视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

井下有轨运输机车自动化控制系统设计应用

针对井下有轨运输机车存在人工控制繁琐,运输效率、安全性和自动化水平较低的问题,借助PLC控制技术、RFID射频识别技术、变频调速技术、无线通信技术等设计了一套有轨运输机车自动化控制系统。根据设计的系统总体架构,介绍了各部分功能,重点确定了硬件和软件方案。通过系统的投入使用,实现了运输机车的数字化和自动化,具有一定的应用参考价值。     

基于EDContours和EDCircles的胚胎自动识别算法

针对EDCircles算法在胚胎边缘检测上存在部分丢失的问题,集成EDContours算法,获得精确的胚胎边缘;结合EDCircles中的EDLines算法获得线段图,依据直线向量间的夹角和方向约束,将线段连接成弧,应用最小二乘圆拟合算法和增强的直接最小二乘椭圆拟合算法,输出圆和椭圆检测图;设置圆半径与椭圆短轴的约束值,去除伪圆和伪椭圆,给出最终的检测结果。实验结果表明:该算法具有良好的准确性与通用性,能够实现胚胎卵裂球的快速检测和精确定位。     

互联网视听节目监管系统简介

现阶段国内最先进的一个查询搜索技术就是互联网视听节目监管系统，该系统具有将各类媒体信息进行综合分析的功能，所以必须要具备适用于多种形式的模态信息分析工作，它能够将各种格式以及形式的信息监听形式综合为一体有利于多互联网上的音频网站以及数据资料进行自动识别与分类，通过这些手段来实现网络管理的智能化，提高公共网络健康安全的全民监督，以提高对公共信息网络的管理效率，提供合理、有效的技术手段。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

YOLOv2在煤岩智能识别与定位中的应用研究

综采工作面煤层走向复杂，采用“一刀切”的开采方法会加速滚轮截齿的磨损，同时开采效率也大幅降低，对煤岩的精准识别是解决此类问题、实现智能开采的关键。将基于回归方程的深度学习目标检测算法YOLOv2与线性成像模型相结合并通过该算法对井下采集煤岩图像进行了智能识别与定位，同时与Faster R-CNN，SSD对煤岩图像的识别结果进行了对比。结果显示YOLOv2对煤岩的识别精度达到了78%，检测速度达到了63 frame/s，与Faster R-CNN，SSD相比精度高出7.7%，4.7%，而检测速度高出763%，40%；在矿井测量坐标系中YOLOv2标定的煤层边界框角点的计算坐标与实测坐标相比相对误差在3.0%～4.5%之间，相对误差较小，不会对采煤效率产生影响。研究结果表明，YOLOv2可以对煤岩进行准确快速的识别。