基于DTW的红外乘客计数方法研究

乘客上下车自动人数统计系统是一个亟待解决的难题,而传统的统计方法存在诸多不合理因素。本文介绍了使用红外传感器的自动乘客计数方法的原理和结构,同时引入动态时问规整算法对信号进行识别,但传统的DTW（Dynamic Time Warping）算法存在缓存空间大、对端点检测依赖性较强等缺点。作者对其进行改善并提出了具有良好的端点检测方法。实验统计结果表明,其准确率达到96％。     

基于频率特征的共享钢琴自动调音系统设计

针对传统共享钢琴琴弦音高检测方法准确率低的问题,导致钢琴自动调音效果差的问题,提出设计一个基于频率特征的共享钢琴自动调音系统。系统分别采用改进短时平均幅度端点检测方法和Autocorrelation-自相关算法对钢琴音频进行端点检测和特征提取,获取各音频间的自相关信息,从而根据其信息实现钢琴琴弦音高准确检测;之后通过电机控制方法和无线通信方式进行系统快速调音和自动控制。实验结果表明,提出的端点检测方法可钢琴音弦信号和噪声进行分离,且相较于传统FFT算法和Cepstrum-倒谱算法,提出的Autocorrelation-自相关算法可提升钢琴音高准确检测。且将该算法应用到系统中发现,设计的自动调音系统运行十分稳定,调音范围较广,调音精度保持在±5音分范围内,调音时间低于10 s,说明设计的系统调音速度快,效率高,满足自动调音需求。     

一种改进的检测语音端点的方法

在语音识别系统中产生错误识别的原因之一是端点检测有误差。针对短时过零率对噪声的存在非常敏感,本文引入一种判决门限,修正了传统过零率的计算。同时引入窗长动态改变的端点检测方法,并将两者有机的融合到传统的双门限端点检测算法中。试验表明这种算法可以比较精确的检测出语音端点,适合于对端点检测比较敏感的语音识别算法。使用改进后的语音端点检测方法,可以有效地提高语音识别率。     

一种基于视频的公交客流自动统计方法

为提高公交系统智能化管理水平,提出一种公交客流自动统计方法。采用直方图统计与多帧平均的方法提取视频背景,使用背景边缘去除算法得到乘客目标边缘轮廓信息。在此基础上,根据乘客头部轮廓的类圆特性,利用基于梯度信息的Hough变换圆检测算法完成乘客头部轮廓的识别,通过基于Kalman滤波预测的CamShift目标跟踪算法实现乘客的检测与计数。实验结果表明,该方法能有效消除背景图像中的噪声以及背景边缘,准确识别乘客目标并对其跟踪计数,从而提高城市公共交通运输效率。     

一种新的基于信息熵的带噪语音端点检测方法

在自动语音识别和变速率语音编码技术中,语音端点检测是前端处理的一个重要环节.而在实际的噪声环境下,一些传统的端点检测方法已不适用.该文提出了一种新的基于信息熵的语音端点检测方法,该方法通过对语音信号的短时功率谱进行谱分析,由此构造熵函数作为端点检测的特征参数.实验结果表明,该方法在噪声环境下性能优于传统的基于能量的端点检测方法.而且相对于基于频谱谱熵的算法,在低信噪比（SNR〈0dB）情况下,该文方法有更好的鲁棒性,可使平均检测精确度进一步提高约5%.     

一种语音端点检测的方法及改进

端点检测是语音信号处理过程中非常重要的一步,它的准确性直接影响到语音信号处理的速度和结果,因此端点检测方法的研究一直是语音信号处理中的热点。本文研究了传统的短时能量和过零率相结合的语音端点检测算法,修正了传统过零率的计算。同时采用窗长动态改变的方法对其进行了改进。实验表明改进后的端点检测方法能够比较准确地检测语音的端点。     

一种应用于嵌入式语音识别的端点检测方法*

端点检测是语音识别系统中很重要的一部分,端点检测的准确性直接影响语音识别系统的性能。提出了一种新颖的两阶段端点检测方法：第一阶段采用基于短时能量的边缘检测方法得到第一阶段端点;第二阶段采用统计直方图聚类削波求取阈值,并得到最终准确的端点。实验结果表明,与传统的端点检测方法相比,该算法在噪声环境中有更好的效果。     

