采用循环神经网络的战场空中飞行目标型号辨识方法

针对战场空中飞行目标型号辨识不清的问题,提出了一种采用长短时记忆（Long Short-Term Memory,LSTM）循环神经网络的战场空中飞行目标型号辨识方法。以飞行目标航迹态势数据为数据源,分析数据不同特征特点,设计增加基于数据原有特征的派生特征,构建并训练基于LSTM循环神经网络的目标型号分类器,形成目标型号序列化智能辨识模型,实现仅依赖于航迹的战场空中飞行目标型号时序化准确辨识。经实测数据验证,所提方法识别准确率达到96.73%,F1分数达到0.968 3,较梯度提升树模型方法识别准确率至少提高了1.02%,而F1分数至少提高了0.013 2,证明了所提方法的有效性。     

采用航迹特征的智能机型识别

针对空战目标识别中机型自动识别比较困难的问题，提出了采用航迹特征的智能目标识别方法。利用卷积神经网络（Convolutional Neural Network，CNN）分层学习特征的能力，训练CNN算法模型自动地从航迹数据中学习有用的特征并分类。利用沿海实地采集的15个类别的飞机航迹数据，经一系列数据预处理后作为智能识别算法的训练和测试数据，在验证实验中描述了算法网络的相关配置,对比了CNN与其他分类器的识别结果。实验结果表明，CNN具有很好的识别性能。     

基于自适应高斯滤波的红外机场跑道识别方法

针对前视红外地面目标图像背景复杂、噪声干扰大的特点,提出了一种机场跑道识别算法.首先,用基于梯度信息的自适应高斯滤波对图像预处理,平滑噪声、增强边缘,然后在Canny边缘检测的图像上,利用空间邻接关系、梯度等信息进行像素级的边缘点搜索,再用最小二乘法拟合直线,在已提取的直线符号上使用多种特征进一步连接修正,最后,利用几何特征、灰度信息进行跑道识别.经实测数据检验,本算法能够准确、快速地识别跑道.     

基于多层LSTM模型的雷达目标航迹快速识别算法

雷达目标航迹的快速识别对指挥员战场决策具有重要的参考作用，传统雷达目标航迹识别算法对于目标特征分析效果差，导致航迹识别效果不理想，为此，设计了基于多层长短期记忆网络(Long Short-Term Memory, LSTM)模型的雷达目标航迹快速识别算法。对雷达目标航迹信息进行采集与去噪处理；构建多层LSTM模型，提高对时间序列数据处理的性能，将采集的数据输入多层LSTM模型中；通过多层LSTM网络自主学习获取雷达目标航迹特征，并设计融合模块对多个特征进行融合处理，得到多特征子集，改善单一特征分析的不足；基于适应性矩估计(Adaptive Moment Estimation, Adam)算法优化模型超参数，训练损失函数，通过构建多层LSTM模型分类器完成雷达目标航迹快速识别。仿真实验结果显示，该算法能够精准提取雷达目标的多特征信息，多特征融合效果良好，航迹识别结果精准，目标位置平均识别误差为0.31 m,雷达目标航迹识别时间平均值为0.56 s,说明该方法能够精准、快速完成航迹识别。     

基于图像识别的中老年人下肢动作运动参数提取方法研究

针对传统的运动参数提取方法一直存在提取误差大、耗时长的问题,提出基于图像识别技术的中老年人下肢动作运动图像参数提取方法,使人体运动行为识别能力得到提升。首先,结合中老年人下肢运动速度特征和三维运动形状的时空梯度自相关特征,计算出边缘梯度方向空间分布与梯度之间的自相关性,将时空自相关特征与视频运动特征相结合,使特征识别具备相应的数据条件;其次,人体下肢动作的视频图像数据是典型的时间序列数据,因此,基于人体骨架局部特征,利用训练数据能够构造完备字典,完成数据编码,运用时域金字塔匹配法对编码后的向量进行下肢动作运动图像特征参数提取与识别。实验结果证明,利用基于图像识别技术对中老年人下肢动作运动图像参数实现了准确有效的提取。     

基于证据理论的车辆微动特征识别技术

针对利用单一特征进行地面轮式/履带式运动车辆目标分类时识别率低的问题,提出了基于证据理论的运动车辆多域特征融合识别方法。通过频域、时频域微动特征提取获得基本信任赋值,首先利用D S证据理论对频域特征结果进行融合得到其识别结果与识别信度,然后对频域与时频域识别结果进行决策级证据理论融合,得到运动点迹的目标类型,最后根据航迹判别规则完成轮式与履带式车辆的分类。通过实测数据试验验证,多域特征融合识别方法可以有效地利用地面动目标频域与时频域特征,进而提高了识别性能。     

基于目标特征信息的航迹起始

航迹起始的速度与航迹起始的质量是多目标航迹处理的关键问题,为保证对各种目标实时快速反应,要求航迹处理能快速起始目标航迹,但同时还要求航迹具备低虚警、高航迹起始质量的特性。针对以上问题,首先应用目标特征增值信息库对目标进行初步识别,然后通过Hough变换后再对目标进行相关,完成航迹起始处理,在工程应用中有比较明显的效果,在可有效降低航迹虚警率的同时,大大缩短了航迹起始的时间。     

基于航迹信息的飞机和气象杂波分类识别

在搜索阶段的分类识别中,当动目标可用微动信息较少时,目标的航迹信息变化不失为一个好的选择。本文首先对飞机目标和气象杂波航迹信息(幅度、距离、方位、俯仰、扫描到时间、线速度、高度等)的变化进行了分析,然后根据它们的不同,提取具有可分辨力的特征,之后利用分层识别的策略对它们分类,分层识别可以降低每个子类目标特征的分布复杂性,提高识别率的同时也可以降低系统复杂性。基于实测数据的实验结果验证了所提特征和分类方法的有效性。     

