基于生成对抗网络的变电站工作人员行为预测的方法

提出了一种基于视频场景、利用生成对抗网络来整合全局和局部信息的变电站工作人员异常行为预测方法。在变电站中,此方法可以用来对运检人员在作业过程中可能触发危险的举动发出及时警告,从而为运检人员的生命安全提供重要保障。人类行为预测任务旨在基于给定的行为视频帧来预测未来的行为视频帧。考虑到人类行为视频中既包含相对稳定不变的场景信息,又包含时变复杂的人类行为信息,本方法首先使用全局生成对抗网络来生成视频场景以及粗糙的人体轮廓;然后再利用局部生成对抗网络来进一步优化视频中的人类行为细节。实验表明,与现有的仅利用单一模型来实现像素级别的行为预测的方法相比,本文所提出的全局和局部生成相结合的方法可以更好地捕获视频中人类的空间外观和时序动态。     

公路大件运输车组弯道轮廓通过性分析

弯道轮廓通过性分析是大件运输车组安全通过弯道的一个重要方面。本文通过弯道几何条件和车组数据，建立弯道轮廓表达模型和大件运输车组轮廓函数表达式，通过分析弯道轮廓通过性的要求，建立以方向盘转角总和最小为目标函数的大件运输车组安全行驶轨迹优化模型，使用遗传算法求解并运用TruckSim – Simulink进行实例仿真，结果显示大件车组能够安全通过弯道，验证了模型及算法的有效性。