架自适应控制

基于分数阶微积分理论,提出一个以含分数阶次力与位移传递函数定义的悬架为参考模型的磁流变阻尼半主动控制悬架自适应控制模型。通过最优控制方法得到参考悬架的最佳参数,由于分数阶微积分的引入,使得参考模型更加精确。采用李雅普诺夫稳定性理论设计得到模型参考自适应控制的自适应控制律,并用Oustaloup逼近算法解算分数阶微积分因子。Matlab/Simulink仿真结果表明,与传统的被动悬架相比,悬架的平顺性和舒适性有一定的提高,且能保证一定的系统鲁棒性,但悬架动位移稍有增大。

基于关键质量因子线性组合的电子商务安全性度量模型

针对电子商务中的安全性问题,提出一种基于关键质量因子线性组合的系统安全需求质量度量(SSRQM)模型和修正过程。首先,分析了电子商务的系统安全需求(SSR)和所涉及的关键安全质量因子。然后,将这些质量因子进行线性组合构建SSRQM模型,用来评估系统安全性并帮助识别SSR的质量问题和缺陷。最后,基于SSRQM模型,提出一种系统安全需求修正过程(SSRQRP),用于持续修正SSR的质量缺陷,进一步提高系统安全性。