基于战术规划识别的网络信息安全研究

随着信息化进程的深入和互联网的迅速发展,网络安全问题日渐突出。文章基于战术规划识别思想,构建了一个对敌意攻击的识别与应对系统模型。对获取的信息进行处理后,将其形式化为待识别的动作或者状态,通过匹配,生成假设,假设排序,动态跟踪预测,进行有效的应对,从而保障信息安全。     

基于软件定义智能的睡眠动作识别

基于软件定义智能层次化模型设计了一种睡眠动作识别系统,该系统可通过规则推理来应对智能环境中的各种变化因素.设计了一种时间队列实时提取动作特征来训练模型,提出了一种规则提取算法从该模型中提取系统所需规则.该系统基于这些规则可识别9种睡眠动作,每种动作的识别精确率均可达到96％以上,总识别准确率达到98.9％,且比其它系统适应性更强.实验结果表明,该系统通过更新规则可快速应对节点位置、节点数量和用户需求的变化.     

基于空间骨架时序图的舞蹈特定动作识别方法

随着机器视觉技术的发展,人体动作识别逐渐成为热门的研究方向,但其在舞蹈动作识别领域的应用研究则处于起步阶段。文中将基于深度学习的人体动作识别技术引入此领域,以实现辅助训练的智能化。文中首先分析最先进的人体动作识别算法,在计算机视觉方面的优势与在特定领域的局限性。在此基础上,提出一种基于空间骨架时序图的舞蹈动作识别算法。该算法先使用PAFs对舞蹈视频中的舞蹈演员提取骨架节点,再生成骨架序列。最后,结合LSTM对其进行动作识别。测试与分析结果表明,该算法可针对Balletto舞蹈视频数据库进行识别,且可有效识别舞蹈动作,实现对舞蹈演员的动作纠正。     

多智能体强化学习飞行路径规划算法

为了减轻现代空战中大量信息处理给飞行员带来的负担,同时为了实现无人机航路自主规划,提出了一种基于多智能体强化学习理论的飞行路径规划算法.该算法采用多智能体强化学习的方法,采用两个功能不同的智能体,分别对应局部和全局路径规划.该算法对状态和动作空间进行划分和抽象,有效地减少了状态的数量,解决了强化学习维数灾难的问题.最后用Matlab对此算法进行了数字仿真,验证了算法的可行性,仿真实验结果显示该算法收敛速度快,能够解决飞行路径规划的任务.     

特征降维和高斯混合模型的体育运动动作识别

为了解决当前体育运动动作识别方法的不足,以获得更优的体育运动动作识别效果,提出特征降维和高斯混合模型的体育运动动作识别方法。首先采集体育运动动作的视频图像,并提取体育运动动作的特征向量,然后采用随机投影算法对特征向量进行降维处理,最后采用高斯混合模型对降维后的训练样本进行学习,构建体育运动动作识别模型,并采用各种体育运动动作数据集对性能进行测试。结果表明,该方法获得了理想的体育运动动作识别结果,而且识别正确率高于其他体育运动动作识别方法。     

基于Open Pose的角色动作提取

文章利用基于OpenPose的人体姿态识别算法,将动画或者视频中的人物动作进行处理,实现对角色运动数据的捕获;采用基于运动捕捉数据的关键帧提取算法来获取角色运动的关键帧。实验结果表明,该方法具较高的识别准确率,并且能够提取出对原动画或视频具有概括力的关键帧。     

基于多任务学习的人体动作识别

为了准确识别现实场景下的人体动作,提出了基于多任务学习的人体动作识别方法。首先,对数据进行局部显著点的检测和特征描述。然后,利用K均值算法对所提特征进行聚类构建词袋模型。最后,利用任务之间的关系,实现现实场景下的人体动作识别。比较实验说明所提出方法能够较好的识别现实场景下的人体动作,并对数据背景、光照条件等外因具有较强的鲁棒性。     

粒子群优化神经网络的体育动作识别

为了提高体育动作识别的准确性,提出一种粒子群优化神经网络的体育动作识别模型。首先采用背景差法对体育视频图像处理,获得体育动作轮廓,实现体育动作分割,然后提取体育动作的特征,并对特征进行核主成分分析,最后采用BP神经网络对特征向量进行训练,并通过粒子群优化算法选择BP神经网络参数,建立体育动作识别的分类器。测试结果表明,该模型提高了体育动作的识别率,降低了误识率,可以满足体育动作的在线识别要求。     

