4K视频流异构多核的多路分屏方法研究

针对视频多屏显示系统无法依据分屏数量进行超高清视频自适应分屏传输的问题,提出了异构多核的视频流传输方法。采用基于ARM的嵌入式系统实现多任务处理与实时监控;通过FPGA实现对视频流进行接收、转换、处理及分屏输出显示的硬件加速。系统可以根据输入信号实时配置FPGA的工作参数,实现分辨率大小、分屏数量可变的超高清视频流分屏显示。测试结果表明,4K视频多路分屏画面拼接无明显错位、同步一致,较好地满足了视频多路分屏显示要求。     

无线视频监控中心的多路视频流调度模型

提出了一种用于无线视频监控中心多路视频流调度的通用模型,以实现对多个场景的实时监控.该模型主要包括:远程监控设备的授权管理策略、视频流对象的工作模型、基于连接管理线程的多路视频流调度及抖动缓存自适应累积策略.目前,该模型已经应用于现场视频无线动态传输系统,取得了良好的应用效果.     

网络视频流识别技术研究

互联网多媒体技术已经成为我们日常生活中不可或缺的元素之一,人们可以通过网络视频观看电影、电视剧,还可以通过网络视频聊天,通过网络视频学习和召开视频会议,网络视频应用越来越频繁,这使得网络流媒体数据量不断增大,因此增加了网络带宽和网络传输质量的负担。本文对目前网络视频传播形式进行研究,发现目前主流的网络视频通信为P2P和Web,由此对二者的通信方式、视频流识别方法进行研究,以提高网络视频流识别能力,提高视频服务质量。     

基于边缘设备和改进YOLOv5算法的车牌号码识别

自动识别车牌号码是智慧交通中的重要内容,针对现有车牌识别算法计算量大,不满足微型化、实时性等需求,提出一种基于边缘设备和改进YOLOv5算法的车牌号码识别方法。首先,构建车牌数据集;其次,通过改进YOLOv5网络模型架构,并引入注意力机制,提升对车牌号码的检测能力,并与未改进的YOLOv5算法作性能对比;最后,将Intel Movidius NCS2与树莓派硬件设备结合,进行实时推理。实验结果表明,改进的YOLOv5算法在边缘设备上的实时画面推理速度最快达到3.316 ms,YOLOv5算法推理速度为5.772 ms,改进的YOLOv5算法与原算法相比,其推理速度平均提升了13.41%。本文提出的方法能在边缘设备上提高车牌检测速度,并达到较高的准确率。     

4K视频流异构多核的多路分屏方法

针对视频多屏显示系统无法依据分屏数量进行超高清视频自适应分屏传输的问题,提出了异构多核的视频流传输方法。该方法首先采用基于ARM处理器的嵌入式系统实现多任务处理与实时监控;然后通过FPGA实现对视频流的接收、转换、处理及分屏输出显示的硬件加速。系统可以根据输入信号实时配置FPGA的工作参数,实现分辨率和分屏数量可变的超高清视频流分屏显示。最后采用Zynq UltraScale+MPSOC XCZU7EV多核异构处理器开发平台对本文系统进行测试,结果表明：4K视频多路分屏画面拼接无明显错位,同步一致,较好地满足了视频多路分屏显示要求。     

一种多路实时语种识别系统设计与实现

对语种识别系统的算法运算量和复杂度进行分析可知：其前端特征提取和预处理部分运算量较小, 且算法相对灵活; 而后端建模分类部分算法运算量较大且算法相对稳定, 是系统实现大规模并行处理的瓶颈。基于此, 提出了一种DSP+FPGA的系统实现架构, 对前端特征提取采用浮点DSP进行算法实现, 而后端则采用FPGA设计进行算法实现, 并对系统进行了性能测试和资源分析, 验证了设计的合理性。     

多智能体边缘计算任务卸载

边缘计算技术的发展为计算密集型业务提供了一种全新的选择,低能耗、低时延、实时处理等词语不断被提及,任务卸载引起了众多学者的注意.任务在本地执行还是卸载到服务器上执行,以及卸载到哪一台服务器上执行成为必须要解决的问题.在多智能体环境中提出一种新的目标函数,并构建数学模型;建立马尔可夫决策过程,定义动作、状态空间以及奖励函...     

