基于语音心理声学分析的驾驶疲劳检测

针对现有方法在分析角度和特征参数上的局限性,提出一种基于语音心理声学分析的驾驶疲劳检测方法。首先,借助心理声学感知掩蔽处理步骤,将语音中的疲劳高敏感性频率成分突显出来,并给予其更多的Bark域临界频带描述,以获得更为细致的疲劳信息表达;其次,提取多种心理声学感知特征来量化描述语音中的疲劳异常音,并针对语音波形不同步而导致的特征提取误差问题,给出了语音帧的快速对准方案;最后,将语音样本与多个参考样本对比分析所得的感知特征向量,来分别搭建多个特征层模糊支持向量机(FSVM)分类器,并通过动态贝叶斯网络(DBN)的决策层融合判决,实现更为准确、鲁棒的驾驶疲劳检测。实验结果表明,该方法的查准率、查全率和平均正确率(为92.4%)均优于现有方法,尤其对重度疲劳的检测效果较佳(正确率达96.1%)。     

一种应用语音多特征检测驾驶疲劳的方法

根据人体疲劳对发声系统的影响,提出一种基于语音多特征的驾驶疲劳检测方法.在Takens嵌入定理的基础上,对语音混沌吸引子进行相空间重构,建立语音信号非线性动力学模型.为提高驾驶疲劳检测的充分性和客观性,提取了该模型下的语音非线性特征:最大Lyapunov指数、近似熵和分形维数,并与传统激励源-滤波器模型下的语音特征:基音频率、共振峰和Mel频标倒谱系数相结合,从不同角度反映语音中所包含的疲劳信息.最后通过支持向量机技术建立多特征融合分类器,用于驾驶员语音样本的疲劳识别.实验结果表明,该方法采用的语音多特征之间能够形成疲劳信息的互补,有效地提高了语音检测驾驶疲劳的准确性,在预防驾驶疲劳的行车安全领域有着广泛的应用前景.     

基于语音频谱图像特征的人体疲劳检测方法

为了将语谱图的可视化图像分析手段有效应用于人体疲劳检测,提出一种基于语音频谱图像特征的人体疲劳检测方法。首先,在研究分析人体疲劳对语谱图影响机理的基础上,对语谱图进行基于听觉感知理论的Mel频率拉伸变换,以突出易受疲劳影响的感兴趣区域。其次,将Mel频率拉伸后的语谱图分割为24个相互交叠的临界频带子图,并从各子图在4个方向上的灰度共生矩阵中分别提取了15种纹理特征参数用于语音疲劳信息的定量表征。最后,建立多子带疲劳信息融合的人体疲劳检测模型,针对各临界频带子图特征分别设计特征层分类器进行分布检测,并通过决策层的多分类器融合判决得到最终的疲劳检测结果。实验结果表明,该方法所提取的语音频谱图像特征具有比传统声学特征更好的疲劳表征能力,同时该方法的人体疲劳检测效果也优于现有的语谱图特征识别方法。     

多特征融合的驾驶员疲劳检测研究

针对驾驶疲劳检测中面部特征定位及驾驶员疲劳状态判别方法判断存在的不足,提出了利用监督下降算法同时定位驾驶员的多个面部特征。在眨眼、哈欠及点头判断的基础上,提取驾驶员眨眼频率、哈欠频率及点头频率多个特征值建立疲劳检测样本数据库,并构建朴素贝叶斯分类器进行疲劳判断。当驾驶员出现疲劳驾驶时及时给以警告信息,以预防交通事故发生。在实际的驾驶环境视频测试结果中,驾驶员疲劳状态的判别平均准确率达到了94.87%,具有较好的性能。     