嵌入式语音识别的前后端处理关键技术研究

在语音识别技术的研究中,语音端点检测和拒识是语音前后端处理的关键技术。在噪声环境下,传统的过零率和短时能量的端点检测效果会变得很差;频域的端点检测方法虽然较时域的端点检测方法鲁棒性更高,但是它需要进行大量的计算不能很好地满足嵌入式系统。针对嵌入式系统的特点,为提高语音识别能力,提出了基于统计理论的孤立词的端点检测算法,在一个相对较长的时间段内语音信号服从正态分布,而噪音信号主要存在于信号均值的一定方差范围之内。方法既满足了嵌入式系统的计算要求,又有一定鲁棒性。     

随身物品特征提取乘客计数方法研究

提出了一种基于随身物品特征识别的自动乘客计数方法,其目的在于实现公交线路上任意两站间的客流统计。该算法的原理是通过提取乘客身高体型特征、随身物品的颜色位置特征来对乘客进行识别和跟踪。针对公交车自动乘客计数的特点,本算法引入特殊的中值滤波、腐蚀膨胀和相关性分析等操作,能有效地辨识出乘客目标及其随身物品信息。并通过分区域处理进一步简化运算。最后通过公交车视频的图像处理实验,证明该算法切实可行。     

强噪声环境下改进的语音端点检测算法

为了提高强噪声环境下语音端点检测的正确率,克服传统的短时能量和短时过零率双门限语音端点检测算法在低信噪比（SNR）条件下检测性能急剧下降这一缺陷,提出了一种改进的语音端点检测算法。该方法对强噪声环境下的语音信号,首先进行小波阈值去噪,提高信噪比,再采用双门限法进行端点检测。实验结果表明,该算法具有一定的鲁棒性,在强噪声环境下仍能准确地进行语音端点检测,从而该算法的有效性得到验证。     

公交车乘客流量自动计数的P2DHMM技术研究

我国一些大中城市公交车运营管理采用了无人售票的刷卡系统管理,但是自动刷卡系统不能够满足车辆调度、运营规划等公共交通管理的要求,为了获取乘客流量的实际数据,开发高精度自动记数模型成为当前的热点和技术难点。我国现有乘客流量统计系统的精度在80%左右,造成精度问题的主要原因是在乘车高峰时段拥挤的状态背景条件下,一般模式识别算法和模型设计难以准确将单个人体识别和分割出来,为此,在充分调研的基础上,设计了采用普通数码摄像机和模板匹配方案,选择实验了先进的P2DHMM模型,模拟实验结果证实,该方法具有稳定的识别性能,为真实条件下的实验奠定了良好的基础。     

基于SSD卷积神经网络的公交车下车人数统计

传统典型的公交车人数统计方法在准确率和速度方面存在一些不足,且提取目标特征的效果较差.本文提出了基于深度卷积神经网络的公交车人数统计系统解决人群计数问题.首先制作数据集,难点在于所有用于训练的数据集均是手工标注.并且公交车摄像头角度比以往文献覆盖更广区域.本文首先比较了多种不同的深度卷积神经网络模型对乘客进行全身检测的效果.综合考虑检测速率、准确率等方面,最终采用单次检测器深度卷积神经网络模型对乘客进行人头目标检测,在线实时目标追踪算法实现人头的多目标追踪,跨区域人群计数方法统计公交车下车人数.系统准确率达到78.38%,运行速率约为每秒识别19.79帧.实现了人群计数.     

一种采用图象识别的射击竞赛自动判靶系统

本文给出了一种新的利用计算机进行图象识别的射击运动自动判靶和成绩管理系统。该系统采用了图象处理和模式识别的方法进行弹孔环值的自动计算,并通过换靶纸机的机械装置实现靶纸自动替换,而多靶位的成绩自动统计和排名是通过一个局域网实现的。该系统对传统的人工判靶方法进行了彻底的技术改造,在公正性、可靠性、精度、快速
速方便及成本诸方面比传统方法有更大的优势,对提高射击训练水平、提高射击竞赛管理的自动化程度以及比赛观赏性有重要意义。     

