自由立体显示系统中的人眼跟踪定位方法

人眼跟踪定位是自由立体显示系统的重要组成部分,系统通过获取两眼的精确位置可以使观看者无辅助观看设备情况下获得清晰的三维图像。采用由粗到精的方法,在对人脸区域进行跟踪的基础上进行人眼初检测和瞳孔精确定位。红眼效应可有效筛选眼部区域候选点,利用脸部Adaboost级联分类器检测结果构造似然函数用于粒子滤波实时人脸跟踪,在此基础上进行基于Adaboost方法的人眼初定位和基于投影方法的瞳孔精定位。实验表明,该算法使人眼跟踪与精确定位速度之和达到100帧/s,满足系统实时精确的要求。     

基于VC++.net和OPENCV的身份识别系统开发

首先使用Adaboost方法检测到视频流中的人脸,然后将SIFT特征提取算法应用到人脸特征的提取环节中,提取出人脸的旋转、缩放、平移和光照不变性SIFT特征。通过将检测到的人脸的SIFT特征和人脸库中的人脸SIFT特征进行匹配,找出匹配程度最大的对应的类别,即为匹配结果。整个系统用VisualC .net2008和OPENCV开发。     

改进WMIL的实时人脸检测与跟踪

针对WMIL在光照突变或者全部遮挡的的情况下会出现跟踪失败以及在跟踪错误情况下无法自动恢复跟踪的问题,提出了一种基于改进WMIL算法和AdaBoost的实时人脸检测和跟踪算法。利用AdaBoost的方法检测人脸信息,然后在改进WMIL算法的框架下,对人脸图像进行多尺度表示,采用压缩感知的方法来提取样本特征。最后,利用改进WMIL算法建立分类器对人脸进行跟踪,自适应调整跟踪窗口的大小,并实时更新。实验结果表明,改善了WMIL存在的不足,有效解决了在人脸外观变化,姿态改变、快速运动等情况下,能稳定准确地实现目标的实时跟踪。     

变电站遥视系统中基于Adaboost人脸识别算法改进研究

遥视系统实现了变电站内部环境、重要设备的实时监控,有效地应用在了无人值守变电站内。当前,遥视系统还处于初级阶段,模式识别作为其核心技术,是电力领域的重要研究对象。通常,在人脸识别系统中采用基于Discrete Adaboost的人脸识别算法,在此基础上研究改进的DomainPartitioning Real Adaboost(DPR Adaboost),将其应用在人脸识别检测中,在算法示例以及检测程序中进行对比,结果表明其具有分类能力提高,收敛速度快,错误率低甚至趋近于零的优点。     

基于多尺度聚合通道特征的实时行人检测

行人检测是近年来计算机视觉领域的研究热点,如何有效且快速地检测行人仍是具有挑战性的课题。提出一种基于多尺度聚合通道特征的快速行人检测算法。设计一种能够充分包含图像颜色、梯度信息的聚合通道特征,采用一种快速多尺度特征估计算法计算图像的多尺度聚合通道特征,使用级联Adaboost分类器进行行人检测。实验结果表明,该文算法在标准行人检测库INRIA上测试结果的召回率和准确率与目前最优算法相当,但时间开销很小完全满足实时检测要求。     

航天遥感TDICCD相机星上振动实时检测

为了对航天遥感相机焦平面振动进行实时检测,提出了一种利用CMOS图像传感器和快速灰度投影算法的振动实时检测方案。首先,分析了航天遥感相机焦面振动检测系统要满足的条件,提出了一种在焦面空闲处安装CMOS图像传感器的结构来获取图像序列,然后对传统灰度投影算法进行了改进并利用该算法计算了图像序列间的振动量,最后,利用FPGA对算法进行了实现。理论分析和实验结果均表明,提出的方案能满足航天遥感相机对焦面振动检测的要求。     

基于最佳路径的警力资源调度改进算法

分析了现有警力资源调度中存在的问题,结合交通网络中的交通规则和实时路况信息,提出了一种基于最佳路径的警力资源调度方案,并给出了详细的算法步骤。实验结果证明了该算法的可行性,能满足应用要求。该算法已应用于实际工作。     

基于DM642的人脸图像边缘检测改进方法

人脸图像的边缘提取是人脸检测和识别的重要基础之一。本文介绍了图像边缘检测的基本方法及Sobel算子和Canny算子的基本原理,从实际应用角度出发,在TMS320DM642EVM平台上实现改进的Sobel算法与Canny算法的融合,并优化程序以达到实时性目的。实验证明,本方案在抑制噪声同时,能快速完整地检测出人脸边缘,实用性好,为日后人脸自动识别等DSP系统的开发打下良好的基础。     

