斑马线智能控制系统的研究

<正>随着物联网相关技术在各个领域得到广泛应用,使得信息感知及采集技术的即时性成为可能,交通系统的感知能力得到空前提升,大幅缓解了交通拥堵现状,提升城市交通路网的效能与出行质量。本文设计了一个模型基于AT89C51单片机智能斑马线,每个功能模块设计主要是连接到主控制系统,通过将收集的信息将被发送到主控制模块,各个模块主控制模块接收到相应的信号和相应的控制机构给各个模块,从而协调斑马线的正常运行。当行人通过斑马线时,斑马线将会通过系统阻止车辆通行,以减少车祸发生频次。     

开卷

美国DV月刊 1．色键抠像的关键 当你执行—项复合色键抠像或绿布抠像，最重要的一点是要确认背景亮度耍均匀，这时我们往往需要依赖亮度示波器或测光表，但如果我们手边没青这两种工具要怎么办？不少读者分享了他们利用单反相机斑马线曝光值参考方案．做法是：将镜头光圈缩小至全黑，然后缓慢放大，则任何过曝或过暗的区域都会在斑马线中单独显示，若是曝光准确，显示器中斑马纹应该是均匀分布地缓慢亮起，不失为—个好技巧。     

基于卷积运算的纸币红外图像斑马线特征提取

提出利用卷积运算方法对纸币红外图像特征之——斑马线结构特征进行了提取,与数学形态学、canny边缘检测等特征提取结果进行了比较,并在MATLAB环境下编程实现。实验结果表明,在红外防伪点较难清晰成像的情况下,分析特征固有频率,设计了合适的卷积核,利用图像水平投影和信号卷积运算能够克服光源不均匀及纸币新旧不同带来的识别困难,将红外图像的弱目标特征提取出来,算法简单,应用性强,鉴伪效果好。     

指引轻松生活 Touch Cruise多普达P860实时交通导航新体验

道路从不会耍性子可为何车笛总要愤然高叫是斑马线缺少了媚惑还是繁忙让车中人学会了诗朗诵不必烦躁拥挤能增进我们对城市陌生感的触动     

RFID技术及其所面临的挑战

0．引言 近年来，无线射频识别（RFID）技术逐渐成为一种主流应用技术，该技术使快速物品识别成为可能。RFID技术与早期的条形码识别技术不同，它不需要近距离使用读码器，通过射频信号，可以实现远距离识别。RFID标签还可以将产品生产商、产品类型以及环境变量等各种信息作为身份的标识，不必像条形码那样使用斑马线标签。     

基于视觉的道路场景建模

步入21世纪,随着人工智能的发展,智能车的研究成为一大热点,而智能汽车研究的基础就是定位问题。目前有2种定位方法,一种是实时定位与建图(SLAM),另一种则是基于道路场景表征建模的定位方法,两者各有所长。本文针对基于视觉的道路场景表征建模定位方法进行了优化与改进。首先,本文提出了一种对点云处理的方法,对当前Z坐标一定距离内的点云取不同权值,进行加权投影,以此来构建道路的二维场景。采用ORB特征提取算子提取二维特征,并采用视觉里程计算法获取车辆运动轨迹信息。构建了轻量级神经网络,用来检测道路标志特征,例如车道线、斑马线、道路标志牌等。对二维场景精度差的问题进行补充。     

基于物联网的智能路障行人保障系统的设计

<正>针对手工设置常规路障所带来的人力和身体风险，设计一种专门保护斑马线行人的智能设备，克服了传统的障碍设置所需的体力劳动和危险性，并解决了障碍的机动问题。该系统基于物联网人工智能技术，结合数据库开发技术，采用STC15单片机作为主控设备，结合红外传感装置、测速报警装置、无线传送设备等控制障碍，同时把数据传到监控终端。本课题能够快速反应交通事故，降低人身伤害，推动公路安全装备的研制与开发，切实保障国家集体财产的安全。在“物联网”的大环境下，以“物联网”为基础的机械设计与生产技术正受到国内外学者的广泛关注。     