容忍缺陷的木材多区段编号及识别算法研究

木材的编号与识别算法设计对木材原料与其所对应的加工策略进行精准匹配具有重要的研究价值。但由于木材原料表面存在较多缺陷,当打印的编号在缺陷上时,将会导致所打印编号的特征消失而难以识别。因此,本文提出了容忍缺陷的木材多区段编号及识别算法,该算法的基本思想是将木材原料的前段划分为多个区段,在多个区段上打印相同的编号,以避免单一编号被木材缺陷影响而难以识别。并采用YOLOv5对多个区段的编号进行检测,紧接着将检测结果进行组合判断,最终得出木材的编号。实验结果表明,本文算法能够有效容忍木材缺陷对编号识别的影响,从而显著提升木材编号识别的检出率,具有重要的实际应用价值。     

基于多路差别子空间的语速变化语音的识别

语速变化是发音变异的一种,文章建立了快、慢和正常语速的语音库,运用差别子空间方法对语速变化的语音进行了训练和识别,并对其进行了改进,提出了多路差别子空间方法。实验结果表时,该方法对语速变化的语音有良好的识别效果。     

基于边缘计算的视频分析算法设计

本文考虑当前研究都忽略的边缘节点计算资源对任务分析延迟、准确度相悖的影响所带来的权衡问题,提出一种动态配置视频分析任务在边缘的带宽和计算资源的分配策略,通过资源在线分配,实现延迟与准确度的最佳权衡。方案通过优化带宽与计算资源目标,最大化目标函数,即在降低延迟的情况下最大化准确率。其中由于显示数据集缺乏,利用模拟、仿真技术,通过最小化误差函数法获得了准确度函数拟合;同时利用梯度估计法,找到目标函数的梯度下降方向,通过不断迭代来求解最小值,以解决神经网络不可知性带来的无法直接获得梯度的问题。最终通过仿真对照试验验证了算法的优越性,能够高效降低网络负荷,提高整体资源利用率及性能水平。本文同时讨论了以边缘-云协作的架构提高资源利用率,并提出了未来研究方向。     

基于边缘计算的智能视频分析算法研究

为适应摄像头在智慧城市、智能交通、自动驾驶等新兴领域应用部署愈加广泛的需求,视频分析需更高精度、更低延时地响应分析结果。然而,这种高精度的分析同时也带来了巨大的计算资源需求,计算资源受限的摄像头无法胜任分析任务。边缘计算不仅可以解决本地摄像头计算资源问题,还可以显著降低向云端传输视频流数据的时间。本文探讨了利用深度强化学习方法,在边缘节点辅助摄像头集群视频分析任务场景下,根据当前网络系统条件动态决策,卸载部分指定摄像头上的分析任务,以在满足任务响应延时的约束前提下,最大化一段时间内任务分析的精度。仿真结果表明,本文提出的方法在任务的响应延时和准确度方面获得了良好效果。     

基于颜色聚类和多帧融合的视频文字识别方法

提出一种基于颜色聚类和多帧融合的视频文字识别方法,首先,在视频文字检测模块,综合考虑了文字区域的两个显著特征:一致的颜色和密集的边缘,利用近邻传播聚类算法,根据图像中边缘颜色的复杂程度,自适应地把彩色边缘分解到若干边缘子图中去,使得在各个子图中检测文字区域更为准确.其次,在视频文字增强模块,基于文字笔画强度图过滤掉模糊的文字区域,并综合平均融合和最小值融合的优点,对在不同视频帧中检测到的、包含相同内容的文字区域进行融合,能够得到背景更为平滑、笔画更为清晰的文字区域图像.最后,在视频文字提取模块,通过自适应地选取具有较高文字对比度的颜色分量进行二值化,能够取得比现有方法更好的二值化结果;另一方面,基于图像中背景与文字的颜色差异,利用颜色聚类的方法去除噪声,能够有效地提高文字识别率.实验结果表明,该方法能够比现有方法取得更好的文字识别结果.     

人工智能技术在智慧电力仓储系统中的应用

围绕电力仓储系统的现状及基于边缘计算代理的智能仓储实际需求出发,首先,介绍智能仓储系统的系统架构及主要工作流程,然后,根据职能仓储对边缘计算代理装置智能化的需求,着重探讨在智能仓储系统应用中,人工智能算法的设计需要面对和解决的主要问题.     

