基于视觉传感器采集光流特征的精神疾病识别方法

目前,精神疾病的筛查主要依靠临床医生的访谈和问卷进行评估,具有高成本、主观性等问题。本文提出了一种基于视觉传感器采集光流特征的精神疾病识别方法,可以实时监测和预警,以较低的成本和非侵入性的方式来进行精神疾病的辅助筛查。该算法通过视觉传感器全面采集患者的面部数据来提取光流特征,输入TSMOSNet进行训练。TSMOSNet以TSM为基础网络进行改进,替换普通卷积为光流提取头,针对视觉传感器采集而来的光流特征图进行密集采样,并添加了时序注意力模块、DML蒸馏和VideoMix数据增强等方法,增强了视觉特征,以提高精神疾病识别的准确率。实验结果表明,在H7-BDSN数据集上相比于其他方法,本文提出的识别算法在精神疾病的筛查任务中取得了最好的效果,准确率为85%,F1分值为0.84。     

一种节点混合运动的有向传感器网络强栅栏构建方法

有向传感器网络栅栏覆盖在入侵检测方面发挥着重要作用,现有的有向传感器网络栅栏构建方法存在节点利用率不高、栅栏构建率低等问题。本文设计了一种节点混合运动的有向传感器网络强栅栏构建方法,构建时先将节点沿着部署线进行部署,完成初始子栅栏节点和冗余节点的归类,随后对间隙处节点进行旋转以拼接子栅栏,无法拼接的间隙需要建模以寻找栅栏间隙待修复位置,使用Hungarian算法对冗余节点的派遣方式进行优化,以更低能耗使冗余节点移动到待修复位置,完成最终的构建工作。仿真实验表明,该方法对于增加节点利用率,提高栅栏构建率具有较好的性能。     

无线传感器网络中多日冕分割定位算法的设计

无线传感器网络中结点定位一直是研究热点。本文提出了一种新的基于多日冕分割的定位技术来计算节点的位置。我们利用跳数形成的日冕来划分传感器网络,并将非锚节点锁定在一个日冕层中,当多个锚节点的日冕相交时,重叠相交区域被认定为非锚节点可能所在的位置。随着锚节点数量的增加,更多的日冕层将逐渐缩小至交叉点区域来进行结点定位。仿真结果表明,本算法在较少的锚节点情况下就可以达到较高的定位精度。本文还设计了一种快速计算相交区域的算法,在很大程度上减少了计算量,便于在传感器节点中应用。最后,我们将多日冕分割定位算法与LSVM、DV-Hop和CAB进行了比较,实验结果表明多日冕分割定位算法的定位精度明显优于LSVM和DV-Hop,在噪声环境下也优于CAB。     

面向非稳态场景的生命体征监测优化方法

使用基于调频连续波的毫米波雷达监测生命体征信息,具有无接触、隐私保护性好、高分辨率以及抗干扰性好等优势,逐渐成为研究热点.然而,目前研究者主要关注如何提高被测对象处于稳态（如静止）时的体征监测效果,但受制于肢体运动对雷达信号的干扰,使得该技术在非稳态场景中的应用受到限制.提出一种基于人体运动状态识别的非稳态场景体征监测方法,以best-effort方式实现了存在大幅度肢体动作的场景中对体征信息的监测,并且能够识别对应的动作类型.首先,根据运动特征计算出带有距离-主导速度信息的特征频谱图.其次,使用一种滑动窗口采样方法以采集连续样本.随后训练ResNet-18网络来识别运动状态以及分类运动类型.最后,基于运动状态分类结果,在运动间歇期提取信号的相位信息,采用变分模态分解算法进行呼吸速率和心率的提取.实验结果表明,训练后的网络可以精确地识别运动状态和运动类型,识别准确率接近97%,识别延迟小于1.1 s.对呼吸和心率的监测结果的平均绝对误差（MAD）下降到1.7 bpm和3.4 bpm.     

贪心选择在地铁站内行人疏散中的应用

大型室内场所空间布局较为复杂(如地铁站), 人群的高密度聚集往往存在一些潜在的风险. 本文在分析国内外人群快速疏散研究现状的基础上, 提出了一种基于贪心选择的行人疏散方法. 该方法以地铁站内复杂场景作为研究背景: 首先, 针对地铁站内的行人的行动轨迹难以获取问题, 本文利用地铁站内行人真实出站数据, 基于元胞自动机, 构建了行人疏散轨迹半仿真模型, 并利用实际流量数据优化该半仿真模型; 其次, 基于该轨迹模型, 为了满足高动态场景中的实时性, 采用复杂度较低的贪心选择策略分配最优疏散出口; 最后, 以杭州武林广场地铁站为例, 使用真实出站数据设计对比实验, 验证行人轨迹模型的有效性以及出口分配方法的性能. 结果表明, 本文所提出的行人轨迹模型能够较好的模拟行人的轨迹, 仿真中各出口疏散人数同真实出站数据拟合程度的可决系数R2达到了0.67. 相较于最短路径和最短时间出口分配方法, 本文所提出的方法在整体疏散效率上分别提高了27.2%和16.5%.