共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
清风痕 《数字社区&智能家居》2006,(9):64-66
就在几年前,笔记本对于大多数人来说还是一项奢侈品,不过现在我们很高兴的看到笔记本已经开始在人们的生活中普及开来了,现在用笔记本电脑的主要有两类人群,一类是经常出差或者需要演示资料的商务办公人员,还有一类就是追求时尚的年轻人士,如学生人群等。 相似文献
4.
人群运动集体性识别对公共场所人群管理具有重要意义。人群运动集体性不仅取决于运动个体,还受到人群局部运动状态的影响。针对以上分析,本文给出了结合局部特征和全局特征的人群集体性卷积网络识别方法。该方法首先基于光流向量构建人群集体性测度图作为卷积网络的输入;然后,在网络第一层卷积后加入通道注意力,获取人群运动的全局信息;并采用空洞卷积提取人群运动的局部信息。最后,本文在公共数据集上进行对比实验,以验证本文方法的有效性。实验结果表明:本文方法在进行人群场景集体性识别时,其加权平均召回率、加权平均准确率和加权平均精准率均优于其它模型。 相似文献
5.
城里、城外、卧底、告密,电脑城中总有一些灰色人群和灰色收入。那么他们是如何操作的,你的身边有内鬼么? 相似文献
6.
7.
9.
针对人群计数任务中存在的场景遮挡问题和人群分布不均问题,本文提出了一种双任务交互下的四段监督人群计数网络(Four stage supervised network, F2SNet).首先,通过优化早期分布来监督早阶段的特征,提升浅层网络对前背景的甄别能力,同时避免了训练过程中的梯度消失以及收敛过慢问题.计数监督则关注了网络的计数准确性,并生成反映不同特征重要程度的人群响应图.终期分布修正模块结合高频语义信息,进一步监督人群的分布预测.背景抑制模块则抑制网络在背景区域上的误判.4个模块协同工作,在保证预测精度的前提下关注了密度分布的一致性.在4个常用人群数据集上的实验结果表明,与已有的人群计数算法相比,F2SNet具有良好的人群计数能力和分布预测能力. 相似文献
10.
在利用智能监控进行人群异常的检测过程中,由于图像中人群异常的粒度不同,导致传统方法检测性能差,设计一种基于智能监控剔除运动异常点进行人群异常检测的方法。为了剔除运动异常点,使用光流法提取出人群的运动特征,描述运动趋势,筛选出运动特征异常的点进行剔除,利用支持向量机对不同粒度的人群异常情况进行分类,使用核函数简化分类过程,在训练中获取合适参数,实现基于智能监控的人群异常检测。监测方法性能测试结果表明:在不同的测试数据集中,相等FPR的情况下,设计方法的TPR值更高,说明检测结果更精准,验证了设计方法的有效性。 相似文献
11.
12.
本文以数据仓库理论为依据,利用回归模型拟合,提出对参加医疗保险人群的健康状况调查的模型,据此模型可研究一定人群随年龄的变化趋势,估计出不同健康状况的平均年龄段,并进一步对不同年龄段的人群给出健康状况的评价分析。 相似文献
13.
人群计数广泛应用于公共安防、视频监控等领域,但由于目标遮挡、背景干扰以及人群尺度变化等因素的影响,人群计数模型的准确率有所降低。基于深度学习卷积神经网络架构,提出了一种基于多尺度感知和图像关联的人群计数方法。其中,多尺度感知模型包括初级特征提取网络、多尺度特征提取模块、特征融合模块和一个后段架构用来提取图像的多尺度特征,从而适应尺度的变化;而图像关联模型使用特征关联模块和融合模块将输入图像与相干图像进行联系,通过学习图像之间的深层关联性来提升预测密度图的质量。在ShanghaiTech Part_A、Part_B和UCF_CC_50等公开数据集上的实验结果表明,提出的方法在MAE、RMSE和SSIM三项指标上均有较好性能。 相似文献
14.
