基于ASM的多特征融合驾驶员疲劳检测方法

为了提高对驾驶员疲劳程度检测的准确性与鲁棒性,提出了一种基于主动形状模型的多个特征融合疲劳检测算法。首先利用简单类Haar特征的级联Adaboost算法快速检测出人脸位置,然后对检测到的人脸进行基于主动形状模型(active shape model,ASM)的特征点定位,利用12个ASM特征标记点,得出眼睛、嘴部和头部的状态参数,再相应地计算出PERCLOS(percentage of eyelid closure over the pupil over time)、AECS(average eye closure speed)、哈欠频率、点头频率等4个疲劳特征,最后利用自适应神经模糊推理系统(adaptive network based fuzzy inference system,ANFIS)判决出驾驶员的3级疲劳程度(清醒、疲劳和严重疲劳)。实验结果表明,本方法对驾驶员疲劳检测准确率达93.3%,具有较高的准确性与鲁棒性。     

基于SSD的多因素融合的驾驶疲劳检测研究

为了降低因疲劳驾驶而导致的事故发生率,提出一种利用卷积神经网络与人脸特征点、疲劳判定指标相融合的方法,共同构建疲劳驾驶检测模型。首先利用SSD（Single Shot MultiBox Detector）网络定位驾驶员的眼睛与嘴巴区域,VGG16 网络学习这两个区域所包含的疲劳特征;同时再结合人脸68特征点、眼睛纵横比（Eye Aspect Ratio, EAR）和嘴巴纵横比（Mouth Aspect Ratio, MAR）共同判定驾驶疲劳状态。最后,在相同测试集下分别计算SSD算法和Faster-RCNN算法的平均精度均值mAP;在YawDD数据集上应用此模型;并通过模拟驾车环境来验证此模型的可行性。实验结果表明,SSD算法要优于Faster-RCNN算法,并且此模型在YawDD数据集上的检测准确率约达97.2%,摄像头也能对驾驶员的状态进行实时检测。此模型对疲劳状态的检测十分有效,可在一定程度上降低因疲劳驾驶而导致的事故发生率。     

基于聚类方法的自动驾驶场景下的三维目标检测

KITTI数据集是自动驾驶场景下融合多个传感器的大型数据集,它的数据采集平台包括2个灰度摄像头、2个彩色摄像头、1个velodyne 64线激光雷达、4个光学镜头和1个GPS导航系统.KITTI 3D Object Detection Evaluation可为各种3D目标检测算法验证准确性和有效性,是自动驾驶领域最重要...     

一种基于CAEs-LSTM融合模型的窃电检测方法

为解决现有的智能电网电力盗窃行为检测方法中准确性不足、检测效率低下等问题,提出了一种由卷积自编码器网络(convolutional auto-encoders,?CAEs)和长短期记忆网络(long short term memory,?LSTM)相结合的CAEs-LSTM检测模型。该模型通过分析数据集的特点对电力数据进行二维转换,设计卷积自编码器结构,采用池化、下采样和上采样重构电力数据的二维空间特征,加入高斯噪声提高模型鲁棒性,并构建长短期记忆网络以学习全局时序特征。最后,对提取的时空特征进行融合从而检测能源窃贼,并进行了参数调优。在由国家电网公布的真实数据集上,通过将CAEs-LSTM模型与支持向量机、LSTM以及宽深度卷积神经网络进行对比,CAEs-LSTM模型的平均精度均值和曲线下面积值均最优。仿真实验表明,基于CAEs-LSTM模型的窃电检测方法具有更高的窃电检测效率和精度。     

面向自动驾驶的多任务环境感知算法

为了解决复杂驾驶场景下目标检测精度较低而难以满足自动驾驶需求的问题,提出一种基于YOLOP的高效网络模型MEPNet。MEPNet可同时处理车辆检测、可行驶区域分割和车道线检测三项任务。首先,采用YOLOv7作为主体结构平衡精度与实时性;其次,设计了FRFB模块增大感受野,以增强网络的特征提取能力;并且提出在检测网络的头部添加小目标检测层,有效减轻车辆遮挡和重叠现象对识别结果的干扰;最后使用CARAFE作为上采样算子,精准定位的轮廓的同时更好地保留图片的语义信息。实验表明,该算法推理速度达到42.5 fps,对比基线YOLOP,车辆检测的mAP50和Recall分别提升了6.8%和6.3%,车道线检测的准确率和IoU分别提升了6%和1%,可行驶区域分割的mIoU达到92.5%,大幅度提升了性能,并且进一步设计了MEPNet-s,实现了四任务目标检测,亦满足自动驾驶所需的准确性和实时性。     

