利用高光谱激光雷达检测木材的霉变与含水量

为了快速无损地检测评估木材的霉变及含水量，利用高光谱激光雷达系统主动获取木材的高光谱数据，设计了一种分析霉变特征并建立含水量预测模型的方法。首先选取白松为样本，进行时长为4个月的间隔性测量，分析其霉变发生发展过程(正常、潮湿和霉变状态)的光谱特征变化；然后在分析样本不同含水量光谱特性的基础上，采用竞争性自适应重加权采样算法、连续投影算法及竞争性自适应重加权采样-连续投影组合算法提取特征波长；最后分别建立偏最小二乘回归预测模型。结果表明，正常状态的光谱反射率最高而霉变状态最低；当霉变状态稳定时，光谱反射率随时间变化缓慢并趋于稳定；基于竞争性自适应重加权采样-连续投影组合算法建立的模型预测性能最佳，预测集的相关系数和均方根误差分别为0.9073和0.7564。利用高光谱激光雷达主动获取的高光谱信息可以评估木材的霉变并实现含水量预测，为木质建筑的快速无损检测提供了新思路。     

基于 3D SE-Densenet 网络的视频暴力行为识别改进算法

针对传统暴力行为识别算法精度不高和三维卷积神经网络参数多的问题，本文提出一种基于 3DSE-Densenet 网络的视频暴力行为识别改进算法。采用 3D Densenet 模型提取视频中的时空特征信息，SENet（Squeeze-and-Excitation Networks）按照时空特征的重要性程度进行加权处理，根据加权的时空特征识别视频中的暴力行为。实验结果表明，本文提出的 3D SE-Densenet 方法在 Hockey Fights Dataset 和 Movies Dataset 上识别准确率分别达到 99.1% 和 100%，可较准确地识别暴力行为，准确率高于传统方法。