基于多生理信息及迁移学习的驾驶疲劳评估EI北大核心CSCD

目前基于多生理信号的驾驶疲劳评估方法得到广泛关注。针对驾驶疲劳识别率有待提高且受个体差异性影响的问题,提出了基于脑电、心电和肌电特征融合及迁移学习的驾驶疲劳评估方法。基于模拟驾驶平台同步采集20名健康受试者的脑电信号、心电信号和颈部肌电信号,基于时频分析方法和复杂度分析方法提取各生理信号特征并进行融合;然后,基于特征空间内大间隔映射（LMPROJ）的迁移学习方法实现对单一源域到目标域疲劳状态的初步判别;最后,将上述多个单一源域到目标域疲劳状态的判别结果进行决策级融合,以提高驾驶疲劳识别算法的准确性和鲁棒性。实验结果表明,基于多生理信号特征融合及迁移学习的驾驶疲劳识别率高于传统机器学习方法,且能提高不同受试者驾驶疲劳检测的鲁棒性,为多生理信号驾驶疲劳检测研究提供了新方法。     

基于多生理信息及迁移学习的驾驶疲劳评估

目前基于多生理信号的驾驶疲劳评估方法得到广泛关注。针对驾驶疲劳识别率有待提高且受个体差异性影响的问题,提出了基于脑电、心电和肌电特征融合及迁移学习的驾驶疲劳评估方法。基于模拟驾驶平台同步采集20名健康受试者的脑电信号、心电信号和颈部肌电信号,基于时频分析方法和复杂度分析方法提取各生理信号特征并进行融合;然后,基于特征空间内大间隔映射(LMPROJ)的迁移学习方法实现对单一源域到目标域疲劳状态的初步判别;最后,将上述多个单一源域到目标域疲劳状态的判别结果进行决策级融合,以提高驾驶疲劳识别算法的准确性和鲁棒性。实验结果表明,基于多生理信号特征融合及迁移学习的驾驶疲劳识别率高于传统机器学习方法,且能提高不同受试者驾驶疲劳检测的鲁棒性,为多生理信号驾驶疲劳检测研究提供了新方法。     

基于声音多特征贝叶斯网络融合的话者识别研究

针对基于语音单一特征提取方法所存在的话者识别准确率较低的问题,提出将话者语音中反映人耳听觉感知特性的MFCC特征和接近心理声学临界频带的1/3倍频程(1/3 octave)特征作为话者声音的特征参数,设计话者识别的贝叶斯网络,融合2种声音特征参数,通过贝叶斯网络推理实现话者识别.贝叶斯网络通过学习过程确定已注册话者各声音特征的条件概率.进行话者识别时,贝叶斯网络利用贝叶斯定理及条件独立性假设融合待识别话者声音的MFCC特征和1/3倍频程特征,计算每个已注册话者对输入语音特征矢量的后验概率,根据后验概率的大小实现待识别话者的推断.话者识别实验结果表明:提出的基于声音多特征贝叶斯网络融合的话者识别方法可行有效,识别正确率达到100％.     

基于自组织神经网络的滚动轴承状态评估方法

针对单一特征在进行故障诊断时准确率不高的问题,提出了一种基于自组织神经网络（SOM）的滚动轴承状态评估方法。该方法首先从原始振动信号中提取出多特征数据,运用主成分分析（PCA）方法对多特征数据进行预处理,采用SOM进行网络训练,构建多特征数据的融合模型,输出竞争神经元层的权值矢量;然后,计算每一个样本到竞争神经元层权值矢量的最小欧氏距离,输出最终的融合指标;最后,通过比较待检测样本与正常样本的最小欧氏距离的差异来判断轴承的状态。将该方法应用于滚动轴承状态评估,试验结果表明：融合指标比单一指标对早期故障更加敏感、更加稳健;同时,融合指标能够定量地描述轴承状态的劣化过程。     

基于二进制粒子群优化算法的行人检测

针对汽车前方道路上的行人安全问题,对道路行人采用二进制粒子群优化算法（BPSO）进行了检测,以确保行人的安全。首先,对随机采集的道路行人图像样本进行了二维离散余弦变换（DCT）,将行人的描述从图像空间转换为用少量数据点来表示频率域空间,再利用DCT算法的对称性,解压缩图像,获得了行人图像的特征向量;其次,应用BPSO算法对得到的特征向量进行了特征选择,从行人频域特征空间中,提取了有价值的特征子集,得到了最具代表性的行人特征,完成了行人检测。试验结果表明,在样本数量较少的情况下,无论在检测正确率还是检测实时性方面BPSO算法都优于传统的支持向量机（SVM）算法。研究结果表明,二进制粒子群优化算法能够高效快速的检测到行人,为车辆主动安全技术提供重要基础,对于减少交通事故具有重要意义。     

