基于物联网的人工智能图像检测系统设计与实现

物联网络的建立促使人工智能领域取得飞跃性进展。传统图像检测方法利用小波能算法进行背景与边缘噪声划分方式进行图像检测,存在低分辨率图像检测精度低、检测速度慢、缺乏图像深度分析等一系列问题。物联网人工智能发展迅速的环境下,提出基于物联网的人工智能图像检测系统设计。采用智能人工像素点特征采集技术(IAPCCT),对图像进行逐点特征提取,运用物联网丰富数据量资源与处理运算能力对采集图像像素点进行特征分析回馈,回馈信号经人工智能信号图像合成模块(AISIS),对信号做图像转换处理并输出分析结果完成图像检测。通过仿真实验测试证明,基于物联网的人工智能图像检测系统设计具有图像检测率高、识别准确度高、运行稳定、处理高效等优点。     

基于小波矩的新型图形识别算法

该文提出了一种基于小波矩的新型图形识别算法。小波矩除了具有矩特征的平移、缩放和旋转不变及抗噪性强的特性以外,还增加了小波对图象结构精细特征的把握能力强的优点。文章结合FFT变换的优点提出了改进的离散傅立叶－小波矩,并由所提取的小波矩特征与最小距离分类器结合形成一个图象识别系统,成功实现了对精细复杂汉字图符的识别。通过与采用传统的几何矩识别结果比较,在识别准确率、识别速率和抗噪性上性能都有较大的提高。     

图形识别的神经网络方法

神经网络是当今人工智能的一个重要方面．本文对人工神经网络用于图形识别，尤其是在干扰环境下的识别能力进行了研究．通过对一组图形符号的训练识别，讨论了外加噪声与网络内部噪声对识别功能的影响，同时提出了一个ＢＰ网络训练的改进算法．     

人工智能与计算智能在物联网方面的应用探究

随着经济的发展,科技不断进步。物联网是基于信息数据采集的传感设备,将物品信息与互感器相连接,信息上传至网络后可进行分享,并实现信息智能化识别及地理定位。人工智能和计算机智能均在物联网中广泛应用。基于此,分析了物联网,在此基础上,针对人工智能、计算智能在物联网中的应用实践,提出个人观点与认识,以期为相关人员提供参考。     

基于AI+IOT的智慧家居系统

利用人工智能技术和深度学习算法,设计开发了基于AI+IOT的智慧家居系统。基于百度提供的免费的语音识别云平台,该系统使用ZigBee网络,对家居环境数据进行采集、分析,并通过物联网技术和人工智能技术实现远程语音控制各种家电的功能。基于深度学习,系统通过百度语音识别技术对自然语言进行语音识别,通过搭建系统编译环境成功融合了AI技术和IOT技术实现了具有语音控制功能的智能家居系统,致力于为人们提供更加便捷智能的生活。     

基于人工智能模糊逻辑算法的物联网系统搭建与实现

人工智能是管理物联网中大量数据流和存储的解决方案之一。随着高速互联网和许多可以集成到微控制器中的传感器的应用，物联网开始逐渐普及和应用。由于数据流量的激增和传感器的增多，一些数据可能会面临网络中的存储困难、延迟、通道限制等问题。针对这些问题，人工智能在数据挖掘、管理和控制中发挥重要作用。介绍了人工智能系统在物联网中的应用，阐述了数据挖掘和管理的重要性。同时，结合物联网探讨了模糊逻辑和神经网络等人工智能中常用算法的应用。     

三维网格图形多分辨率分析与压缩

多分辨率分析和细分小波是近年来三维网格图形处理的新方法;该文实现了三维网格图形的网格细分连续重组和多分辨率分析算法,研究了基于细分小波系数选择的三维网格图形压缩。研究结果表明,对具有丰富冗余细节的三维网格图形,细分小波算法可以取得较好的压缩效果,该文还改进了Ｅｃｋ等提出的网格重组分区算法,使之更适用于一般的三维网格图形。     

