基于总变分的多特征阴影检测方法研究

针对实际生产过程中,影像上的阴影导致影像信息量缺损,影响影像匹配和拼接这一问题,提出基于总变分的多特征阴影检测方法,并通过实验验证了该方法的有效性.     

基于FPGA的多信息融合的运动阴影检测

在智能交通监控系统中,阴影检测是其中的重点和难点现有的方法有些是简单的以某种情况作为前提,而不能适合范围更广的情况;还有些则过于复杂,且难以计算。本文提出了一种基于FPGA的多信息相融合的运动阴影检测算法,充分发挥了FPGA的并行性,降低了传统计算机图像处理的延迟,通过多种检测信息弥补单一检测算法的不足,并提高检测精度。     

基于多域特征的螺栓松动检测方法研究

螺栓作为机械设备最常用的连接件,螺栓连接的稳定性对保障机械设备安全运行起着至关重要的作用,对螺栓松动程度进行检测有着重要意义.针对螺栓松动4种不同状态,提出了一种基于变分模态分解(VMD)及时频敏感特征与最小二乘支持向量机(LSSVM)相结合的螺栓松动检测方法.针对螺栓松动的4种不同状态,搭建了螺栓松动检测模拟实验平台...     

基于车底阴影的前方运动车辆检测

实时准确检测前方运动车辆的位置信息是车辆安全驾驶的前提,提出了一种在不依赖车道线检测情况下,基于车底阴影的前方运动车辆检测。阴影算法采用两次自适应阈值分割图像从而提取车底与路面的交线,生成目标假设区域,对建筑物或树的投影、光照强弱等干扰能初步有效的排除,提高检测效率;接着,利用熵值归一化的对称性测度来验证,排除虚假车辆。实验结果显示,该算法的正确识别率达到97.2%,平均处理速度为22.5帧/秒,对白天中多种环境能满足实时准确地要求。     

基于多特征融合的GIS局部放电状态检测方法

为了优化GIS局部放电状态检测效果,提高检测率,引入多特征融合方法原理,开展了基于多特征融合的GIS局部放电状态检测方法研究。首先,需要采集GIS设备的局部放电数据并对其进行预处理,为后续放电状态检测提供有力的数据支持。其次,提取GIS局部放电特征,包括时域特征与频域特征。在此基础上,融合提取到的时域特征和频域特征,根据融合处理后的GIS局部放电特征,检测GIS局部放电状态。实验结果表明,提出的方法应用后,4种不同类型的局部放电绝缘故障模型的放电状态检测率均达到了98%以上,能够更好地捕捉到GIS设备的局部放电特征,从而更准确地判断其放电状态。     

基于光伏阵列建模的阴影多峰值电压估算

局部阴影条件下,由于旁路二极管和阻塞二极管的作用,光伏阵列的功率-电压输出特性存在多个局部峰值和一个最大功率点,增加了阵列建模和最大功率点跟踪的复杂性。为了提高光伏系统的工作效率,对阴影条件下阵列建模,分析多峰值的分布规律具有重要意义。该文建立了阴影条件下光伏阵列的通用模型,并据此提出了一种基于模型的阴影多峰值电压估算方法。在不同阴影条件下,将估算的峰值电压与实际峰值电压比对,证明了所提方法的可行性,且具有较高的精度。     

基于总有界变分的森林火灾烟雾图像检测方法

森林火灾烟雾浓度升高时,所对应的图像模糊程度升高,总有界变分会逐渐下降,基于变分的特征性质,可以将边界之间的差异有效表征出来。由此,提出一种基于总有界变分的森林火灾烟雾图像检测方法。以分块平稳分析的思想对目标函数求极值,得到总有界值,通过两次比较总有界变分值从分块结果图中提取疑似烟雾分块,利用特征数据的融合聚类处理获得最终的疑似烟雾区域。为了得到更好的烟雾检测效果,对疑似烟雾特征区域进行运动特性分析,融合判定烟雾区域,给出火灾报警。算法屏蔽了对烟雾静态特征的复杂计算,在对疑似烟雾特性进行分析时,只需关注其运动特征便可以准确进行烟雾检测输出,避免了繁琐计算带来的误差,对比验证效果显示,算法结果输出高效稳定。     

基于多特征融合的人脸识别方法

为了改善人脸识别方法只基于一种特征、识别方法单一造成的识别率低的问题。使用多种特征融合进行人脸识别,可以有效改善单一特征因光照、角度以及尺度变化对识别的影响,提高识别率。经过试验证实,将LBPH、SIFT以及通过卷积神经网络提取的VIPLFaceNet特征按照一定的权重进行组合时,可以有效的结合3种特征的识别特点,获得比单一特征更好的识别率。当VIPLFaceNet、SIFT和LBPH3种特征以4∶1∶5的权重进行融合时,可以获得95.35%的识别率,识别率明显提升。     

输送带损伤多尺度特征交叉融合检测方法

基于图像或声音的单信号输送带纵向撕裂的检测方法往往受光线和噪声影响较大,为了克服这种局限性,提出了一种多尺度特征交叉融合检测方法.首先利用Log-Mel特征提取算法将一维声音信号转化为二维谱图;然后搭建双输入神经网络对图像与声谱图同时进行特征提取以及多尺度特征交叉融合;最后根据融合后特征通过损失函数判定损伤分类.经实验...     