基于多源状态参量融合的油纸绝缘套管缺陷预警方法研究

油纸绝缘套管是大型电力变压器不可或缺的外部连接组件,若其发生故障影响巨大,有必要对油纸绝缘套管的缺陷进行及时预警。结合上百例油纸绝缘套管故障案例及专家经验,构建了基于多源状态参量融合的套管缺陷预警信息决策表,并结合遗传优化算法对决策表进行约简,实现了油纸绝缘套管决策规律的提取,形成套管缺陷预警知识,最终建立了套管缺陷预警模型。经实际应用,模型可实现对油纸绝缘套管的缺陷预警。该研究建立的油纸绝缘套管缺陷预警模型可随着数据量的积累与丰富,实现迭代优化,挖掘隐含的套管缺陷预警知识。研究成果可为高压套管智能化运维提供理论依据。     

一种基于姿态校正的人脸检测方法

本文提出了一种基于姿态校正的人脸检测方法。该方法先对YGbCr空间进行非线性变换得到YC＇bbC’r,空间,用于肤色检测,然后应用形态学算子提取肤色区域。在此基础上,提出姿态角度估计目标函数,并讨论了2种寻优方法即：梯度下降法和次全局枚举寻优法来估计姿态角度值。根据估计的姿态角度作相应的旋转校正,在校正后的区域利用眼睛和嘴的色度和亮度特点分别构造映射图,提取出眼睛和嘴,并验证人脸。该方法在自拍的视频序列中进行姿态估计和人脸检测实验,均取得了较好的效果。     

一种基于概率分布估计的水电机组故障预警方法

为了实现水电机组自动故障预警，提出一种基于概率分布估计的新方法。与以往试图学习机组故障样本方法不同的是，该方法学习机组正常状态而非故障状态。它把机组振动看作符合某一概率分布的独立同分布观测样本，利用SchOElkopf提出的单类支持向量机方法得到机组振动模式，并由此模式可以对测试观测进行预警。该方法直接对训练数据进行处理，不需进行复杂的预处理，并且简单，快速，并且对于水电机组的数据缺失和运行参数变化具有很好的适应能力。对甘肃大峡实际观测数据的仿真结果表明，概率分布估计可以有效的学习机组振动模式并对机组故障进行预警，为故障预警提出了一种新途径。     

基于多特征融合的红外弱小目标检测

为解决红外弱小目标检测领域中基于单类先验知识的人类视觉系统检测方法检测准确率低、虚警率高以及显著图计算复杂等问题,提出一种在复杂背景条件下对红外弱小目标多种特性进行融合处理的检测方法。通过融合红外弱小目标的局部灰度值大、自身灰度信息符合二维高斯分布以及与邻域相似度低的三大特性,利用协方差检测和相似度对比计算得到显著图,对显著图进行简单阈值分割得到真实目标。对不同复杂背景和不同数据类型的红外源图像进行弱小目标检测实验,结果表明:与基线算法相比本文所提算法检测结果背景抑制因子和信杂比增益均提高2~3倍,交并比为HVS类方法最优,ROC曲线在较低虚警率时获得最高检测准确率。本文方法将红外源图像中弱小目标多个特性进行有效融合,提高检测精度的同时降低了显著图计算复杂度,在不同复杂背景和杂波干扰的情况下仍能取得较好的目标定位和背景抑制效果。     

一种基于射向约束的预警卫星弹道估计方法

天基预警系统是战略预警系统的重要组成部分,又分为双星探测与单星探测。传统单星探测方法基于标准弹道模板先验信息的支持,而标准弹道模板信息难以获取。针对预警卫星对弹道导弹进行弹道估计的问题,提出了一种基于射向约束的预警卫星对导弹弹道的估计模型。分别运用单星、双星探测弹道导弹的主动段数据对其弹道进行估计和预测并进行了定量计算。单星探测时,卫星位置与导弹平面夹角越小误差越大,当夹角达到5°以上,误差较小,基本可以满足远程预警雷达位置引导需求。双星探测时,预测误差进一步减少,精度进一步增加。上述仿真结果表明,该方法的弹道估计精度可为地基预警雷达提供足够的目标交接引导精度。     