基于小波变换的矢量图形无损水印算法

目前,关于矢量图形水印有一些研究,但是并不存在比较通用的算法,且现有算法存在运算量大和没有考虑水印算法对矢量图形拓扑关系的影响等缺陷;在深入研究现有矢量图形水印算法的基础上,针对实际应用,提出了一种基于小波变换的改进算法。实验表明该算法有较好的鲁棒性,同时整个过程是可逆的,通过在高频小波系数中直接插入水印位的方法,可以在提取水印的过程中将空间数据还原,使水印可以不影响矢量图形的显示精度。     

心电医疗监护物联网关键技术研究*

针对物联网技术的发展,进行了心电医疗监护物联网感知层传感器节点软硬件设计,完成了基于NesC语言的组件结构化软件设计。在经典聚类路由协议LEACH之上提出了一种适用于心电医疗监护物联网感知层的改进型LEACH-SC算法,将感知层内簇头的分布进行优化,平衡簇的规模,在一定程度上解决簇头分布不均匀的问题。为保证心电医疗监护物联网应用层实时准确的心电诊断,提出了一种基于小波变换、希尔伯特变换和改进包络对心电信号进行变换的检测算法,实现了对QRS波群具体形态和位置的检测和识别,在检测到QRS波的基础上采用检测准则     

一种基于小波的多边形变形算法

文章提出了一种基于小波分解算法和相应的重构算法的变形方法。先用小波分解算法作用于平面多边形,得到平面多边形的轮廓和细节。然后分别对多边形的轮廓和细节进行变形,得到从初始图形变换到目标图形的中间图形的轮廓和细节。最后用重构算法重构出中间图形。该文算法可以处理任意顶点数的多边形,减少同构三角剖分的计算量,并且能够得到很好的变形结果。     

基于视觉特征定位的物联网车祸现场识别

准确定位车祸现场有利于后期的营救工作.车祸发生过程中,对车辆碎片特征识别是判断车辆发生车祸的重要依据.但是车祸发生现场,无法避免由于现场环境信息紊乱造成的车辆碎片特征零散分布,与外部干扰特征形成混淆等弊端.传统的智能识别方法在大区域物联网车祸识别中,对车祸现场细小碎片的可识别特征难以准确分割,造成识别虚警率较高.为此,提出一种新的碎片视觉特征定位的物联网车祸现场识别方法.针对采集的车祸现场图像利用小波变换的方法进行碎片干扰特征滤波,消除由于环境信息紊乱造成的图像噪声,针对物联网环境下的多信号干扰问题,利用线性分类相关原理,对车祸现场图像中的细节特征进行分类提取,从而完成物联网框架下车祸现场的识别.实验结果表明,利用新算法进行物联网车祸现场识别,能够提高车祸识别精度.     

基于神经网络和小波分析的血细胞识别算法

结合小波变换时频局部化特性和神经网络的优势,提出了一种基于神经网络和小波分析的血细胞识别算法.首先对血细胞信号进行小波分解,然后利用小波分解系数重构信号的能量,结合时域特征参数构造特征向量作为神经网络的输入,最后建立神经网络模型进行训练.通过实验分析了不同条件下的信号识别情况,并与传统的识别算法作了比较,结果表明算法具有较强的血细胞识别能力,与传统的识别算法相比,识别准确度更高.     

