基于Kinect的体育舞蹈动作检测系统的研究

为了解决在无人指导下体育舞蹈自主训练时,对体育舞蹈动作规范性的监督问题,提出了一种基于Kinect的体育舞蹈动作检测系统的研究.借助Kinect三维传感器采集体育舞蹈自主训练者的运动画面,获取体育舞蹈训练现场的原始运动信息.通过目标检测、特征提取、人体关节点检测、姿态匹配计算4个部分,来实现人体姿态估计算法的构建,进而...     

基于多维动态拓扑学习图卷积的骨架动作识别

图卷积由于其对图数据的强大表示能力被广泛应用于基于骨架的动作识别任务中.但是现有的图卷积方法在所有帧或通道上都使用共享的图拓扑进行特征聚合,这极大限制了图卷积网络的表示能力.为了解决这些问题,本文提出多维动态拓扑学习图卷积用于动态建模具有时序与通道特异性的拓扑结构.多维动态拓扑学习图卷积主要包含三个组成部分：纯粹节点拓扑学习图卷积（pure Joint topology learning Graph Convolution, J-GC）、动态时序特异性拓扑学习图卷积（Dynamic Temporal-Wise topology learning Graph Convolution, DTW-GC）和通道特异性拓扑学习图卷积（Channel-Wise topology learning Graph Convolution, CW-GC）.特别地,在DTW-GC中使用了动态骨架拓扑建模方法（Dynamic Skeleton Topology Learning, DSTL）,以高效地建模富含全局时空拓扑特征的动态骨架拓扑.将多维动态拓扑学习图卷积与多尺度时间卷积（Multi-Scale Te...     

基于软邻接时空图卷积神经网络的动作识别算法

动作识别被广泛应用于诸多领域,如智能监控、人机交互、智能医疗、机器人技术等。近年来,随着智慧城市建设的不断发展,人类动作识别的相关研究越来越受到学术界的关注。然而目前的基于神经网络的动作识别算法普遍存在着准确率低,鲁棒性差等问题。虽然这种传统的方法取得了良好的效果,但这种方法的效果与实际应用之间依然存在差距。为了进一步解决这些问题,设计了一个更有效的动作识别模型,即基于软邻接的时空图卷积神经网络的动作识别算法（spatial temporal soft adjacency graph convolution network, STS-GCN）。首先,将图卷积网络扩展到时间域,并在骨架节点之间引入潜在的相邻关系,从而可以自动学习空间时间维度上的隐藏动作信息;其次,模型引入了一种简易的空间注意机制,使其具有鉴别具有判别力的空间区域的能力,从而获得更好的识别效果;最后对该模型在NTU-RGB+D数据集上进行了实验。实验结果表明,与其他几个现有模型的结果相比,模型测试的识别准确率有所提高。这说明了引入软邻接矩阵的时空图卷积神经网络有利于模型提高动作识别算法的效果。     

基于BP回归神经网络的人体角度拟合研究

基于深度学习和深度摄像机的人体动作识别方法,受其应用场景所限,均不能对视频中快变场景和静态图像中的人体动作进行识别.本文中定义了人体肢体角度空间,使用基于深度学习的人体骨骼识别框架的骨骼数据,构建8个4层BP回归神经网络.对人体的骨骼数据提取和预处理后,再对训练数据进行增维处理,通过回归神经网络进行拟合,实验和测试结果表明,该方法可以有效的对人体角度进行回归,为快变场景和静态图像中的人的动作识别提供可靠依据.     

适应多种电压接线方式的备自投逻辑

备自投装置是电力部门保证用户连续可靠供电的重要手段,目前常规的备自投逻辑主要针对母线配置有电压互感器接线方式进行设计,无法适应母线电压取自线路电压以及无母线电压采集的应用场合,导致备自投装置的工程应用受限。为此,介绍一种适应多种电压接线方式的备自投逻辑,并通过综合分析备自投充电逻辑、有压/无压逻辑、备自投动作逻辑,提出了完善备自投逻辑的解决方案。工程实际应用表明,完善功能及逻辑的备自投装置完全满足工程实际应用要求,具有广泛的工程适用性。     

基于分类波动性统计的短期负荷改进区间预测方法

为支撑电力现货市场下实时交易与安全校核的需要,提出了一种基于分类波动性统计的短期负荷区间预测方法。首先,介绍了传统的负荷波动性统计分析及区间预测限值计算方法,通过将负荷历史数据标幺化处理,绘制负荷波动性分布直方图,计算在给定精度下的区间限值;接着结合我国实际,从居民、商业、工业三类用户出发,分别讨论不同类型用户负荷的波动性特点,在此基础上汇总形成全网负荷区间预测的上、下限值,实现对全网负荷的区间预测。最后基于某省实际数据构造的算例表明,通过深入分析不同类型负荷的波动性,本文所提出的方法能实现预测准确性和区间宽度的整体最优,在保证相同的预测精度的前提下,减少区间宽度,提高负荷区间预测结果的实用性。     

基于深度学习的环网柜局部放电信号特征识别

由于制造工艺和现场环境的影响,环网柜运行时会存在局部放电的现象。为深入研究局部放电的类型,提出了一种局部放电信号的特征识别方法。首先,搭建了电晕放电、沿面放电、悬浮放电3种放电模型的实验平台,采集了大量实验数据;然后,结合边际谱和卷积神经网络（convolutional neural networks, CNN）,通过模型参数寻优的方法建立了神经网络训练模型,开展了不同局部放电信号的特征识别研究;最后,与传统的特征识别方法进行了对比研究。研究结果表明：相对于VGG(visual geometry group)Net和AlexNet,ResNet34网络模型识别的准确率最高;边际谱图像提高了典型局部放电信号的辨识度,所提方法的准确率高达97%,明显优于CNN和支持向量机（support vector machine, SVM）。所提方法可为环网柜局部放电信号的研究提供技术支撑。     

考虑分布电容影响的煤矿供电系统漏电故障分析及定值整定

为进一步提高煤矿供电系统的安全可靠性,通过对煤矿低压和高压供电系统发生漏电故障特点进行研究,利用戴维南等效得到漏电流计算电路,分析漏电阻、系统总分布电容对漏电流的影响以及消弧线圈不同补偿方式下漏电流的特征差异。由于线路分布电容的存在,漏电后形成的漏电电流有效值远大于仅考虑绝缘电阻时的情况,在保证人身触电安全的前提下,给出了煤矿供电系统线路总分布电容限值,提出了考虑分布电容影响的漏电保护方案,根据方案可求得漏电保护动作整定值和保证人身安全的动作时间范围,实现考虑分布电容影响的煤矿供电系统漏电故障定值整定。     

基于图像处理的车距测量算法

针对公路上行驶的汽车,驾驶员由于种种原因很难判定车距而造成汽车相撞的问题,提出了一种基于图像处理的车距测量算法.运用双目视感系统采集车辆前方实时图像,通过模板匹配对采集到的图像进行前方车辆识别,在确认有车辆后运用视差原理进行车距计算.实验表明,该算法运算周期小于30 ms,识别准确率高达99％,在200 m视距内距离检...