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。     

电力信号实时处理的集成化设计新方法

针对信号处理算法日趋复杂的要求,提出了一种新的设计开发方法,将实时信号处理算法的仿真、编程、调试在 MATLAB 环境下集成为一体,从而将算法设计与低层软、硬件设计完全隔离,使设计对硬件的依赖最小化,减轻了硬件设计负担,加快了设计进程,降低了设计风险。这一方法在高速 DSP 平台上实现了电力暂态故障检测。     

基于改进OCSVM的智能变电站数据流异常检测方法研究

目前智能变电站的数据流异常检测对准确性和实时性要求较高,采用简单阈值的检测方法已无法满足要求。针对这一问题,基于智能变电站体系架构,提出了一种将改进的密度聚类算法和改进的单类支持向量机算法相结合用于智能变电站异常数据流检测的方法。使用k-dist图优化密度聚类算法对正常数据流样本进行聚类,形成样本簇。使用改进的粒子群算法优化单类支持向量机算法建立相应的检测模型,对异常数据流进行检测。通过仿真与传统检测方法进行对比分析,验证了所提方法的有效性。结果表明,与传统OCSVM方法相比,所提异常检测方法将常规数据流样本拆分为多个OCSVM模型,可以更紧密地包裹正常样本,检测效果较为理想,检测准确率高于99%,可以满足异常数据检测对准确性和实时性的要求。     

基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法

随着输电线路无人机巡检工作的常态化,暴露出故障图像检测实时性、模糊目标检测精准性难以满足实际工作需求的问题。文章提出一种基于边缘计算和改进YOLOv5s算法的输电线路故障实时检测方法。以YOLOv5s为基础检测模型,基于Ghost轻量化模块重构模型获取数据特征的卷积操作过程,提高了模型的检测速度;采用基于KL散度分布的损失函数作为目标框定位损失函数,提升了模型对模糊图像检测的精度。将改进的YOLOv5s算法部署于华为Atlas 200 DK边缘模块中,对绝缘子自爆、防震锤脱落、鸟巢3类故障进行检测,其平均精度均值可达84.75%,检测速度为34 frame/s。结果表明,改进的算法在保证检测实时性的同时,能够提升对模糊故障目标图像的检测精度,满足无人机搭载边缘设备的输电线路巡检需求。     

即时聊天的视频背景实时替换技术研究

针对即时聊天应用,提出了一种实时替换视频背景的技术,分为初始化模块、目标检测模块和背景替换模块3个部分。其中初始化模块和目标检测模块实现了即时检测目标的功能,提出了一种人脸检测、肤色检测与颜色直方图检测相结合的方法。实验结果表明,在光照均匀的环境下,该方法能够实时替换聊天视频背景。     

基于区域颜色分割的交通标志检测和识别

现在的高端汽车市场上汽车驾驶辅助摄像系统是一大亮点,研究工作致力于提供一个软件算法来实现驾驶辅助系统中实时交通标志检测和识别的功能。算法的每一步设计都尽量不影响其实时性,基于HSI颜色空间,使用了新型的基于区域的快速颜色分割,结合分层技术和简单阈值处理,可以快速地按颜色分层得到采样图像中可能含有标志的感兴趣区域;再在此区域结合数学形态学的膨胀运算以便识别区域形状。最终基于最后输出的感兴趣区域掩模原图像的亮度分量,用边缘方法提取边缘方向的统计特征,进行基于内容的图像检索(CBIR)。初步实验结果,对感兴趣区域的检测准确率在90%以上。并且算法可以扩展到大部分目前标志数据图库中涉及的绝大部分标志使用形状。     

基于改进能量算子和六项余弦窗频谱校正的电压闪变包络参数检测

随着新能源和电力电子技术的广泛发展与应用,当前电网电压波动与闪变问题日趋严重。针对电压闪变参数的准确检测和评估,提出基于改进能量算子和六项余弦窗三谱线改进FFT的电压闪变包络参数检测方法。该方法与传统能量算子相比,无需平方根运算,计算速度更快、实时性更好。基于推导出的闪变校正系数使其在基波频率波动及各类谐波等电网干扰情况下的准确度和稳定性均显著提高,并搭建基于PXI+Lab VIEW架构的检测平台进行测试。仿真实验和实测结果证明:在分别含有单一调幅波调制、多频率调幅波调制、电网基波频率变动、含有各类谐波和白噪声干扰时,所提检测算法相比传统能量算子稳定性好、准确度更高,可有效实现电压闪变参数的在线检测与准确分析。     

