基于关键帧定位和时空图卷积的异常行为识别

为提高监控视频中行人异常行为检测效率,提出了结合关键帧定位和时空图卷积的异常行为识别方法。该方法在人体骨架关键点检测的基础上,采用关键点运动特性定位视频中行人异常行为关键序列,利用时空图卷积网络可以提取行人时空特征的优点,在关键帧序列上构建人体骨架时空图,同时建立基于瓶颈残差模块的时空图卷积网络行为识别模型,实现对监控视频中行人异常行为的高效识别。采用自建数据集和公开数据集对该方法有效性进行检验,结果表明,该键帧定位算法可高效实现异常行为定位,结合基于瓶颈残差模块时空图卷积网络,在减少时空图卷积网络计算复杂度的同时提升了网络性能,能够有效判断行人异常行为。     

一种用于动作识别的双分支网络

动作识别是计算机视觉领域的一项重要任务,主要有基于RGB视频和人体骨架两种数据模态的领域,主流方法分别是3D卷积神经网络和图卷积神经网络。针对视频和人体骨架两种数据模态的不同特点,设计了双分支网络分别对两种数据模态进行建模。对于人体骨架数据,基于自注意力机制设计了图卷积神经网络,该算法能在基于骨架的动作识别任务中达到先进的性能。对于视频数据,采用3D卷积网络进行特征提取。同时,利用深监督方法对两种数据模态的中间特征进行监督,提高两种数据特征的耦合度,进一步提高网络效率。这种算法的网络结构简单,在NTU-RGBD60(CS)数据集上仅用3.37×10⁷的参数量可达到95.6%的精度。     

梯度向量直方图的行人检测

行人是道路交通的参与者也是受害者,计算机视觉的行人检测,由于其在车辆辅助驾驶系统中的重要应用价值,成为当前计算机视觉和智能车辆领域最为活跃的研究课题之一。为了快速准确地对行人进行检测,提出了一种梯度向量直方图的行人检测方法。该方法使用高斯平滑进行图像预处理,然后利用直方图相似性,选择一些具有强分辨能力的特征来表征行人,最后用(Haar)特征分类器,从目标和背景中获得的经过筛选的特征。实验结果表明,该方法对行人检测是快速且有效的。     

基于行人组运动信息表达的人群异常检测

人群异常检测是智能化人群监控技术下的一个重要研究方向,在现有的方法中,异常检测的首要步骤就是获取运动信息,传统通过对视频帧均匀分块的方式并不能保证行人的完整性,提取的特征也不能准确反映行人的运动状态。本文提出了递进式人群分组的方法,先将人群运动场与帧差法结合分割图像获取人群前景,然后依据人群运动方向获取方向组,结合时空信息对方向组再聚类,得到更细致的行人组。对于每个行人组,利用人群能量特征去表征行人整体运动信息,并依据能量场构造了环块能量直方图特征来削弱行人四肢摆动的影响,最后与图像外观特征相结合用于人群异常检测。实验结果表明,本文方法在两个不同场景下帧级准确率达到83%和92%,像素级准确率达到64%和83%,与传统方法相比有较大提升。     

基于特征的工程领域CAD模型检索技术

为利用CAD模型中的特征造型信息提高检索精度,提出一种以CAD模型特征拓扑结构为骨架、以特征为单元、以特征生成曲面的几何性为细节的模型检索方法。采用CAD平台二次开发技术,从CAD模型中提取各个造型特征的约束、依赖及建模参数信息,构建特征拓扑关系集、造型参数集与几何生成面集;依据几何性质对特征几何生成面进行分类,以曲面相似性计算为基础建立特征相似性计算方法;根据特征拓扑关系集构建模型特征拓扑骨架图,在定义特征权重的基础上,利用几何传递性对骨架图进行简化,采用计算最大公共子图的方法判定检索模型与被检模型的相似度。实验结果表明,该方法能够有效实现相似CAD模型检索,具有较好的精度。     

汽车－行人碰撞事故再现自动优化方法

为了提高事故鉴定的效率和客观性,提出基于数值仿真的汽车－行人碰撞事故再现的自动优化方法。该方法基于汽 车－整体行人假人碰撞的多刚体动力学仿真,通过将仿真值与实测值进行比较,自动调整仿真输入,得到最优的碰撞初始条件,从而再现整个事故的全过程。针对不同类型事故的优化问题,分析相应的优化模型,提出以汽车碰撞速度或制动延迟时间为优化变量,以人体损伤为约束条件,利用行人和汽车的停止位置信息构成目标函数。由于采用序列线性规划法为优化算法,同时兼顾了基于人车停止位置和人体损伤的事故再现方法,所以能较好地适应人车碰撞事故再现的非线性特点。利用商业化优化工具,应用上述方法对一起真实案例进行再现分析。并且,通过比对人体损伤的法医鉴定结果,以及目标函数响应面分析,验证该方法的可行性。     

