基于场景的目标综合识别

多部异构传感器在出现高冲突情况下的属性融合上往往得到与事实不符的结果。通过对机载平台常用的目标属性识别手段及其识别能力的分析,给出了机载平台工作场景分类、识别融合架构、识别准则,以及基于不同场景的识别流程,较好地解决了平台异构传感器在高冲突情况下的属性融合中出现的问题。     

室外场景WLAN无线参数优化方案研究

以室外CBD商圈热点为优化对象,介绍了一种室外场景的WLAN无线参数优化解决方案。该方案采用避轻就重的思路,通过AP信道隔离、功率调整以及优化AP空口资源,达到解决室外场景下同频干扰及容量受限问题的目的。     

基于人工智能视觉的特定场景识别系统设计

设计基于人工智能视觉的特定场景识别系统,其由人工智能视觉识别模块、光感模块和定位调制模块组成。人工智能视觉识别模块利用360人工智能视觉摄像机和加速度计,进行特定场景图像的再成像和加速测量,将其中的非特定物体删除,构建特征场景图像。光感模块利用光传感器对特征场景图像中的光照强度进行感应,获取场景的大致位置信息。定位调制模块基于全球定位系统进行位置信息的调制工作,调制工作是根据形态学滤波各项目标函数以及区域分割代码进行的,调制后的最终定位信息将直接传送给用户使用。经实验验证可知,所设计的系统具有较高的识别效率和识别精度。     

基于生物特征识别的Android身份认证终端技术研究

为了提高特定应用场景下基于Android设备的用户身份认证的安全性,设计并实现了一个基于身份证信息读取、人脸和声纹识别的Android身份认证终端。该终端首先通过身份证刷卡设备和SDK获取用户的身份证信息,其次通过Android终端录制一段视频,在录制视频时,要求用户读出一段指定的随机文本,在此过程中会对视频中的人脸图像进行采集、预处理以及特征提取,同时会对声纹特征进行提取,然后采用指定的模式匹配算法对人脸和声纹进行匹配。实践表明该方法能够克服单一生物特征识别方式易于伪造的缺陷,具有更高的安全性。     

WLAN网络建设与特殊场景应用研究

文章概述了无线城市和WLAN，着重研究了WLAN分场景组网方案，包括分布系统合路、室内放装、室外布放和WOC／EOC及PLC等建设方式；分析7WLAN特殊场景建设方式，包括WLAN基站建设覆盖、CPE深度覆盖补充和WLANMesh组网等建设方式。     

基于Android手机传感器数据识别运动状态

现阶段科技技术的发展进步,智能手机的功能越来越强大,手机上也集成了多种传感器模块,而手机的便于携带使用,功能强大等特性使得手机在相比于个人电脑和可穿戴设备上有着明显的优势。本文通过分析智能手机传感器采集到的用户运动状态数据,使用SVM多分类方法,来识别用户的运动状态。本文实验采用交叉验证方法,实验结果良好,能够很好地说明识别用户运动状态的准确率比较高。本文的下一个方向是结合MYO手环的手部识别,来更好更多地区分人的运动状态。     

多优化机制下深度神经网络的音频场景识别

随着并行计算能力的不断攀升和音频数据量的日益扩增,音频场景识别成为场景理解领域重要的研究内容之一。针对音频场景识别建模难度大和识别准确率不高的问题,本文提出了融合多优化机制的并行卷积循环神经网络算法模型。首先,将音频信号经预处理后转化为一定尺寸的梅尔声谱图,之后输入到网络模型中进行充分的空间特征和时间特征学习,最后进行识别。为了验证模型的有效性,在DCASE2019音频场景数据集上进行识别性能测试,结果显示,该算法模型对音频场景的识别准确率能够达到88.84%,优于传统网络模型,说明该算法模型对音频场景识别问题的有效性。      

野外场景分析与水体识别新方法的研究

 根据视觉认知规律,提出描述野外场景图像的三要素:地面、垂直物、天空,给出了单视角野外场景图像方程,通过采用基于独立图元函数码的三要素图像快速分类方法,实现对野外场景图像的分割,并且只在地面上去识别水体.本文重点讨论了野外场景中水体光照模型,分析了野外场景的相关物理特性,定义了水质参数、环境染色参数、图元、独立图元函数码、母图元等新概念,给出了野外场景分析与水体识别系统,提出基于位置、纹理、地质系数和环境染色等多特征参数的数据融合水体识别方法.实验表明该方法对于宽阔的道路场景分析和道路上的水体识别可以得到很好的效果.     