小波变换和特征加权融合的人脸识别

在人脸识别领域,提取人脸特征和降低维数是人脸识别的关键。传统的基于小波变换的人脸识别算法仅在小波分解的低频分量上提取用于分类的图像特征,造成了高频分量中部分对识别有利信息的丢失。为了更有效地提取人脸图像特征,提出一种基于小波变换和特征加权融合的人脸识别算法。首先通过小波变换对人脸图像进行降维处理,然后对4个小波子图分别运用主成分分析法(PCA)提取特征,并把这4部分特征加权融合,最后利用支持向量机(SVM)进行分类识别。在ORL人脸库上进行实验验证,识别准确率可达到97.5%,实验结果表明该算法能够有效提高人脸识别能力,与传统识别算法相比具有较高的识别准确率和识别速度。     

基于小波特征的台标识别

台标分割与识别在视频语义分析与检索中有着重要作用.首先分析了视频图像序列中台标区域分割算法,然后分析了台标小波特征参数提取方法,并利用提取的小波特征参数实现了台标识别.实验表明,基于小波特征参数的台标识别算法取得了较快的识别速度和较高的识别准确率.     

人工智能在中国航天的应用与展望

随着物联网、大规模并行计算、大数据和深度学习算法等技术的突破,人工智能近年来取得了突飞猛进的发展,在图像识别、语音识别、自然语言处理、无人驾驶、智能机器人等众多领域展现出令人期待的发展前景,并得到了国内外各政府的关注和支持。该文将人工智能技术与运载火箭、深空探测器、武器装备等航天应用相结合,论述其在自主规划航天任务、高效智能地面测试、全面快速设计保障等方面的应用模式,并从产品规划、顶层设计、产品打造、具体实施几个方面对中国航天后续发展人工智能技术提出了相关的对策建议。     

车牌识别中人工智能技术的应用

车牌识别是许多智能交通应用场景需要解决的问题,如小区汽车门禁、停车场自动计时收费、道路电子眼自动违章识别抓拍等。近年来,人工智能技术已应用到许多车牌识别方案中。本文主要阐述了车牌识别的整个流程及涉及的人工智能相关算法,比较并分析了各种算法特点和优缺点,对进一步研究人工智能技术在智能交通领域的应用具有一定的借鉴意义。     

基于复数小波域的图形水印方法

提出了一种基于复数小波域的2维矢量图形的水印算法，用于2维矢量图形的版权保护。该算法利用了Dual Tree复数小波变换的优点，将水印嵌人相对坐标线(relative coordinates line)的复数小波域中。经初步实验结果验证，该算法对于通常的图形几何变换，如平移、旋转、缩放以及局部修改攻击，均有令人满意的鲁棒性。     

一个基于知识的航空影像目标自动识别算法

针对航空影像中复杂背景下目标的自动提取与识别这一难题，提出一种智能型目标识别算法。该算法包括图象分割，不变性参数提取和目标分类，利用一种基于知识的多特征融合和小波理论的多分辨率分析分割和提取图象目标，被提取的每个图象目标的不变性参数由改进的ＢＰ模型将图象目标分类，实验结果表明该识别虎法依据一定的先验知识，辅以人工智能的手段对复杂背景下的目标进行提取，复合，识别处理，从而到较为准确地识别出目标的最终     

多级LBP直方图序列特征的人脸识别

人脸识别是当前人工智能和模式识别的研究热点。基于对小波分解和局部二进制模式(LBP)分析,提出了一种多级LBP直方图的序列特征 (M-HSLBP) 的提取方法。2维的小波分解具有对表情变化不敏感的特点,可以很好地压缩和表征人脸图像的特征;LBP是一种有效的纹理描述算子,使用多级可变大小的子窗口对小波变换后的图像进行扫描,对各级子图像进行改进LBP变换并形成多级LBP直方图序列特征,这种特征既能反映人脸局部特征又能反映其整体特征。径向基网络作为分类器具有很高的推广性能,有利于大容量样本的分类。在对人脸库ORL和YEL的识别实验中,该算法识别率达到98%以上,与传统算法相比,取得了更好的识别结果。     

小波分析算法

小波分析算法是信号分析与图像压缩的基础方法之一。本文讨论小波及小波包的分解与重构算法；ｆＮ（ｔ）的选取；图形显示算法和时－频分析图示方法。