基于边缘检测和混合高斯模型的运动目标检测算法

提出一种运动目标检测算法。该算法在时间域上通过混合高斯模型进行背景建模及更新,同时利用基于HSV颜色空间的阴影模型实现阴影检测,提取运动目标的初步形状。然后在空间域上利用Canny边缘检测算子获得运动目标的边缘轮廓,并进一步运算,提取出最终的运动目标。将所提出的算法应用到了越界侦测（报警）中,试验和应用结果表明,该算法能够更有效地检测出运动目标。     

运用高斯混合模型识别动物声音情绪

针对动物的情绪识别问题,提出高斯混合模型在动物声音情绪识别上的应用方法。利用语音信号处理与机器学习技术,提取动物声音信号的过零率、共振峰、梅尔 频率倒谱系数3种描述动物情绪的特征参数。采用高斯混合模型对采集到的动物声音信号训练样本进行聚类分析,计算测试样本后验概率,实现动物情绪的自动识别。通过分析特征参数的权重系数组合、高斯混合数目对识别率的影响来择选最优参数。实验结果表明,经参数优化后的高斯混合模型可将动物声音情绪的识别率由84.25%提高至96.67%。     

基于高斯混合模型的运动目标检测方法研究

在研究比较常用的各种运动目标检测方法的基础之上,结合静止场景运动目标检测的特点,采用基于背景减除法的高斯混合模型方法进行运动目标检测,即采用高斯混合模型进行背景建模、背景减除法确定目标前景区域,并通过图像平滑、二值化处理、去噪等方法对图像进行后处理,最终得到目标前景图像.该方法具有运算量小、处理速度较快的特点.实验结果表明,所设计的嵌入式运动目标检测系统能够检测出较完整的前景区域并判断出目标前景,能够满足静止场景下运动目标检测的需求.     

Markov随机游走和高斯混合模型相结合的运动目标检测算法

针对高斯混合算法对每一像素与它前后帧的像素相关联,并未考虑与相邻像素之间的关联,无法准确地捕捉到运动物体轮廓的情况,提出一种基于混合高斯模型和Markov随机游走的运动目标检测算法。利用混合高斯模型计算像素之间的颜色信息,采用Markov随机游走提取图像的边缘信息,并与提取的运动初始目标进行与计算,同时利用高斯混合模型更新背景信息。结果表明,本方法比传统的混合高斯方法具有较高的分割精度,很好的解决了混合高斯算法边缘模糊的问题,探测率也大大的提高了。     

基于人脸先验知识和混合高斯模型的手势检测

手势检测是时下人机交互的热点。针对现在手势检测系统中的设备较为昂贵复杂,本文设计了一个采用普通摄像头采集图像,利用人脸先验知识来进行肤色建模和肤色分割,提取出图像里的肤色区域,然后利用基于混合高斯模型的方法去除背景检测手势的方法。该方法检测成功率高,适用于手势检测系统。     

基于改进高斯混合模型的概率潮流解析方法

大规模风电并网使电力系统的随机性问题日益突出,概率潮流分析是一种能够计及电力系统随机性的稳态运行分析重要工具。针对风电的随机性和多个风电场出力之间的相关性问题,提出利用遗传算法改进的高斯混合模型求解多个风电场出力的联合概率密度函数,利用联合概率密度函数对多个风电场出力的随机性和相关性进行刻画。在此基础之上,利用线性潮流方程计算多条线路和多个节点电压的联合概率分布,最终求解概率潮流的计算结果。仿真结果表明,所提方法计算精度高,速度快,利用联合概率密度函数和联合分布函数能够比边缘分布更精确地评估电力系统多条线路同时过载的风险。     

基于高斯混合模型的智能电表误差数据挖掘与分析方法

为了合理科学的选择误差最小的智能电表供给用电客户,设计了基于高斯混合模型的智能电表误差数据挖掘与分析方法。首先,分析了高斯混合模型与EM算法的基本思路,其次对智能电表误差数据求三次标准差作为建模数据,建立了以高斯混合算法为基础的智能电表误差数据模型,最后与传统的Kmeans聚类算法模型进行对比测试。实验结果表明,相对于其他聚类算法,所设计的方法轮廓系数值更大,性能更优。能够用于在大量的数据中寻找误差最小的智能电表,并能够给智能电表厂家反馈产品意见,同时还具有产品市场划分等功能。     

基于振动信号频谱高斯混合模型的瓷支柱绝缘子故障诊断

本文提出一种基于振动信号频谱高斯混合模型(GMM)的变电站瓷支柱绝缘子振动信号特征提取方法,并利用粒子群算法(PSO)优化后的极限学习机(ELM)实现故障状态识别与分类.首先,根据瓷支柱绝缘子振动信号的频谱得到信号的频域分布.然后,利用高斯概率密度函数和期望最大值算法(EM)将频谱划分为三种模态,每个模态可以得到标准差σ、权重系数α 和均值μ 三个特征参数用于表征各频率的模态带宽、模态分量占比和模态中心频率.最后,将各模态的特征参数作为特征值输入分类模型实现状态识别与分类.     