热释电红外传感器在生物特征识别领域中的研究进展

步态识别作为生物特征识别技术的一个新兴子领域,旨在根据人的行走姿势实现对个体身份的识别。人行走过程中身体各部分的红外热辐射信号具有某种个体特征,该特征信息能够被热释电红外传感嚣有效检测。通过分析传感器的输出信号,就可以提取出人体运动的特征性数据,实现对不同人、不同运动状态的识别。本文对热释电红外传感器应用于生物特征识别领域的研究进展进行论述,从传感器的探测原理、在步态识别中的应用以及热释电信息的特征提取与分类算法进行总结,并对当前该研究方向上亟待解决的问题作简要的分析。     

基于三维深度卷积神经网络的车间生产行为识别

传统的依赖视频监控的人员行为管理方式费时且易产生疏漏,难以适用复杂的生产制造环境,为了实现更加有效的人员行为管理,针对生产车间工作人员行为识别与智能监控问题,提出一种基于人体骨架信息的生产行为识别方法。基于三维深度视觉传感器采集人体骨架关节位置数据,用标准化重构方法对骨架关节数据进行归一化处理,合成人体行为的时空特征RGB图像。在此基础上构建深度卷积神经网络模型,进行时空域的生产行为识别。最后通过CUDA GPU加速环境下面向MSR-Action3D数据集和自建验证数据集NJUST3D进行实验验证,说明所提方法具有较高的准确率和实用价值。     

基于人体损伤特征的车—人碰撞事故再现模拟与分析

分析车—人碰撞事故中两类行人数值模型的特点,多刚体行人数值模型建模简单,计算速度快,有限元行人数值模型计算精度高,可以对人体局部损伤给出精确的力学分析。结合上述两类模型的特点,提出面向事故中人体损伤特征的组合式模块化行人假人数值模型构建方法,并以车—人碰撞事故中常见的下肢损伤为例,建立多刚体—有限元耦合接触的人体下肢模型,对此模型进行合理性验证。应用上述两类模型,对一起典型的车—人碰撞事故进行分析,通过多刚体模型对车辆速度进行判断,利用多刚体—有限元耦合的人体下肢模型对事故中的下肢损伤进行数值分析。数值模拟结果表明基于人体损伤特征的行人建模方法可以在事故再现中达到计算精度和效率两方面的平衡。     

一种以拓扑结构信息为骨架的线缆数字化模型

针对机电产品中复杂线缆的拓扑结构、几何和繁杂工程语义信息统一表达难的问题,提出一种以拓扑结构信息为骨架的线缆数字化模型。该模型将线缆抽象为多层次的基本元素,分别建立基本元素间的包含关系和连接关系无向图来表达其复杂的拓扑结构,并以此作为骨架,在不同的基本元素集合上关联线缆的几何通路、电气连通、工程材料等信息,实现了对线缆多方面工程语义信息的表达。提出了对该模型信息的检索方法,以及创建三维线缆实体模型的方法。最后,对基于该模型开发的线缆数字化取样、线缆装配仿真等软件模块进行了工程实例验证,结果表明该模型可有效表达不同应用中线缆的复杂结构和多方面的工程语义信息。     

一种机器人自主思维方法

类人智能一直是人工智能和机器人领域的研究重点,如何完善周边信息及对大数据的获取、处理、存储、信息挖掘更是当前研究热点。文中根据人体生物特征,利用多传感器综合对周边环境进行完整,利用数据降维与稀疏学习的技术完成大数据的处理及信息挖掘,并建立一种机器人自主思维模型。进一步提升了机器人的智能性,使之能对实时环境的空间大数据实行处理,并做出自主性反应,具有更强实用性。     

基于双目视觉和约束条件的行人目标定位

针对行人检测中计算量大、训练分类器耗时和无法满足实时性要求等问题,提出了一种基于双目视觉的行人目标定位方法。该方法利用图像处理技术获取候选轮廓,将轮廓的几何特征作为约束条件来筛选候选轮廓;利用双目视觉获取轮廓的深度信息后,将深度信息作为约束条件对候选轮廓进行进一步筛选。通过深度信息和几何信息的共同约束,识别出行人的头部轮廓,从而实现对行人目标的定位。实验结果表明,该方法减小了计算量,提高了检测精度。     

基于视觉压缩感知的传感网络行人目标辨识方法

行人目标辨识是指在视觉传感网络中识别检测到的目标,对智能安防具有重要意义。对行人目标辨识所需数据进行压缩可提高视觉传感网络行人目标辨识的实时性。提出了一种基于视觉压缩感知的传感网络行人目标辨识方法。无线视觉节点获取行人目标图像后,首先提取图像中行人脸部的尺度不变特征,并采用特征字典对目标进行稀疏表示,得到目标特征直方图。然后视觉节点应用压缩感知方法对特征直方图进行数据压缩,并传输至中心节点。最后,中心节点应用非负正交匹配追踪算法重构特征直方图,并采用支持向量机对特征直方图进行分类辨识。实验表明,该方法能够在不影响行人目标辨识准确率的前提下,有效减少在视觉传感网络中进行行人目标辨识时所需传输的数据量。     