基于特征分层级联网络的目标快速搜索方法

图像目标搜索是智能安防、区域监控等领域的一项关键技术。近年来,随着视频数据的爆炸式增长,如何在海量视频数据中进行感兴趣目标的快速搜索成为智能视频处理领域亟待解决的关键问题。本文提出了一种基于底层特征和深度学习特征分层级联的目标快速智能搜索方法。首先,采用目标智能检测技术对视频数据中的感兴趣类型目标进行智能检测;其次,针对数量众多的目标检测结果,设计基于底层特征相关性度量的门控机制,实现对目标框的筛选;最后,利用高维深度学习特征完成对目标的准确识别。实验结果表明,所提方法在Market1501数据集上的重识别精度（mAP）达到88.5%,同时网络推理过程的计算量与YOLO和重识别网络直接级联的目标搜索方法相比降低了81.75%,显著提升了目标搜索速度。     

基于视频图像的车道线识别方法

提出了一种适用于结构化道路的车道线识别算法,通过使用形态学梯度算法来配合Hough变换.再根据道路图像特征对Hough变换进行条件约束.通过大量试验结果表明,利用本算法对连续的、断续的、磨损的车道线均能准确地识别出来,而且达到了15 f/s(帧/秒)的处理速度.     

论训练样本集结构和稀疏表示分类算法的关系

近年来,基于表示法的人脸识别技术主要都集中在约束条件和字典学习.很少有研究用样本数据特征来确定基于表示分类算法的性能.本文定义了结构离散度,表示样本集的结构特征.实验结果表明,具有较高的结构离散度的集合能让一个分类算法获得更高的识别率.     

有限自然码非接触光电字符识别

本文讨论了实现对有限点陈显示的图案和字符进行超视频跟踪,识别和显示的方法,利用有限自然码方法和微处理器系统实现数字显示字符或图案和字符进行超视频跟踪,识别和显示的方法,利用有限自然码方法和微处理器系统实现数字显示字符或图案的快速识别和同步跟踪显示,识别和显示速度高于1/300s。可便携,系统无须固定的识别样本,具有自学习功能,可以识别ASCⅡ字符集及任意32点阵组成的简单图像。本文对有限自然码非接触光电字符识别方法的原理和有关技术进行了讨论,该方法已应用到室外IC卡电话机等设备的非接触检测中。     

实用人脸识别系统的本征脸法实现

将人脸模式的多个样本作为子模式,并将较多的人脸模式部分相交地分组,以减小计算量和便于识别系统的扩展．在结合方法上采用基于贝叶斯理论的和结合规则．使用ORL和AR人脸图像库的人脸识别实验表明,本征脸法在采用多样本训练后,获得了较高的识别率和较短的识别时间;分组训练使识别系统可采用分布并行计算,从而减少训练时间,同时使系统在增加新人脸模式时便于扩展．     

步态识别在智能视频监控系统中的应用前景

步态识别是生物特征识别技术的新领域,它具有可远距离获取、非接触性和非侵犯性、难以隐藏等优点,在未来智能视频监控系统中的应用前景广阔。重点介绍了步态识别技术的最新研究工作,涵盖了基于步态的性别识别、基于步态的年龄识别以及多视角步态识别等前沿技术,并对步态识别的未来发展趋势作了展望。     

人脸识别方法研究

首先介绍了计算机人脸识别的4类主要方法，然后重点介绍了基于本征脸法的人脸识别技术的基本原理和实现步骤，最后通过实验比较了各类方法的识别率，总结出各种方法的优缺点，并对未来的识别技术进行了展望。     

浅谈人工智能在融媒体业务生产中的应用发展

近年来,随着IT技术和互联网的发展,人工智能AI(Artificial Intelligence)技术在广电行业得到广泛应用。文章基于融媒体环境下人工智能技术的应用与发展进行了探讨,分析人工智能技术如何推动生产效率提高以及智能机器人书写稿件、智能人脸识别、智能语音语义识别、智能化的OCR识别、自动播出等方面的应用与发展。     

基于场景的目标综合识别

多部异构传感器在出现高冲突情况下的属性融合上往往得到与事实不符的结果。通过对机载平台常用的目标属性识别手段及其识别能力的分析,给出了机载平台工作场景分类、识别融合架构、识别准则,以及基于不同场景的识别流程,较好地解决了平台异构传感器在高冲突情况下的属性融合中出现的问题。     

基于模糊模式和BP算法的手写数字识别

通过对多种手写数字识别算法的研究和分析，提出了一种基于模糊模式识别和BP神经网络寸亏写数字进行识别的新算法。首先应用BP神经网络对手写数字样本进行学习，然后再结合模糊模式识别的思想进行手写数字识别。实验证明：该算法与传统的手写数字识别算法相比，识别率明显提高。经过推广，该算法可应用于汉字识别、人脸识别等领域。     

四声模糊识别方法

本文给出一种快速模糊声调识别方法，用一电平削波、降低采样率和线性插值等形成快速基音提取，应用模糊集合旦论，构成隶属函数对四声进行模式分类。方法具有简便、可靠、快速实时性和容差性等特点。     

汉语数字耳语音识别研究

耳语音识别可应用于国家安全的某些特殊需要。运用双门限法对语音样本进行端点检测,通过实验分别找出短时能量、短时过零率的高低门限4个参数的最佳取值。深入分析研究参数的抗噪问题,在MFCC参数中引入短时能量、一阶差分、二阶差分等参数,增强MFCC的抗噪性。研究表明,在隐马尔可夫模型中,MFCC和LPCC联合运用讨论识别效果要远优于独立参数。