基于混合高斯过程的多模型热力参数测量软仪表

为了解决工业过程中参数失效和优化运行中参数计算的问题，提出了一种新型软仪表，它是基于混合高斯模型，利用EM算法实现对混合模型中的参数估计。混合模型的使用既有利于降低单一高斯模型的计算负担，又能有效反映工业过程中的工况变化，判断出与特定工况相关程度最大的过程知识，利用它们建立与特定工况对应的局部模型，并将它们合并组成具有多模型结构的全局模型。作为示例，建立了测量火电厂烟气含氧量的软仪表。仿真结果表明，文中提出的方法能有效地实现工业过程参数的软测量，具有较大的实用价值。     

基于SVM的山体滑坡灾害图像识别方法

提出了一种将组合特征提取和SVM相结合的山体滑坡识别算法。首先进行图像大小统一和对比度增强的预处理;然后在纵向划分子区域的基础上,采用小波尺度共生矩阵对各子区域进行纹理特征提取、在HSI颜色空间中对各子区域进行颜色特征提取、在RGB颜色空间中进行分割特征提取;最后将组合特征送入分类器进行分类,对是否发生滑坡进行识别。实验表明,该方法研究解决的铁路线山体滑坡灾害图像识别技术,为实现铁路沿线环境自动识别奠定了基础。     

基于改进 U-Net 的金具图像小样本识别算法研究

电力金具巡检是保证电网安全运行的关键任务。针对因金具样本类别不平衡、金具图像背景复杂而导致的误检、漏检问题,提出了一种改进U型网络(U-shaped network, U-Net)的检测方法。首先,通过生成对抗网络生成虚拟金具样本扩充数据集,解决数据集中样本类别不平衡的问题;然后,提出一种前景增强方法,在网络输出的特征图中加入背景掩膜,并优化损失函数;最后,将注意力机制嵌入U-Net,以提高模型在复杂背景下提取金具特征的能力。经实验证明,改进算法对电力金具目标的检测效果良好,其金具检测准确率达到98.82%,平均交并比达到83.94%,精确率达到91.01%,召回率达到86.18%,平均精度均值达到89.73%。改进算法不仅可应用于正常金具的检测,还有效适用于生锈金具的检测,为电力金具智能化检测提供了一种新思路。     

基于改进的各向异性模型对IVUS图像降噪算法

针对血管内超声图像中的强背景噪声和边缘模糊等问题,提出了一种改进的各项异性扩散滤波算法.引入中值滤波,将滤波后的梯度模代替传统各向异性滤波中原始图像的梯度模,以控制扩散的过程,并能较好地保持边缘的特性;将各向异性扩散方程的常规扩散方向由4个方向扩展为8个方向,可保留更多的图像细节;并提出了一种自适应选取扩散门限的方法,解决了滤波和边缘保持的矛盾.实验结果表明,改进的算法在滤除噪声和保留边缘方面有着比较满意的效果,为以后血管内超声图像中外膜的提取提供了基础.     

基于TiCNN-DRSN模型的sEMG手势识别算法的研究

基于表面肌电信号和模式识别的手势识别方法在康复手领域中具有广阔的应用前景。提出一种基于表面肌电信号的手部姿势识别方法,以预测手部的52种动作。为解决表面肌电信号易受干扰的问题,提高对表面肌电信号的分类效果,提出了TiCNN DRSN网络,主要作用是在拥有噪声的情况下能够更好的识别率,减少滤除噪声的时间。TiCNN网络使用卷积核Dropout和极小批量训练,为卷积神经网络引入训练干扰并且增加了模型的泛化性;DRSN网络可以有效的剔除sEMG信号中的冗余信号,减少信号噪声干扰。TiCNN DRSN网络在不需要任何降噪预处理的前提下,取得了很高的抗噪与自适应性能。本模型在Ninapro数据库上的识别率达到97.43%±0.8%。     

An image-tracking algorithm based on object center distance-weighting and image feature recognition

A real-time image-tracking algorithm is proposed, which gives small weights to pixels farther from the object center and uses the quantized image gray scales as a template. It identifies the target’s location by the mean-shift iteration method and arrives at the target’s scale by using image feature recognition. It improves the kernel-based algorithm in tracking scale-changing targets. A decimation method is proposed to track large-sized targets and real-time experimental results verify the effectiveness of the proposed algorithm. Translated from Acta Electronica Sinica, 2006, 34(7): 1175–1180 [译自: 电子学报]     