智能制造领域的数字孪生技术研究可视化知识图谱分析

近年来智能制造已成为制造业未来发展的重要方向,作为践行智能制造理念与目标的数字孪生技术,为解决智能制造过程中的信息物理融合难题提供了有效手段,受到世界各国的广泛关注。为全面解析数字孪生技术在智能制造领域的研究动态和发展趋势,检索Web of Science(WOS)和中国知网(CNKI)数据库的数据源,采用Citespace5.7软件梳理了2011～2021年发表的国内外相关文献,绘制出科学知识图谱,并从文献特征、科研合作、研究热点及前沿分析等不同维度进行定性与定量分析。最后从技术层面和应用层面两个角度预测数字孪生技术在智能制造领域的发展趋势。     

机器人视觉中行人和车辆检测算法的研究

对车辆和行人进行快速且准确的检测是机器人视觉和自动驾驶领域的一个难题，为了解决这个难题，提出一种基于深度学习网络的行人车辆检测算法，这是一种端到端的单阶段检测方法。主要使用多级跳跃连接网络和多级特征融合网络。多级跳跃链接网络在特征提取阶段避免了反向传播过程中的梯度消失、爆炸和退化等优化问题，从而提高检测精度和模型的收敛速度。多级特征融合网络对来自不同层次的多尺度特征变化尺度后进行特征信息融合，可以提取到比较低层的信息以提高算法的精度。这里的算法在多个公开的数据集上进行实验，实验结果表明，与目前的一些主流算法相比，行人和车辆的平均检测精度大幅提高，在精度提高的情况下，具有更快的检测速度，有较高的应用潜力。     

轿车保险杠泡沫密度对行人腿部保护研究

近年来,随着我国汽车行业的迅猛发展,交通事故中行人的死亡率逐年增加,行人保护研究作为汽车安全的新兴领域已经引起了广泛关注,为减少在交通事故中对行人的伤害,基于有限元方法,分别建立汽车前部结构以及小腿冲击器的有限元模型,并采用LS-DYNA软件模拟人车碰撞过程,选取不同的泡沫密度进行仿真模拟,并且与试验进行对比。结果表明,降低保险杠泡沫密度后,汽车前部结构对行人的伤害明显降低,该结论可为汽车前部保险杠的设计提供参考。     

基于多元回归的人体动态视觉定位方法

提出了一种低精度视觉设备布置环境下的单目视觉人体动态定位方法,通过构建的人体定位多元回归预测模型,建立人体从2D图像空间到3D位置空间的映射关系,无需对视觉相机进行内外参数标定。首先,采集人体的2D图像序列和3D坐标位置序列,构建时间同步的视觉人体定位样本集;其次,通过人体骨架检测算法提取样本集中2D图像的人体骨架信息,进而选取并构建适用于人体定位的关键特征;然后,训练基于多元回归的人体定位模型,采用基于L_1惩罚项的嵌入型特征选择方法和K-fold交叉验证方法,在模型训练过程中实现特征选择和超参数估计;最后,对获取的人体定位模型进行定位误差评估,实验结果表明模型的均方根定位误差为2.95 cm,验证了所提方法的可行性及有效性。     

基于车辆-行人碰撞颅脑伤防护的参数研究

研究了汽车行驶速度及前部结构各设计参数对行人颅脑损伤的影响，讨论了颅脑损伤防护的可行性措施。运用多刚体动力学软件Madymo建立了基于不同车型参数的汽车前部结构数学模型以及行人人体数学模型，进行了车辆-行人碰撞的计算机仿真，并对仿真结果进行了分析研究。研究表明，汽车行驶速度、发动机盖盖沿高度以及发动机盖和挡风玻璃的刚度等参数对行人颅脑损伤影响显著。     

三维模型特征面分级过滤检索技术研究

为了弥补基于统计特征提取算法对三维模型的内容描述不够充分,以及识别能力不高的缺陷,提出了三维模型特征面分级过滤检索方法。在线下阶段对IGES格式的模型文件进行解析,得到模型的面属性信息。在线上阶段手绘输入模型特征面对模型进行多级过滤,再根据归类统计的特征面数据表转化的模型特征向量进行精确检索,并通过距离算法进行相似性计算和排序。实验结果表明:该检索方法在效率和准确率上有所提高,并且能够满足一般工程检索的需要。     

基于骨架和灰色关联分析相结合的机械零件三维模型检索

提出了一种将模型骨架和灰色关联分析相结合的机械零件三维模型检索方法。首先简化机械零件三维模型,忽略倒圆、倒角、孔等附加特征,得到无中空结构的连贯模型;然后基于电场法提取简化后的机械零件三维模型的骨架,所提取的骨架表达了零件模型的形状和拓扑结构特征,并将骨架转换成特征曲线;最后运用灰色关联分析方法计算特征曲线的相似关联度,从而得到机械零件三维模型的相似度。实例验证和实验分析表明,该方法能准确地检索出相似的机械零件三维模型。