无线传感器网络密钥管理方案评估研究

针对如何选取有效密钥管理方案是实现无线传感器网络安全的关键问题,提出一种密钥管理方案的综合评估方法。该方法利用总结出的密钥管理方案的评估指标,构造了评估指标层次分析结构模型。结合模糊综合评判法,把评估密钥管理方案性能的主观因素限制在很小的范围内,有效地提高评估结果的准确度和可信度,可根据需要快速选择合适的密钥管理方案。实验验证该方法是有效的。     

基于智能规划的多步攻击场景识别算法

多步攻击的识别过程与智能规划的求解过程具有一定的对应性。提出了一种基于智能规划的多步攻击识别模型,将智能规划的方法应用于多步攻击识别的领域,并以此为基础实现相应的识别算法。采用DARPA数据集进行实验,这种算法在多步攻击识别领域,具有较好的有效性和可行性,能够达到可接受的准确率和完备率。     

基于层次自注意力的高效场景文本识别

在深度学习技术的发展驱动下,智慧应用场景对文本识别任务提出了更高的要求。现有方法更加侧重构建强大的视觉特征提取网络,忽略了文本序列特征的提取能力。针对该问题,提出了一种基于层次自注意力的场景文本识别网络。通过融合卷积和自注意力可以建立并增强文本序列信息与视觉感知信息间的联系。由于视觉特征和序列特征在全局空间中的充分交互,有效地减小了复杂背景噪声对识别精度的影响,实现了对规则和不规则场景文本的鲁棒性预测。实验结果表明,所提方法在各数据集上均表现出竞争力。尤其是在CUTE数据集上可以实现81.4%,6.24 ms的最佳精度和速度,具备一定的应用潜力。     

LTE室内分布系统分场景建设方案研究

在本文当中主要是针对了LTE室内分布系统的分场景建设方案做出了分析研究,并且在这个基础之上提出了下文中的一些内容,希望能够给与同行业人员提供一定的参考。     

基于业务的信息资产识别方法

资产识别是信息安全风险评估过程中的一个重要环节，文中提出基于业务的资产识别方法，并结合层次分析法AHP，对信息资产进行合理赋值。     

基于场景语义的遥感图像目标识别

高分辨率遥感图像的信息解译的通常思路是从特定类型目标的检测与识别分析入手,最终实现图像场景的认知理解。给出一种利用CSIFT特征的遥感图像视觉特征表示方法和基于PLSA的遥感图像场景语义识别方法,并利用10类典型遥感图像场景进行实验,充分验证了该方法的有效性。     

基于深度学习的室内视觉位置识别技术

视觉位置识别技术通过将地点图像与数据库中的图像集进行匹配,根据配对图像标签中的位置信息得到定位结果。现有的视觉位置识别网络都是为了应对室外场景而构建和训练的,在室内场景中的识别性能较差。文中提出了一种基于深度学习的室内视觉位置识别卷积神经网络架构,并在室内场景识别数据集上对网络进行了训练,然后在本地室内数据集上对网络参数进行进一步的微调,较好地解决了室内环境中的位置识别问题。和现有的其它视觉位置识别网络相比,文中训练的网络在实际室内环境测试中最大有30%的识别精度提升。     

基于神经网络的无线信道场景识别

无线信道场景识别对于无线资源调度和系统性能的优化等具有重要意义.文中基于QuaDriGa平台研究了反向传播神经网络(back propagation neural network,BPNN)和卷积神经网络(convolutional neural networks,CNN)在无线信道场景识别中的应用.首先,利用QuaD...     

基于智能手机传感器的行人出行方式识别

基于传感器的行人活动识别是从大量传感器信号中寻找关于人类行为活动的标识.利用智能手机传感器采集行人活动数据建立lightGBM模型,判断行人当日的出行方式.预处理阶段针对传感器信号存在设备异构和放置问题,使用磁力计和重力计进行坐标系标准化降低异构传感器影响,并利用缩尾调整剔除首尾数据进而消去异常值.特征工程阶段同时利用...     

基于多层次特征差异图的视觉场景识别

场景外观剧烈变化引起的感知偏差和感知变异给视觉场景识别带来了很大的挑战。现有的利用卷积神经网络（CNN）的视觉场景识别方法大多数直接采用CNN特征的距离并设置阈值来衡量两幅图像之间的相似性,当场景外观剧烈变化时效果较差,为此提出了一种新的基于多层次特征差异图的视觉场景识别方法。首先,一个在场景侧重的数据集上预训练的CNN模型被用来对同一场景中感知变异的图像和不同场景中感知偏差的图像进行特征提取。然后,根据CNN不同层特征具有的不同特性,融合多层CNN特征构建多层次特征差异图来表征两幅图像之间的差异。最后,视觉场景识别被看作二分类问题,利用特征差异图训练一个新的CNN分类模型来判断两幅图像是否来自同一场景。实验结果表明,由多层CNN特征构建的特征差异图能很好地反映两幅图像之间的差异,文中提出的方法能有效地克服感知偏差和感知变异,在场景外观剧烈变化下取得很好的识别效果。     

基于稀疏自动编码机的场景识别算法

针对场景识别中低级特征与高级概念之间的语义鸿沟问题,提出了一种基于稀疏自动编码机的场景识别方法。采用了稀疏自动编码机和空间金字塔池化相结合的特征编码技术。首先对场景图像提取局部的HOG特征,然后利用改进的稀疏自动编码机对HOG特征进行编码,得到稀疏特征,通过空间金字塔池化和局部归一化得到整张场景图像的表示,最后利用线性SVM实现分类。在标准的场景图像数据集Scene-15上进行的实验表明,该算法可以将识别的准确率提升至81.97%。