基于Kinect的人体动作识别算法研究

针对现有的复杂背景下人体动作识别中存在识别准确率不高和实时性不强等问题,提出基于Kinect骨骼数据的改进动作识别算法。通过Kinect获取骨骼数据,提取出人体关节的特征向量,然后用模板匹配的方法对人体动作进行识别。通过搭建机器人体感控制系统验证了算法的可行性。在相同实验条件下测得算法的平均识别率为95.2%,平均识别时间为32.5ms。与其它动作识别算法比较,证明了算法的识别率较高、实时性较好。     

基于运动及形状原语的人体动作识别

为了进行动作识别,需要对动作的运动与形状信息进行特征表示与建模。由于动作可以由一系列原语即子动作构成,提出了一种新的基于运动特征和形状特征的原语提取及动作表示方法。该算法首先从动作的运动特性出发,通过分割每一帧中的运动区域来提取运动特征,同时利用梯度直方图提取形状特征。通过分层聚类的方式提取具有类内代表性及类间判决性的原语,并利用混合高斯模型对原语进行特征表示。最后利用基于运动及形状原语的序列匹配进行动作识别。实验表明,该算法在KTH和UCF数据集上较现有方法取得了更高的识别正确率,分别为95.14%和90.00%。     

基于骨架运算的动态手势定位及识别算法

为满足在不同背景条件下用户的手势识别需求,提出了一种对于动态手势定位及识别的算法。在摄像头固定、目标移动的前提下,采用ViBe算法对背景建模后结合肤色检测,对手势目标区域进行检测。文中提出了掌心的定位方法,算法利用形态学骨架运算提取图像特征,为解决用户不同衣着和动作造成判断区域的多样性和不确定性,进行有效区域选取后定位掌心坐标,根据掌心坐标通过似圆度和掌心极坐标进行手势定位和识别。实验结果证明,所提算法能够在复杂背景下准确地对手掌高于手肘的手势判断出掌心点,分割出手掌并进行手势识别,该算法同时拥有较好的鲁棒性和实时性。     

面向渐冻人设计的有意识地眨眼交互系统

渐冻症患者随着病情的发展会逐渐丧失语言功能,无法通过语言表达内心需求,造成较大的心理压力,为了帮助渐冻人能够轻松地与外界交流,本文为渐冻人设计了一种人机交互系统。由于患者会逐渐丧失行动能力,本文设计了眨眼识别算法,该识别算法能够识别出眨眼的面部动作,并且区分接收到的眨眼信号是否为患者有意识地眨眼。交互系统配以图形界面,图形界面内置了虚拟软键盘,用户能够不通过敲击键盘实现打字输出。设计的交互系统以眨眼作为人机交互方式,系统将接收到的眨眼信号传入图形界面,图形界面通过虚拟软键盘实现输出功能。患者虽丧失了语言功能和行动能力,但可以通过该交互系统实现眨眼打字,舒缓心理压力。     

基于TVNS的敏捷对地观测卫星自主动作规划算法

针对敏捷对地观测卫星自主动作规划问题,建立了基于时间线约束网络的问题模型。通过对模型的分析,归纳出9种卫星动作序列,确定了各种动作序列之间的衔接关系,并在此基础上设计了动作时间的计算和调整方法,提出了基于三阶段变邻域搜索(Three-stage Variable Neighborhood Search, TVNS)的敏捷对地观测卫星自主动作规划算法。算法以任务调度结果作为初始解,分3个阶段,使用2种邻域结构进行变邻域搜索,实现了任务到动作的转换。通过实验证明了基于TVNS的敏捷对地观测卫星自主动作规划算法的有效性。     

基于层级化特征的人体动作识别

人体是非刚性物体,随着人体形状的变化,底层特征也会发生剧烈的改变,如何在剧烈变化的人体动作中发现其不变性是解决人体动作识别问题的关键。提出了一种基于层级化特征的人体动作识别算法。首先,基于Harris3D检测算法从动作视频中提取人体动作的底层特征;之后,根据人体结构对特征进行区域性的划分,并根据区域划分的精细程度得到高,中,低三层特征集合。利用词袋模型对特征点进行统计,使不同层级的特征映射到相同的特征维度空间。最后,使用隐条件随机模型对人体动作进行训练和识别。大量的实验结果也证明了层级化特征在人体动作识别上的稳定性。     

基于3D人体骨架的动作识别

本文提出了一种基于3D人体骨架的动作识别方法.该方法以3D人体骨架为基础,将骨架中关节点的位置重新定义,形成简化的立体骨架模型,进而采用改进的动态时间规整算法（Reformative Dynamic Time Warping,R-DTW）对齐动作序列并进行识别.由于人体大小、形状、动作方式等差异,任意两个人表达同一动作都不尽相同,简化的立体骨架模型能有效缓解这种类内差异性.传统的DTW算法存在计算复杂性高,效率低的问题,本文在传统算法的基础上设计了"一次规划,二次细化"的方法,有效降低计算量,提高计算效率.该算法在MSR 3D Action数据库上的实验验证了其有效性.     