基于多特征匹配的轻量化行人跟踪算法研究

行人跟踪是深度学习研究中的热点内容。目前的跟踪算法存在无法满足实时性和因跟踪目标相似度太高、目标间的遮挡、运动不规律造成ID频繁转换的问题。为了提高运行速度,在目标检测阶段使用CNN和transformer相结合的轻量化网络,采用联合检测的方式,共享特征权重,并行计算检测、重识别、人体姿态估计分支,同时调整各个分支卷积通道数。跟踪部分则利用卡尔曼滤波预测的目标运动信息,目标重识别信息,和目标姿态的各个关键点位置信息共同完成目标身份匹配,减少了同一ID的频繁转换。实验部分采用MOT16数据集训练和测试。本算法的多目标跟踪准确度(MOTA)为48.5%,多目标跟踪精确度(MOTP)为78.17%,FPS为20,模型大小为18.4M。实验表明,提出的跟踪算法提高了整体的跟踪性能,实时性和准确性达到了预期要求。     

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。     

基于LPP-ABC-SVM的光伏阵列阴影遮挡分类方法研究

光伏阵列的输出功率随光照强度的变化而改变,当阵列受到阴影遮挡时,会导致其电池片输出功率不匹配,长时间易形成热斑.因此,对阴影遮挡的情况及时进行甄别,可有效预防热斑故障的产生.针对在光伏阵列阴影遮挡进行分类时,需使用大量辅助设备或采集大量环境数据,以及分类准确率不高的问题,提出了一种基于局部保持人工蜂群支持向量机(LPP...     

基于多特征自适应融合的目标跟踪算法

针对目标跟踪中部分遮挡及漂移问题,提出了一种基于多特征自适应融合和在线学习的目标跟踪算法。首先针对原始特征提取的相对简易性,提出了改进的特征提取方法,提高了特征的表达能力和判别能力,然后将多种特征自适应融合,最后进行在线学习。实验采用了具有挑战性的公共测试数据集PETS 2012,并用MOTP评测了跟踪性能。实验结果验证了提出算法的有效性,大大提高了复杂场景下的跟踪鲁棒性,有效地解决了部分遮挡和跟踪漂移问题。     

基于改进 KCF 算法和多特征融合的车辆跟踪研究

针对目前车辆跟踪研究算法中,核相关滤波算法(KCF)在复杂背景下存在特征提取单一以及尺度无法自适应的不足,本文提出一种多特征融合的尺度自适应算法。该算法以颜色直方图信息作为颜色特征,将具有更多语义信息的高层卷积特征和拥有较高分辨率的底层卷积特征作为深度特征,并与颜色特征进行自适应特征融合。然后,采用上下文图像对目标背景信息进行约束优化,并通过平均峰值相关能量检测衡量响应置信度,最后利用高置信度的跟踪结果来避免模型易受干扰的问题。通过在OTB100数据集上的实验表明,本文算法的精度分别比其他的主流跟踪算法Staple、SAMF、KCF、TLD、DSST和CSK高出4.9%, 5.7%, 10.2%, 10.3%, 23.4%, 29.7%。     

基于虚拟线的视频交通检测新算法

文中介绍了一种基于虚拟线的视频交通检测算法,并着重论述了其中的背景更新、阈值确定和移动阴影去除部分.算法中的背景更新和阈值确定具有很强的自适应性,无需人工干预;阴影去除算法简单有效.实验证明,该系统的车辆存在检测的准确率达95%.     

D-S证据理论融合多特征的油菜病害识别方法

针对单一特征在识别油菜病害上存在的局限性,提出一种基于D-S证据理论融合多特征的油菜病害识别方法。首先对预处理后的油菜图片提取颜色矩、颜色共生矩阵两种特征,通过欧氏距离来构建D-S证据理论所必需的基本概率分配(BPA),最后运用D-S证据组合规则进行决策级融合,依据决策条件输出最终分类识别结果。针对存在最终识别结果被误识别为不确定问题,通过引入方差来对决策方法进行改进,避免了这一现象的产生。利用该方法在采集到的油菜样本上进行实验,取得了97.09%的识别率。实验表明,该方法能有效提高油菜病害识别率。     

基于多维特征分析的月用电量精准预测研究

用户用电量的精准预测是智能配用电大数据应用和发展的关键之一。区别于传统的基于行业分类的预测办法,提出基于大数据挖掘技术的用户用电多维度特征识别,以及在此基础上的精准用电量预测方法。基于海量多用户用电特性,建立多维度用电特征评价指标体系。对用户用电特性空间进行聚类和分析,挖掘和识别用电模式。在不同的用电模式下,分别建立用电量时间序列预测模型,避免用电模式差异对预测算法准确性造成的不利影响。该方法适用于大数据平台的分析与处理,算例分析结果表明其相比以往方法能显著提高预测精度和稳定性。     

基于非特征频率突变量阻抗的多机集群孤岛检测方法

微电网中多类型电源并存的多机集群复杂工况对传统阻抗式孤岛检测法的应用提出挑战。提出了基于非特征频率突变量阻抗的孤岛检测方法。该方法采用外部集中扰动的方式注入扰动信号,并利用快速傅里叶变换计算公共耦合点处非特征频率突变量阻抗,同时将断路器流经的工频电流与相邻多机集群的非特征频率突变量阻抗作为辅助判据,以实现可靠有效的孤岛检测。通过理论分析与仿真验证可知,本文所提的孤岛检测算法不存在检测盲区,能够可靠应对负荷投切等系统暂态扰动,适应于多类型电源并存的多机集群微电网工况。