基于异构描述子的新型高斯混合模型图像自动标注方法

过去几十年以来,各种图像标注算法相继提出。这些方法要么需要很大的计算量,要么标注效果不理想。论文提出了一种基于异构描述子的新型高斯混合模型图像语义自动标注方法。本文的高斯混合模型是采用异构空间来构建的,不同于其他的高斯混合模型。对于每个标注词,在多个特征空间下分别用高斯模型来描述,形成对应子空间的“标注词分描述子”。由于各个分描述子描述不同标注词的能力有很大差别,因此通过机器学习的方法来融合这些分描述子,形成更加有效的“标注词描述子”,从而提高标注的准确率。论文提出的“标注词描述子”可以有效地建立图像高层语义概念与底层视觉特征之间的对应关系,准确地描述标注词的语义内容,从而提高图像的标注性能。通过在COREL数据集上的测试表明了方法的有效性。     

基于改进的Transformer细粒度图像识别算法研究

针对细粒度图像识别存在类间差异小、难以区分等问题,本文通过提升网络对图像细节特征的表达能力,来改善这一问题。为此,设计了一种基于改进的Transformer细粒度识别算法。首先,可变形卷积令牌嵌入通过自适应调整采样点的位置,来改变卷积操作范围及其卷积核的形状,从而增强网络模型对空间信息的感知能力,以获取更为精准的空间信息;其次,高效相关通道注意力机制通过对通道的自动选择,将通道注意力的计算从通道相邻转换成语义相似,来捕获语义相似的通道信息。而精准的空间信息和语义相似的通道信息将有效提升网络模型局部特征感知能力。实验结果表明,与基线算法相比,本文方法在CUB-200-2011、Stanford Cars和Stanford Dogs三个数据集上的识别结果分别提升了1.5%、2.4%、1.5%。结果表明,本文提出的方法通过提升细粒度图像细节特征的表达能力,从而有效提高了细粒度图像识别的有效性。     

An improved algorithm for image crack detection based on percolation model

In a complex background, because of uneven illumination, concrete bubbles, shadows of various shapes, and other noise, traditional crack detection methods based on image processing cannot accurately detect cracks, especially unclear cracks. A crack detection method based on the percolation model fully considers the features of cracks including the characteristics of brightness and length, and therefore can accurately detect cracks in the image. But this method is time consuming, and some noisy areas are detected as crack regions. In order to solve the problems above, we propose an improved algorithm for image crack detection, which includes an accelerated algorithm and a new denoising method based on the percolation model. The accelerated algorithm decreases the number of iterations of percolation processing to reduce the computing time, and the denoising method is based on the characteristic of brightness and the length feature of cracks to remove the noisy regions. Experimental results show that the proposed algorithm can accurately and efficiently detect cracks in the image. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于CNN图像识别算法的保护装置智能巡视技术

继电保护装置是保障电力系统安全稳定运行的重要环节。随着变电站及继电保护装置的数量大幅增加,日常巡视工作量已经趋于饱和,无法保证每次都实现高质量、无死角的巡视,给保护装置的可靠运行带来了隐患。文中提出基于卷积神经网络(CNN)图像识别算法的保护装置智能巡视技术,借助安装在屏柜前后的摄像头,可实现保护装置的无人或少人巡视。首先,介绍保护装置智能巡视系统,并对可实现的智能巡视项目进行分析,引出可利用CNN对其进行图像识别;然后以压板状态识别为例对巡视项目所需要的训练样本集和测试样本集进行介绍,并给出巡视项目的CNN层级;再利用训练样本集对不同巡视项目的CNN进行训练;最后,对各网络进行了测试。测试结果表明,各个巡视项目的神经网络图像识别率都在96%以上,有的可以达到98%,识别效果良好。     

基于改进SSD的变压器套管红外图像油位智能识别方法

为解决现有基于红外图像识别变压器套管油位存在的过于依赖温度信息、人工处理效率低下等问题,文中结合目标检测技术提出了一种基于改进单次检测器(SSD)的套管智能油位识别方法。通过引入SSD目标检测方法,检测红外图像中的套管区域,加入损失函数以改进SSD算法从而提高套管检测准确率,并进一步通过简单线性迭代聚类(SLIC)的应用实现了不依赖红外图像温度信息的油位检测。对比文中提出的基于红外图像的油位识别算法检测结果与人工油位检测结果,表明文中提出的算法不仅在效率上领先于传统的温度检测方式,且其误差较小,仅为0.08%。对比结果验证了所提算法在保证检测精度的情况下可大幅度提高检测效率,有效提升套管故障诊断效率和智能化水平。