基于微振动增强的伪装人体检测算法

来源 :智能计算机与应用 | 被引量 : 0次 | 上传用户:s5067744
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
伪装人体检测在视频监控领域具有重要的研究和应用价值。本文针对目前基于图像表层特征提取的伪装人体检测方法无法有效检测出没有明显移动的伪装人体目标,充分利用了人体目标具有一定范围呼吸率的独特特性,提取并增强伪装人体的微振动特征,利用振动特征实现了伪装人体目标进行检测。首先,提出了自己的伪装人体视频数据集和基于微振动特征的伪装人体检测模型;其次利用训练集估计伪装人体目标的最优呼吸率区间,利用估计的最优呼吸率区间增强了视频中伪装人体的微振动;最后,根据增强了微振动的视频和提出的检测模型实现伪装人体目标的定位
其他文献
本文选取AUBO-i5协作机器人作为实验对象,建立了 DH参数模型,设计了一套测量方法,并利用FARO激光跟踪仪对AUBO-i5机器人的位姿、距离、轨迹、稳定性等方面进行了性能测量,得到了其准确度和重复性。结果表明,该AUBO-I5协作机器人的位置准确度为1.021mm使用前需要进行DH参数校准,其各项指标重复性均远小于准确度,且重复性较好,表明该机器人可以通过DH参数校准,提升准确度。
针对交通检测中存在的交通标志尺寸较小、距离较远、实际道路场景复杂等问题,提出一种基于改进先验框和目标定位损失的交通标志多尺度检测算法。以darknet-62为特征提取网络,针对小型交通标志检测融合基于FPN的五尺度预测网络进一步提升输出特征层的分辨率和丰富语义信息;改进先验框设计方法,以更精准地检测位于特征图网格拐角处或相邻的小型交通标志;通过引入基于GIoU指标的目标定位损失函数,以提高网络的整
本文提出了一种基于改进AlexNet的双模态握笔手势识别方法。该方法根据握笔手势特征自建了 8 100张握笔手势数据集,对数据集进行了手势分割获取二值图像、骨架提取获取包含原图的骨架图像等处理,并将处理后的2种类型图像构成双模态图像输入至改进的AlexNet中。针对AlexNet提取握笔手势特征不充分的问题,本文将AlexNet第一层的卷积核大小修改为3×3,并在卷积层之后添加了批量归一化、注意力
本文通过利用WIFI探针设备,将其布设在上海轨道交通列车车厢内探测客流,同时收集同日同车次的车厢称重数据、断面客流数据进行数据分析与融合,得到列车车厢满载率的估计值从而建立起更为精确的地铁车厢满载率数据。
本文研究了基于视频的路边停车管理中车牌识别问题,提出了动态车牌识别算法。在视频场景下基于打分机制选取最佳结果,充分利用视频的特性提高车牌识别率,有效地解决了车牌遮挡导致无法识别的问题。对于单帧车牌的识别,使用场景文本识别算法EAST定位车牌,再通过投影变换进行矫正,以提高在倾斜状态下的识别率。实验证明该方法对倾斜扭曲车牌的识别率有一定提升。
大量的法律案例以数字化的形式存储使得法务工作者及普通民众可以轻松地从法律案例库中搜索需要的信息,其中有用但又很有挑战的一项任务就是相似案例推荐。为了准确地从法理角度推荐相似案例,本文提出了一个基于神经网络的相似案例推荐模型,该模型首先用法律要素引导每个案例的文本表示向量的生成,进而用生成的向量计算任意一对案例的相似度分数,将相似度最高的案例集合作为推荐的相似案例。在真实的数据集上的实验证明本文的模型优于常用的文本相似度计算模型。
阐述以涡喷发动机燃烧室焊接制造为案例开展的工程实践教学模式。在燃烧室设计、材料选择、零件成形、焊接加工以及后处理的理论基础上,通过动手实践了解冲压、焊接、切割、热处理加工等基本的成形制造方法。实践项目注重理论联系实际,强调知识获取过程、知识综合运用和创新能力,加深学生对一般焊接产品制造工艺过程的系统认知。通过团队协作式的劳动实践,培养工程素养(含劳动素养)、工程实践能力及创新精神。同时,通过让学生亲自动手制造喷气发动机,激励和引导学生产生投身航空事业的热情,进而提升实践教学效果。
当前人工理解代码变更主要在文本差异化分析(textual code differencing)工具提供的Hunk集上进行,而有些工具还对每个Hunk进行二次差异化分析,并将结果展现在并排(side-by-side)的视图中,从而方便用户查看Hunk内部的变更。然而现有的二次差异化分析工具得到的结果普遍存在语句失配问题,即Hunk内部删除行与添加行之间的不恰当匹配以及配对的语句内部Token的拆分问题,影响理解事实的变更。本文首先对该问题的分布进行了调查,证实了其在二次差异化分析中的普遍性;其次,对该失配问
超大直径泥水平衡盾构以往主要用于越江、越海工程,当用于城市中心区域快速道路的修建时盾构推进引起的地面沉降或隆起以及由此对地面以上建构筑物的影响问题应当引起重视。本文基于上海北横通道新建工程,聚焦于神经网络方法在盾构推进引起地面沉降中的预测,分析了 BP、GA-BP两种神经网络方法在盾构推进过程中刀盘上方地面沉降中的预测效果,对比了两种方法在计算原理、数据拟合能力等方面的适用性与局限性,在此基础上通过对遗传算法的种群个体选择机制进行优化提出了改进的GA-BP神经网络方法,说明了该方法的网络训练稳定性与快速收
为了改善单帧图像检测复杂背景中车道线性能较差问题,例如车道线受到阴影影响、污渍污损或人车遮挡等情况时性能较差的问题。本文提出了一种基于连续帧的车道线检测网络实现了卷积神经网络(C onvolutional Neural Network,CNN)和长短期记忆网络LSTM(Long Short-Term Memory, LSTM)的融合。首先,编码器CNN对连续帧进行特征提取,生成多尺度特征映射;其次