边缘计算在视频侦查中的应用

视频侦查是犯罪案件侦破的关键技术,以其客观性、真实性等特征为大量刑事案件的侦办提供了可靠支撑。但是,视频监控体系的粗放式发展也逐步暴露出弊病。而边缘计算是伴随着物联网、AI等技术的产生适用而出现的新数据算法模型。边缘计算在视频侦查领域具有技术和逻辑上的可行性,其独特的运算逻辑在实践应用中能有效缓解云中心的运算、存储压力,在边缘端完成数据的优化、传输、共享等初步处理操作,实现边-云的密切协作。基于在不同价值场景的应用,边缘计算可以释放视频监控大数据在侦查中的价值,有效化解数据异构、延迟和安全隐私等问题。     

嵌入式视频和图像识别技术在架空输电线路智能监控中的应用研究

输电线路智能视频监控系统是由嵌入式视频装置、通信通道、后台存储服务器等部分组成,嵌入式视频装置在现场拍摄视频和图像后,现场通过色度提取、基于小波的Canny边缘检测、轨迹追踪、向量机分类等图像识别和模式识别方法,自动识别出架空输电线路本体及周边环境变化产生的风险因素,如导线弧垂变化、大型机械入侵施工、鸟巢活动、飘挂物等,然后产生报警信息后发回服务器,节约了通信费用．经过3年的实际运行经验表明,此系统为佛山地区输电线路防外力破坏发挥了巨大作用,具备广阔的推广应用情景．     

面向智能计算框架的即时缺陷预测

作为人工智能工程化的实现工具,智能计算框架已在近年来被广泛应用,其可靠性对于人工智能的有效实现至关重要.然而,智能计算框架的可靠性保障具有挑战性,一方面,智能计算框架代码迭代迅速、测试困难;另一方面,与传统软件不同,智能计算框架涉及大量张量计算,其代码规范缺乏软件工程理论指导.为了解决这一问题,现有的工作主要使用模糊测试手段实现缺陷定位,然而,这类方法只能实现特定类型缺陷的精准定位,却难以即时地在开发过程中引导开发者关注软件质量.因此,将国内外常见的智能计算框架(TensorFlow,百度飞桨等)作为研究对象,选取多种变更特征构建数据集,在代码提交级别对智能计算框架进行即时缺陷预测.另外,在此基础上使用LDA主题建模技术挖掘代码和代码提交信息作为新的特征,并使用随机森林进行预测.结果发现AUC-ROC平均值为0.77,且语义信息可以略微提升预测性能.最后,使用可解释机器学习方法 SHAP分析各特征属性对模型预测输出的影响,发现:(1)基本特征对于模型的影响符合传统软件开发规律;(2)代码和提交信息中的语义特征对模型的预测结果有重要影响;(3)不同系统中的不同特征对模型预测输出的贡献度排...     

手写体字符识别的多特征多分类器设计

特征选取和分类器设计是字符识别系统设计的关键。文章针对手写体汉字和阿拉伯数字混和字符集的识别提出了依据不同的分类要求,分别选取不同的字符特征并采用神经网络多分类器进行识别的设计方法。实验结果表明,该方法用于手写体混合字符集的识别是行之有效的。     

潜油电泵智能选型系统的设计与实现

潜油电泵的智能选型对浅海油田的石油开采具有现实意义。在智能选型系统中建立相关的计算模型并完成电机表面流速、挂泵深度、井底流压等多项参数的计算。利用计算机进行数值计算、绘图及数据存储,将石油勘探、钻井、完井、采油过程中产生的数据有机地结合在一起,构建利用计算机平台处理的潜油电泵机组智能选型设计模型。从而提高工作效率、节省大量的资金,使浅海油田的石油开采从传统方式向智能化迈进一步。     

基于嵌入式平台的航拍目标智能识别

基于多旋翼无人机实现目标识别具有成本低、灵活性高的优点,能够对近地低空目标进行高强度监测,在国防军事领域和民用领域具有巨大的应用前景;但无人机机载计算机常使用功耗小、重量轻、可靠性高的嵌入式设备,该类设备算力有限,难以实时运行现有深度学习目标识别算法,因此研究深度学习航拍小目标识别技术在嵌入式设备中实时运行有重要意义;基于YOLOv4设计了适用于无人机俯视小目标的轻量化网络,并基于BN层 系数对网络进行剪枝,采用了TensorRT对算法进行硬件加速;同时,制作了小型军用目标数据集,基于该数据集,在机载嵌入式运算平台上对原始YOLOv4算法和改进的算法分别进行了测试,改进算法与原YOLOv4相比,准确率提升了2.3%,速度提升了3.3倍。