一种基于HOG与SVM的监控视频车辆识别方法

针对基于监控视频的车辆检测识别问题,给出了一种基于视频监控的面包车识别算法。该方法对监控视频中已跟踪的车辆,提取车辆的方向梯度直方图（HOG）特征作为支持向量机（SVM）分类检测的输入,分类识别该车辆是否为面包车;通过车辆大小的检测,增强了分类识别算法的准确性与鲁棒性。实验证明,该方法能准确进行面包车的分类识别,基于实际的标清监控视频,面包车的分类准确率达到90％左右。     

基于状态识别的人体运动中穿戴设备动态监控系统

针对运动动作采集与识别的需求，提出一种基于IMU数据采集与SVM的动作识别的可穿戴动态监控系统。在该系统中，首先利用IMU采集运动数据，然后对数据进行平滑滤波处理，以消除噪声对数据的影响，动作特征的提取将利用动作分割算法，动作的识别采用支持向量机。结果证明：SVM算法在经过特征选择后，在动态动作、静态动作以及全部动作的识别率上达到了98.01%、99.23%、98.52%,整体识别效果好，证明了基于状态识别的可穿戴设备监控系统具有可行性。     

复杂背景下人体检测算法

静态图像的人体识别技术在实际视频监控场景中, 面临背景复杂、图像分辨率低、光照影响和噪声干扰等问题, 这些多变性以及可能发生的遮挡给单一图像中的人体识别技术提出了挑战. 设计和实现一种复杂背景下的人体检测算法, 基于HOG人体检测算法, 使用积分直方图计算HOG特征, 并用级联SVM分类器对样本进行训练. 实验结果表明, 该算法在复杂视频监控场景中进行人体检测比其它人体检测算法具有更高的准确率和更快的检测速度.     

基于OpenCV与SVM的车牌识别方法

为了提高车牌识别效率,论文提出了一种基于OpenCV与SVM的车牌识别方法.用Canny算子获取图像边缘轮廓信息,基于SURF算法对车牌进行特征提取,并结合HSV颜色空间来定位车牌位置;基于垂直投影方法来提取车牌字符特征,再利用SVM算法实现对车牌字符的识别.该方法利用计算机视觉库OpenCV实现,利用OpenCV封装的SURF算法和SVM算法实现车牌识别,实验表明,该方法有较高的识别效率.     

SVM和BP算法在气体识别中的对比研究

介绍了一种可以应用于气体识别领域的新的算法-支持向量基算法(SVM),并通过同常规的神经网络算法-BP算法进行实验对比,得到了:SVM算法在数据样本不含噪声时可以得到和BP算法同样好的识别效果;在数据言本含有噪声时,该算法的识别效果相对BP算法具有明显的优势.从而证明了SVM算法在气体识别领域具有良好的研究价值和应用前景.     

基于MSER与SVM算法的车牌定位识别方法

针对实际车牌识别系统中车牌位置定位难、字符识别率低等问题,提出了一种基于MSER与SVM算法的车牌定位识别。该方法分为定位和识别两步,输入图像经过预处理,通过MSER与SVM算法直接提取出车牌的字符区域,然后将车牌字符图像裁剪送入识别阶段,识别阶段同样利用SVM算法对车牌字符进行识别。经验证,该车牌定位识别方法识别速度快、准确率高,能够适用于实际生活中较为复杂的交通环境。     

基于深度传感器的监控技术与算法

针对现有的视频监控技术对关键设施的监控实时性低,以及在夜晚实施监控时效果差的问题,提出基于深度传感器的关键设施监控技术,并通过支持向量机(SVM)算法对其可行性进行验证。利用不同人体的骨架长度存在差异的特性,采用深度传感器作为数据采集端,瞬时采集人体的8个骨架长度作为特征值,作为人体骨架信息,由于深度传感器以红外结构光检测为核心,故在夜晚也可无损地采集数据。基于SVM进行分类器的设计,得到最佳人体识别算法。实验表明:所提模型及算法的识别成功率可以达到80%以上,具有较好的识别效果,故基于深度传感器的监控技术可以为关键设施监控提供一种新思路。     