宽量程的气体超声测量

研究了一种针对管径和流量变化范围大的气体的超声流量测量系统的设计。利用传统流量计的原理．结合微弱信号处理技术和目前先进的CPLD高频电路设计技术，针对高精度、宽量程的要求，设计出具有数字AGC自动增益控制和纠错系统、高频计数系统在内的新型气体超声波流量计，它还具有主从处理器并行工作结构和多种输出方式。最后给出了该系统在实验室环境中测试的结果。     

基于动态分割和加权综合匹配的音乐检索算法

在模式识别领域中，音乐检索算法由于其易行和高效的特性而得到越来越多的重视。但是音符分割不精确和匹配模版不统一等问题直接影响MIR算法精确度。为解决上述问题，提出基于动态阈值分割和加权综合匹配算法。动态设定幅差步长，根据变化阈值分割音符，以提高音符分割的准确性。采用标准乐谱频率，转换音高模板实现输入归一化，以增强匹配的精确性。融合直接匹配和DTW匹配，以加强算法适应性和鲁棒性。最后由实验证明该方法的有效性。     

Merge-Weighted Dynamic Time Warping for Speech Recognition

Obtaining training material for rarely used English words and common given names from countries where English is not spoken is di?cult due to excessive time, storage and cost factors. By considering pe...     

内窥镜自动定位语音识别系统

提出一种基于特定人的内窥镜自动定位语音识别系统,通过识别特定医生的语音控制口令实现内窥镜的定位,为手持内窥镜操作提供更加智能化的解决方案。在识别算法上提出了参考模板归一化平均的动态时间规划（Normalized Average-Dynamic Time Warping,NA-DTW）算法,可获得更高的识别率,系统以片上Windows CE操作系统和ARM作为系统的软硬件平台。实验通过对10个不同测试人的共1250组测试数据进行识别检测,NA-DTW算法与传统DTW算法相比,识别率从96.6%提高到99.76%,运算时间从469 ms缩短到241 ms。验证了NA-DTW算法可以完成基于特定人、孤立词的语音识别功能,并满足嵌入式系统中的实时检测条件。     

图像处理技术在药品在线计数中的应用

将数字图像处理技术成功地应用于包装线上的中药丸在线计数，组成了一种低成本、高精度、全自动化的快速中药丸电子计数系统。该系统在机械取丸粗计数的基础上，采用数字图像处理技术完成了两次细计数，保证了数丸的高精度。全系统已经通过了试验验收。在中药和西药包装线上均具有较大的实用价值和推广价值。     

A fast hybrid computer vision technique for real-time embedded bus passenger flow calculation through camera

Bus passenger flow calculation system is a critical part of the smart public transportation framework. Bus passenger flow information can help to make data statistics report of the passenger at a bus station which can be used by public transport operator to evaluate the quality of the transportation. Statistics report of crowded passengers in the bus station help managers to understand the bus transit operations, can provide the database for the intelligent transportation scheduling, help to provide more and better services for passengers, overall data statistics of passengers has important practical significance to improve public transport environment. This paper presents a passenger counting algorithm based on hybrid machine learning approach. In the first step, an advanced method is used to extract the Histogram of oriented gradients (HOG) feature of passenger’s heads. Classification of head features is done by using support vector machine (SVM) as a classifier for the liner model. Heads are detected successfully after performing all steps. In next step Kanade-Lucas-Tomasi (KLT) is used to reality head tracking, the multiple target tracking is achieved and the head motion trajectory of passenger target is captured stably. At last, the trajectory is analyzed and the automatic counting of bus passenger flow is realized. In the last step, the proposed algorithm is move to embedded system for practical implementation. In this paper, the algorithm intends to use ADSP-BF609 embedded platform for transplantation. The experimental results demonstrate that the statistical accuracy of the proposed algorithm is enhanced successfully; especially during the daytime with the good illustration, the effective counting of the passenger flow is achieved and the inward and outward passenger counting can be realized. In this paper three feature extraction models are used namely local binary patterns, histograms of oriented gradients and binarized statistical image in order to get accurate features. Furthermore, three common classification techniques including naïve bayes classifier, boosted tress and support vector machines are used for fine classification of extracted vectors obtained from different features extractors model. 94.50% accuracy is achieved when support vector machine (SVM) classifies the features extracted using Histogram of oriented gradients (HOG). SVM surpasses the accuracy obtained by Boosted tree namely 81.30% using Histogram of oriented gradients (HOG) features.