多特征融合的驾驶员疲劳程度量化方法研究

针对疲劳驾驶检测系统鲁棒性差和疲劳程度划分过于简单的问题,利用MediaPipe人脸关键点检测技术和模糊推理系统,融合多种面部疲劳特征,研究视频序列中驾驶员疲劳程度量化评估方法,实现对驾驶员疲劳程度的实时评分和疲劳预警。首先利用MediaPipe人脸检测模型定位面部关键点;之后使用检测到的关键点从视频帧中实现对面部疲劳动态特征进行提取,得到单位时间内眨眼次数(PERCLOS)、打哈欠时长、有无瞌睡、人脸摆动近似熵四个评估指标,最后设计模糊推理系统对疲劳程度进行量化,实现对驾驶员疲劳程度的实时评估。研究表明,所提出的方法科学有效的实现了对驾驶员疲劳程度的量化评估,进一步提升了基于面部特征的疲劳驾驶检测的鲁棒性和可靠性。     

基于虚拟仪器的肢体姿态检测系统研究

针对汽车驾驶过程中驾驶员随机、多变的肢体动作,设计一种基于虚拟仪器的肢体姿态检测系统,对驾驶员肢体进行实时追踪,识别、分析肢体运动过程进而应用于驾驶舒适性客观测评。使用多个传感器动态获取数据,根据多传感器数据及串口通信特点,提出一种新的传感器数据同步算法,取得了较好的同步效果;依据所测数据,运用改进四元数算法进行姿态更新;以Lab VIEW为平台绘出肢体运动的实时三维动态图。测试结果表明,所开发的肢体姿态检测系统性能稳定可靠,能够实时、准确的再现肢体运动过程,适用于驾驶操纵姿态检测及驾驶舒适性分析测评。     

一种非监督的事件触发词检测和分类方法

事件触发词检测和分类是事件抽取中至关重要的第一步。传统的抽取和分类方法往往倾向于监督学习方法,如条件随机场、SVM等,但由于这类方法需要繁重的人工标注且受限于预先定义好的类别,因此很难在开放领域中得到应用。提出了一种非监督的事件触发词检测和分类方法,利用主题模型获取候选触发词在主题上的分布,然后利用二值状态自动机模型捕获高概率的主题,从而筛选出真正的事件触发词和相应的分类。在大规模的未标注新浪新闻数据集上的实验结果充分验证了本文方法的有效性。     

一种电动汽车充电安全预警模型设计方法

针对电动汽车充电安全事故,为了提高电动汽车充电安全预警能力,通过分析电动汽车充电安全影响因素,研究安全预警指标选取途径和方法,制定安全预警评价指标体系,研究安全指标权重评价方法。利用遗传小波神经网络训练原理及多尺度多分辨特点,通过划分5个安全预警等级,设计了一种电动汽车充电安全预警模型。通过对某充电站安全数据安全预警仿真分析,验证了该安全预警模型的可行性和正确性。     

基于星地融合的输电线路覆冰预警优化方法研究

输电线路覆冰预测对保障电网安全具有重要意义,随着气象条件日趋复杂,为了提升输电线路覆冰预测的准确性和及时性,依托现有的覆冰预测模型,提出了一种基于卫星气象和地面气象站点数据的星地融合气象要素反演方法。对覆冰预测模型中核心气象输入参数(如温度、降水、风速)预报精度进行优化提升,进而提高复杂气象条件下输电线路覆冰预警精度。以浙江某输电线路为实验区,实验结果表明文中方法对温度和降水的预报效果提升较为明显,提前72 h输电线路覆冰预报的准确度相对于24 h预报准确度没有明显的下降,对于24 h~72 h的覆冰预测预警有较好的指导意义。     

融合特征增强与DeepSort的疲劳驾驶检测跟踪算法

为了提高疲劳驾驶检测过程中面部特征识别的连续检测性和鲁棒性,降低车载终端的配置需求,设计了一种轻量化的人脸检测跟踪方法用于驾驶员疲劳检测。首先,采用MobileNetv3-Small作为面部特征提取主干轻量化网络模型,引入简单无参数注意力模块(simple, parameter-free attention module, SimAM)和深度超参数化卷积(depthwise over-parameterized convolutional, DOConv)构建特征映射和轻量化特征增强模块深度优化和关注人脸区域信息。然后融合DeepSort进行连续分类跟踪,优化面部遮挡对检测性能的影响。接着将人脸特征检测和关键点结合,根据单位时间内眼睛闭合时间百分比(percentage of eyelid closure over the pupil over time, PERCLOS)疲劳阈值、连续闭眼帧数和打哈欠总数判别疲劳驾驶。实验结果表明,模型的平均精度均值和查全率达到了98.9%和97.2%,提高了1.8%和6.3%;同时,浮点运算量仅为基准模型的28.3%,模型体积仅为7 MB。最终得出...