基于支持向量机的图像飞机目标自动识别算法研究

为了能够快速、准确地识别飞机目标,文章给出了一种基于支持向量机的飞机目标自动识别方法;采用Touzi边缘提取,得到目标形状参数的几何特征,Hu不变矩等16个特征矢量作为SVM的训练样本,通过SVM训练得到飞机目标识别模型,从而完成飞机目标的自动识别;试验结果显示.该算法对不同尺度和模糊程度的飞机目标的识别度可达99%;该算法减少了样本训练时间,在提高识别准确率的同时降低了算法的复杂度,具有识别度高、识别速度快的特点,可用于飞机目标的快速识别。     

小生境粒子群优化的SVM钢坯定重预报

连铸钢坯定重切割,对提高棒材轧制成材率,降低钢坯原材料浪费及能耗具有重要意义.首先针对特定钢流,实验研究了影响钢坯重量的因素,确定了钢坯拉速这一关键影响参数.其次建立了钢坯重量的支持向量机(SVM)回归预测模型,以钢坯拉速作为特征输入量,对钢坯重量进行预测.最后,采用小生境粒子群优化(PSO)方法,优化SVM模型参数,得到PSO优化SVM参数的钢坯重量预测模型.并通过建立神经网络钢坯定重预报模型A及最小二乘钢坯定重预报模型,进行对比研究,研究结果表明,采用小生境粒子群优化后的SVM预报模型可显著提高钢坯定重预报精度.     

PSO-SVM算法在肝脏B超图像识别中的应用

为提高肝脏B超图像的诊断准确率,研究了将粒子群算法(Particle Swarm Optimization,PSO)和支持向量机(Support Vec-tor Machine,SVM)相结合进行肝脏B超图像识别的方法;该方法首先提取肝脏B超图像的空域和频域的纹理特征,然后运用SVM对108幅肝脏B超图像进行分类,利用PSO算法优化SVM的模型参数,最后将该方法与基于网格搜索法优化的SVM和基于BP神经网络的分类方法进行了对比;实验结果表明,在PSO-SVM算法下,所提取的两种纹理特征相结合能够有效地描述肝脏B超图像,基于粒子群优化算法的支持向量机模型具有较高的识别精度,平均分类准确率达94.44%,这就表明PSO-SVM算法适用于对肝脏B超图像的识别。     

Detecting and eliminating collisions in NC machining

When a 3D object is milled from a billet by a cutting assembly (tool and an associated cutting head), a common hazard, particularly if the cutting is under numerical control, is that this assembly may collide with (foul) the partly cut billet.Fouling may be detected and eliminated by simulating the changing billet shape and the moving cutting assembly: fouling is detected when billet and cutting assembly models occupy the same model space. The principal method of removing fouling is to modify the billet by removing those parts that would subsequently foul. Alternatively, the cutter assembly may be modified by fitting a longer tool, whose length is calculated to lift the cutter assembly above any part of the billet causing fouling.For premodifying billets, the program records the parts of the billet causing fouling and calculates a cutter path to remove these. Since this preliminary cut may itself cause fouling, the program is applied recursively to the initial toolpath and subsequent defouling toolpaths until a final toolpath is reached that does not cause fouling. These preliminary toolpaths are then executed in the reverse order of their generation.The method assumes that the final shape has a single height above every point of its base, and is therefore limited to shapes that do not have undercutting.     