基于热释电红外传感器的人体动作识别方法

针对目前人体动作识别技术中存在的隐私暴露、技术复杂度高和识别精度低等相关问题,提出了一种基于热释电红外（PIR）传感器的人体动作识别方法。首先,采用一组安置在天花板上经过视场调制的PIR传感器采集人体运动时散发的红外热辐射信号,将传感器输出的电压模拟信号进行滤波放大后通过ZigBee无线模块传送到PC端打包成原始数据集;其次,将原始数据的两路传感器输出数据进行特征融合,对融合后的数据做标准化处理封装为训练集和测试集;然后,基于数据的特征提出一种两层级联的混合深度学习网络模型作为人体动作的分类算法,第一层采用一维卷积神经网络（1DCNN）对数据进行特征提取,第二层采用门控循环单元（GRU）保存历史输入信息防止丢失有效特征;最后,利用训练集来训练该网络模型得出参数最优的分类模型,通过测试集验证模型的正确性。实验结果表明,提出的该动作识别技术模型对基本动作分类的准确率高于98%,与图像动作识别或穿戴式设备动作识别相比,实现了实时、便捷、低成本和高保密性的高精度人体动作识别。     

突发自适应调制信号的调制识别算法研究

针对突发自适应调制信号中的PSK和QAM调制方式识别问题,本文提出了一种能够识别BPSK、QPSK、8PSK以及16QAM、32QAM、64QAM、128QAM、256QAM八种信号类型的盲识别算法。该算法首先对信号的循环平稳性进行了分析和讨论,给出了利用循环高阶累积量的特征实现信号识别分类的理论依据。然后,提出了三种基于循环累积量的特征分别实现了QAM和PSK类间识别、MPSK类内识别以及方形QAM与十字形QAM的识别。最后通过对MQAM信号的瞬时幅度分布特性的深入研究和分析,提出了一种基于瞬时包络平方的方差的特征实现了QAM的类内识别。该算法选择了二叉树支持向量机作为识别分类器,并设计了一种新的识别流程完成了对上述信号调制方式的识别。该算法无需精确同步,对载波相位具有较好的鲁棒性,并能够对中频信号进行识别。仿真实验表明,该算法能够实现在较低信噪比条件下突发信号的识别。      

基于深度学习的人体骨架动作识别

基于人体骨架的动作识别具有鲁棒性和视点不变性的优点,为进一步提高骨架动作识别的识别率,打破以往大部分基于深度学习的方法的输入内容为人体关节坐标的局限性,文中提出一种将几何特征与LSTM网络结合的人体骨架动作识别算法。该算法选择基于关节与选定直线之间距离的几何特征作为网络的输入,引入了一种时间选择LSTM网络进行训练。利用时间选择LSTM网络拥有选出最具识别性时间段特征的能力,在SBU Interaction数据集和UT Kinect数据集上分别取得了99.36%和99.20%的识别率。实验结果证明了该方法对人体骨架动作识别的有效性。     

基于深度图的驾驶舱内飞行员动作识别

驾驶舱内飞行员工作量的计算需要飞行员的动作数量、动作时间等动作信息。目前,关于动作识别的研究一般都是对特定动作,如走、跳等的识别,无法应用于驾驶舱内的飞行员。同时,由于飞行员操作基本由手来完成,因此对飞行员的动作识别基本可以认为是对手部动作的识别。据此提出一种基于深度图的飞行员动作识别方法,该方法先通过对飞行员手部进行跟踪,再通过基于动作段的方法确定飞行员动作。此外还提出一种触发方法,以实现系统对动作的自动识别。实验结果显示,所提方法的动作识别率约为94.06%,表明该方法能够有效地识别飞行员动作。     

微弱GPS信号捕获算法研究

本文提出了一种改进的分段叠加捕获算法。其具体做法是将接收到的信号分为多段,然后对每段信号进行叠加,再对叠加后的信号做C/A码相关和FFT操作,该算法能够识别-20db信噪比下的GPS信号。论文对该算法进行了仿真与分析,说明该算法具有较高的应用价值。