基于神经网络深度学习算法的驾驶员疲劳驾驶检测研究

搭建了驾驶员疲劳检测的信息采集系统，采用ARM嵌入式开发，可采集驾驶员的人脸图像、温度、心率、GPS定位等信息，并将相关信息通过Web上传模块上传到后台软件系统，通过后台处理驾驶员疲劳状态图像，得到处理结果并通过LCD屏显示。后台软件系统使用基于深度学习的疲劳驾驶检测算法，利用百度人脸识别模块实现人脸识别确定身份。利用深度学习神经网络模型YOLOv3算法检测出常规摄像头实时采集的驾驶人员人脸图像，利用特征点模型实现眼睛和嘴巴区域的分割，采用金字塔分离特征，采用了Mosaic数据图像增强，使用YawDD作为疲劳驾驶检测模型的数据集，通过循环神经网络（RNN）中的长短记忆网络算法训练模型，最终实现驾驶员疲劳度检测。     

基于多模态特征融合的自主驾驶车辆低辨识目标检测方法#br#

针对自主驾驶车辆在真实驾驶环境下对低辨识目标的识别问题,提出了基于多模态特征融合的目标检测方法。基于Faster R-CNN算法设计多模态深度卷积神经网络,融合彩色图像、偏振图像、红外图像特征,提高对低辨识目标的检测性能;开发多模态（3种）图像低辨识度目标实时检测系统,探索多模态图像特征融合在自动驾驶智能感知系统中的应用。建立了人工标注过的多模态（3种）图像低辨识目标数据集,对深度学习神经网络进行训练,优化内部参数,使得该系统适用于复杂环境下对行人、车辆目标的检测和识别。实验结果表明,相对于传统的单模态目标检测算法,基于多模态特征融合的深度卷积神经网络对复杂环境下的低辨识目标具有更好的检测和识别性能。     

融合纹理特征与深度信息的足迹自动比对算法

讨论了刑事案件侦破过程涉及的足迹检验方法。考虑现有的足迹比对研究没有将足迹的深度信息与纹理信息分离后进行比对,提出了一种融合纹理特征与深度信息的比对方法来实现足迹的自动比对功能。该方法通过四步相移补偿法来获取真实足迹特征的三维信息;利用改进的二维高斯滤波器分离足迹的表面纹理特征与深度信息。最后,采用区域互相关测度分别计算不同三维足迹信息中纹理信息之间和深度信息之间的相似度,并按一定策略将量化的相似度信息转化为定性的判别结果。实验结果表明,提出的方法能够有效分离足迹中的纹理信息和深度信息,并能通过软件编程实现计算机对足迹的自动比对。与传统的针对二维图像灰度信息的足迹对比方法相比,提出的算法能够描述真实的足迹形貌,在现有数据集范围内,自动比对正确率不低于90%;加入人工干预后,比对正确率可达100%。得到的结果验证了提出方法的有效性。     

介观小团体运动聚类的人群异常检测

传统的人群行为分析主要基于宏观尺度或微观尺度,前者忽视了个体运动的信息,难以定位局部异常,后者在人数众多的场合下难以精确检测与跟踪行人个体。为了在人群的宏观与微观特性之间搭建一个桥梁,从介观尺度分析入手,提出一种基于人群介观小团体运动聚类的异常行为检测方法。首先通过计算光流场并对其进行平滑滤波来获得人群运动的微观运动描述;进而通过Mean Shift算法对微观局部运动进行聚类,并根据速度、位置信息将微观类别合并为介观人群小团体;最后将速度场特征空间划分为正常和异常区域,根据聚类中心在该空间的区域归属及在该区域的持续时间长短来检测异常行为,并将异常类别所有样本点映射到图像坐标系,采用重心法确定异常发生的具体位置。实验结果表明,提出的方法不但能检测人群运动的全局异常,而且能定位局部异常行为的发生位置。其中,全局异常行为的检测总正确率达99.23%,局部异常的检测总正确率可达86.25%。     