连续式加热炉拉钢速率与钢坯表面温度参与炉温控制

本文讨论了连续式轧钢加热炉生产过程中,拉钢速率对炉温的影响;提出了在出炉钢温满足工艺要求的条件下,结合轧制节奏与出炉钢坯表面温度来对炉温进行控制、修正的方法。实践表明此控制方法的实施,对于加热炉节能降耗、提高成材率效果显著。     

基于分散推理结构的加热炉钢坯温度分布模糊控制

针对钢坯加热炉系统所具有的典型分布参数特点,提出了一种基于分散推理结构的钢坯温度分布模糊控制方案．首先,将炉内钢坯温度偏差分布作为模糊推理系统的输入信息;然后,对于每一个炉温调整点,通过一组二维模糊控制器,产生一组与钢坯温度偏差分布对应的炉温补偿控制分量;最后,综合各控制分量获得各调整点处的炉温补偿量．仿真算例表明,该方案能够有效地保证钢坯按理想加热曲线完成加热过程．     

电磁搅拌技术在莱钢六号合金钢连铸机上的设计与应用

介绍结晶器电磁搅拌在矩形坯连铸机上的应用。采用内置式结晶器电磁搅拌后,连铸坯低倍组织大为改善,质量明显提高。     

面向节能优化的加热钢坯特征参数模型研

本文基于钢坯加热的热流密度的慨率密度分布关联加热能耗的原理,提出一种建立加热钢坯表面的热流密度的概率密度分布曲面模型的方法,以期将来能通过调节表征加热能耗的热流密度概率密度分布曲面形状特点,使钢坯加热工艺过程能耗调节具有较好的操控性,达到钢坯加热节能控制之目的.     

基于Taylor级数的分布参数系统最优控制

结合钢坯加热过程讨论了分布参数系统的最优控制问题.针对钢坯加热过程,建立了分布参数系统的数学模型,利用Taylor级数近似变换,并引入Taylor级教基函数的微分运算矩阵和向量积矩阵,将钢坯温度的最优控制问题转化为相应集总参数系统的最优控制问题,然后对集总参数系统进行求解,并将求得的逼近解进行逆变换,即求得分布参数系统最优控制的逼近解.并通过仿真示例验证了该算法的有型,取得了满意的结果,为分布参数系统的控制算法提出了一条解决方案.     

基于多层SVC的钢坯编号识别研究

提出了一种用支持向量分类器(SVC)实现钢坯编号文字识别的方法.首先利用PCP算法对视频图像提取关键帧,然后利用彩色图像HSI空间中S分量的特性,定位钢坯区域;再利用一系列图像处理技术,对图像中钢坯编号区域定位、分割字符,最后利用SVC进行字符识别.实验结果表明,利用SVC可有效识别钢坯编号且速度快、识别率高,具有较高的实用价值.     

热处理炉数学模型在莱钢热处理炉的应用

以莱钢辊底式热处理炉为研究对象,全面分析其传热特点,实现了炉内钢坯位置实时跟踪、钢坯温度动态计算、最佳炉温的优化设定等功能。     

考虑倒垛因素的轧制计划编制方法

在给定粗轧制计划的基础上考虑钢坯库倒垛优化, 编制详细的轧制计划; 建立以最小化轧制计划内钢坯出 库总倒垛次数与轧制单元之间切换机架次数为目标的多目标整数规划模型; 针对模型特征, 设计一种基于钢坯匹配的单亲遗传算法. 通过基于实际生产数据的实验验证, 相对于传统的手工计算方法, 所提出的算法在优化倒垛次数和切换机架次数上平均提升20 %, 算法和模型是可行且有效的.     

基于递推PLS的自适应钢温软测量模型

针对轧钢加热炉系统具有多变量、非线性、大滞后、交叉耦合等特点,难以预估钢坯出口温度的难题,以块式递推偏最小二乘算法为基础,结合移动窗口和遗忘因子法,建立了出炉钢坯温度和过程变量之间的预测模型.在某钢厂的实际应用表明,该钢温软测量模型具有较好的自适应能力,能提前15 min预测钢坯出口温度,且预测误差满足工业应用的精度要求.