基于百度飞桨的面向黑暗环境人员行为检测与身份识别

针对传统可见光在黑暗环境中难以实现人员行为检测与身份识别的问题,本文结合红外热成像技术基于百度飞桨深度 学习框架研究了一种面向黑暗环境的人员行为检测与身份识别算法。 首先经过实地采集,自主构建红外热成像人员行为数据 集总计 10 900 张 9 种行为类别以及双光人脸数据集总计 3 000 张 30 位人员。 针对行为检测方面,基于轻量化网络 PP-LCNet 改进 YOLOv5 骨干网络进行人员行为检测,大幅度减少模型参数并提高检测精度与推理速度。 针对人脸识别方面,引入 CycleGAN 算法改进 InsightFace 实现将红外人脸转化为可见光人脸进行身份识别,提高在黑暗环境下人脸识别准确率。 最后实 现红外人员行为检测网络与人脸识别网络的级联工作,在黑暗环境下可以实时行为检测与身份识别,具有很好的应用效果。 实 验结果表明,基于 PPLCNet 轻量化改进的 YOLOv5 相对于原网络模型参数减少 56. 4%,平均精度 mAP 由 89. 1%提高至 94. 7%, 推理速度由 68 提高至 101 fps;基于 CycleGAN 算法改进 InsightFace 相对于原网络黑暗环境下识别准确率由 84%提高至 99%。     

形态小波在低压系统短路故障早期检测中的DSP实现

本文将具有多结构元素的广义形态开滤波器作为三次B样条二进小波变换的前置滤波单元,形成一种新型的形态小波滤波器,并应用于低压系统短路故障早期检测中.该滤波器可以较好地抑制各种噪声、保护故障特征,并从整体上降低了算法的复杂程度,使之在硬件上实时实现成为可能.本文研制了以美国TI公司新近推出的TMS320F2812 DSP为核心的短路故障早期检测系统,在此系统上实时实现了上述形态小波滤波算法.计算机仿真及实验结果均证实了该算法能够有效滤除低压系统中常见的白噪声及脉冲噪声,同时也证实了该算法在低压系统短路故障早期检测应用中的有效性.     

基于肤色分割与AdaBoost算法的人脸检测

提出了一种将肤色分割与AdaBoost算法相结合的人脸检测方法。该方法利用肤色的聚类特性在YCbCr色彩空间中建立肤色高斯模型,通过形态学处理完成图像肤色区域的筛选;然后利用AdaBoost算法训练弱分类器并构成强分类器,对强分类器进行组合,形成级联分类器并对候选区域进行人脸检测,排除非人脸肤色区域,实现对不同角度人脸的正确检测。该方法可同时解决肤色分割方法对复杂背景图像的高误检率与AdaBoost算法对多姿态人脸图像的低检测率的问题。仿真实验表明,该方法具有检测率高、误检率低、适应性好及鲁棒性强的优点,对具有多姿态、多人脸和复杂背景信息的图像具有较好的检测效果,实用性得到增强。     

SDN中基于机器学习的DDoS攻击协同防御

现在电力系统业务越来越多,传统的网络架构缺乏全局观、控制能力不强。软件定义网络(SDN)是一种新兴的网络架构,将SDN运用到电力系统中去,可以改变以往电力通信网的静态化格局,实现真正意义上的智能电网。然而,SDN这种体系结构容易受到分布式拒绝服务(DDo S)的威胁。采用卷积神经网络和SVM支持向量机相结合的方法来检测攻击。利用SDN控制器全局管理的特性,通过控制器提取相邻交换机之间的关联特征,使得交换机可以协同运作,提高检测精度。此外,为了可以实时观测网络的安全状况,设计了基于Influxdb和Grafana的轻量级网络监控系统。通过模拟攻击和正常流量来获取大量数据集,并和其他检测方法进行对比试验。实验结果表明,该模型有更高的检测率和更低的误报率,数据也可以实时上传到监控系统中,给管理者提供整个网络的视图,使得网络的管理更加便捷。     

一种视频图像序列人脸检测方法

根据高阶统计量对高斯噪声不敏感的特点,本文提出了一种新的从连续图像序列中检测人脸的方法.首先,设计了运动图像序列帧间差的高阶统计量的计算公式,以自动分离运动人体和背景.为了提高速度,对计算过程进行了优化处理.然后使用一种边缘人脸检测方法检测运动人体中的人脸,并对该人脸进行尺度归一化处理.实验表明,该方法简单易行,速度快,能准确地提取出运动图像序列中的人脸.