在智能监控领域,实现人群计数具有重要价值,针对人群尺度不一、人群密度分布不均及遮挡等问题,提出一种多尺度多任务卷积神经网络(MMCNN)进行人群计数的方法。首先提出一种新颖的自适应人形核生成密度图描述人群信息,消除人群遮挡影响;其次通过构建多尺度卷积神经网络解决人群尺度不一问题,以多任务学习机制同时估计密度图及人群密度等级,解决人群分布不均问题;最后设计一种加权损失函数,提高人群计数准确率。在UCF_CC_50和World Expo'10数据库上进行了评估,验证了自适应人形核的有效性。实验结果表明:所提算法比Sindagi等的方法(SINDAGI V A,PATEL V M.CNN-based cascaded multi-task learning of high-level prior and density estimation for crowd counting.Proceedings of the 2017 14th IEEE International Conference on Advanced Video and Signal Based Surveillance.Piscataway,NJ:IEEE,2017:1-6)在UCF_CC_50数据库上平均绝对误差(MAE)数值和均方误差(MSE)数值分别降低约1.7和45;与Zhang等的方法(ZHANG Y,ZHOU D,CHEN S,et al.Single-image crowd counting via multi-column convolutional neural network.Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition.Washington,DC:IEEE Computer Society,2016:589-597)相比,在World Expo'10数据库上所提算法的MAE值降低约1.5,且在真实公共汽车数据库上仅0~3人的计数误差,表明其实用性较强。 相似文献
15.
HLA-DRB1等位基因主要参与人类的抗原免疫功能,对其进行比较研究,有助于追溯人类的进化迁移史,开发类群特异性药物.本研究以Matlab为平台,用自组织竞争网络(Self-Organizing Competitive Neural Network),对世界54个民族和人群、14个HLA-DRB1等位基因,进行了无监督模式分类.结果表明,各民族之间存在差异性,同民族的各人群之间有相似性.西伯利亚各人群,澳洲各土著人群,黑人各人群,南美印第安各人群,犹太族各人群,日本各人群,及欧美白人各人群有相对独立性:南美印第安人与西伯利亚人有高度相似性;中国民族在南方人群和北方人群间存在较大差异;中国汉族中,广东汉族地位特殊,与少数民族如拉祜族、瑶族关系密切. 相似文献
16.
密集场景下个体尺度存在巨大差异,目标个体尺度不一导致人群计数精度不高。针对这一问题,提出了一种密集场景下基于多尺度特征聚合的人群计数方法。该方法研究不同特征层级对不同尺度个体的特征信息表示能力,通过层级连接充分获取多尺度特征;同时,提出了一个多尺度特征聚合模块,采用多列具有不同扩张率的空洞卷积,通过动态特征选择机制自动调整感受野,以有效提取不同尺度个体的特征。该方法能够在保留小尺度个体特征信息的基础上进一步扩大感受野,增强大尺度个体的检测能力,使其更好地适应人群个体的多尺度变化。在3个公共人群计数数据集上进行了实验,实验结果表明,所提模型在计数准确性上有了进一步的提高,其中在ShanghaiTech数据集Part_A上MAE为51.21,MSE为83.70。 相似文献
17.
18.
19.
针对公共场合密集人群在紧急情况下疏散的危险性和效果不理想的问题,提出一种基于深度Q网络(DQN)的人群疏散机器人的运动规划算法。首先通过在原始的社会力模型中加入人机作用力构建出人机社会力模型,从而利用机器人对行人的作用力来影响人群的运动状态;然后基于DQN设计机器人运动规划算法,将原始行人运动状态的图像输入该网络并输出机器人的运动行为,在这个过程中将设计的奖励函数反馈给网络使机器人能够在"环境-行为-奖励"的闭环过程中自主学习;最后经过多次迭代,机器人能够学习在不同初始位置下的最优运动策略,最大限度地提高总疏散人数。在构建的仿真环境里对算法进行训练和评估。实验结果表明,与无机器人的人群疏散算法相比,基于DQN的人群疏散机器人运动规划算法使机器人在三种不同初始位置下将人群疏散效率分别增加了16.41%、10.69%和21.76%,说明该算法能够明显提高单位时间内人群疏散的数量,具有灵活性和有效性。 相似文献