基于感知哈希的多媒体数据内容检测系统设计

采用感知哈希技术来实现基于多媒体数据库(MMDBMS)的内容查询是目前多媒体数据库管理的主要处理方法之一。通过对MMDBMS体系结构和视频数据层次结构的分析,本文针对特征图像边缘处灰度邻域差异大的特点提出了一种通过提取最具鲁棒特征的标准样本和特征帧来对目标内容进行快速检测的算法,并设计了一个基于感知哈希的多媒体数据内容检测系统模型。该系统从匹配的准确率和快速查询两方面对传统方法进行了改进,实验结果验证了该方法的可行性。     

基于改进的DTW算法的变电站巡检机器人语音识别的实现

提出了一种对变电站巡检机器人进行语音控制的语音识别算法,实现了语音控制机器人。通过机器人携带的拾音器录制采集语音控制命令,根据语音识别的基本原理,对变电站巡检机器人进行语音控制,使其根据人的指令做出相应的动作,完成自动检测和信息查询功能。首先,使用机器人采集语音指令,并将其传送到系统后台构建样本库。其次,对样本库进行分析,提取语音样本的MFCC特征。最后,使用改进的DTW算法作为匹配算法实现语音参数模板匹配,进行语音识别,将识别结果传送给机器人系统控制机器人运动。实验结果表明,该算法能够提取有效的语音指令,识别语音指令时间短,识别正确率高,满足了对巡检机器人的实时控制要求。     

免疫支持向量机方法在液压泵故障诊断中的应用

针对在液压泵故障诊断中故障样本难以获得的问题,融合人工免疫系统中的实值否定选择算法和支持向量机算法提出了一种混合的故障诊断方法。在该混合方法中使用算法产生非己集合（故障样本）,将其作为算法的输入进行训练,解决了难以获得故障样本的难题。应用小波分析完成液压泵端盖振动信号的消噪及特征提取。最后用柱塞泵脱靴故障样本进行诊断,正确率可达90％,验证了混合诊断方法的有效性。     

基于改进一维残差网络的轴承故障诊断

针对现有一维卷积网络和残差网络在故障诊断方面的不足,本文将一维卷积网络与残差网络相结合,提出了一种基于改进一维残差网络的轴承故障诊断方法。该方法通过添加一条残差连接通道的方式,增加残差网络宽度,以学习更丰富的特征,提高故障诊断准确率。利用6种轴承状态对所提方法的分类效果进行了测试。实验结果表明,所提方法能直接利用振动信号,在较小训练与测试样本比的情况下实现故障诊断,当训练样本为90,测试样本为810(训练与测试样本比为1:9)时,驱动端故障诊断的正确率为99.6%;当训练样本为270,测试样本为630(训练与测试样本比为3:7)时,风机端故障的正确率为97.3%。     

基于小球大间隔方法的机械故障检测

针对机械故障检测中,正常样本多、故障样本少、训练样本严重不平衡的客观情况,将小球大间隔方法引入其中,提出了一种不平衡样本下的机械故障检测方法。该方法同时使用大量的正常样本和少量的故障样本进行训练,在特征空间中构造一个包围正常样本的超球,在该超球体积最小化的同时,进一步使超球边界与故障样本之间的间隔最大化,从而显著减小将故障情况误判为正常情况的概率。将该方法应用到滚动轴承故障检测中,并与传统的支持向量机和支持向量数据描述方法进行了比较,实验结果表明,该方法在解决不平衡样本下机械故障检测问题具有优越性。     

基于机器视觉的机械设备零件疲劳寿命检测方法

针对机械设备零件疲劳检测过程中,接触式的人工检测存在检测结果准确性较差的问题,提出一种基于机器视觉的机械设备零件疲劳寿命检测方法.通过采集机械设备零件的图像,使用改进中值滤波方法滤除图像中的噪声,根据多尺度边缘检测方法有效提取零件图像边缘部分,提取机械设备零件图像疲劳特征点.通过NSST逆变换将图像特征点融合,同时引入...