图像特征点选取方法

特征点是图像中常用的局部特征结构，现有的检测算子旨在提取图像中所有符合某一准则的特征点，往往会在同一位置得到大量的特征点，形成对图像局部区域的过描述，增加了高层处理任务的运算量。为了选取出一定数量较好的特征点来描述图像，常用方法是根据特征点响应函数来选取响应值大于某一阈值的特征点，但是这种选取方法并没有考虑特征点的分布均匀性和独特性，而特征点的分布均匀程度和独特性对于图像匹配的结果同样具有重要的影响。为此提出了一种新的特征点选取方法，首先基于检测算子得到的特征点构造最小生成树，然后定义特征点分布均匀性和独特性等选取准则，再通过删剪最小生成树，选取符合（准）最优准则的一组特征点。实验表明，该方法选取的特征点在图像描述和图像匹配等任务中优于传统的特征点选取方法。      

组合特征的联机手写维吾尔字母识别

通过分析维吾尔文字母自身的书写特点，为了进一步提高识别率，在原先的外围轮廓特征基础上，再提取了附加笔划形状特征、字母上下左右密度比例特征、笔画数特征以及主体部分和附加部分的位置关系特征，进行了诸多特征有效组合下的字母识别实验。其中，最高识别率达到了75．7％，比原先在单个特征下的识别率提高了近10个百分点。这表明，不同特征的有效组合是可行的，而且具有继续研究的潜力。     

基于互信息特征分离表达的红外与可见光图像融合

针对红外与可见光图像融合方法存在的对源图像特征分离不充分、可解释性低且融合规则难以准确设计等问题，提出基于互信息特征分离表达的红外与可见光图像融合方法，有效分离特征的同时保留源图像的典型信息。首先，采用互信息约束的编码网络提取特征，最大化源图像与特征间互信息来保留源图像的特征表示，同时通过最小化私有和公有特征的互信息来达到分离表达的目的；其次，特征融合阶段设计了层级特征自适应融合模块来有效融合不同层级的特征信息，减小语义差距并调整感受野，增强网络对特征的学习能力；此外，损失函数采用软加权强度损失来平衡红外与可见光特征分布；最后，对比实验的主客观评价结果表明，所提方法能有效融合红外与可见光图像的重要信息，具有良好的视觉感知。     

基于CHI与遗传算法的特征选择

在基于Web文本信息过滤系统中通过特征选择找到的最优特征子集直接影响到分类的速度及精度。针对此问题，提出了综合CHI及遗传算法的特征选择方法。首先针对原始特征集，采用CHI统计法进行初始筛选，去除冗余特征及噪声后，对得到的特征子集再采用遗传算法进行第二次特征选择，从而得出代表问题空间的最优特征子集，实现降维并提高了分类精度。     

增强特征融合的动态图卷积的机载LiDAR点云分类

针对动态图卷积神经网络(dynamic graph convolutional neural network, DGCNN)聚合邻居点信息时的局限性，提出一种增强特征融合的动态图卷积神经网络模型EFF-DGCNN,并应用于机载LiDAR点云分类。该模型主要基于DGCNN提出特征增强模块和特征融合模块，对原始三维点云进行分类。首先，基于DGCNN对原始点云进行边缘卷积获取局部特征和全局特征；然后，将全局特征集成于各层的局部特征得到增强局部特征，据此凸显点云不同特征的重要性，使网络更加关注有利于分类的特征；最后，对不同增强局部特征进行特征融合得到深层次特征，从而实现点云的分类。为验证所提模型的分类性能，在GML＿DataSetA数据集和ISPRS数据集分别进行了点云分类试验。试验结果表明：相比于DGCNN,所提EFF-DGCNN模型具有更好的分类能力，能更好地区分结构相似的点云。     

面向行人再识别的特征融合与鉴别零空间方法

针对行人再识别技术易受到光照、姿态和视角等因素影响，同一个人外观特征变化明显，较难提取其不变特征，导致识别率偏低的问题，本文提出面向行人再识别的融合特征与鉴别零空间方法。首先利用HSV、LAB、RGB和YCrCb四种颜色特征和Gabor滤波器提取条纹特征， GOG描述子提取块状特征，并将这两种特征融合成一个特征向量，然后将融合后的的特征投影到鉴别零空间，降低特征维数，最后利用欧氏距离计算距离进行行人再识别。本文所提方法在VIPeR、Prids_450s和CUHK01数据库上的rank1识别率分别是52.7%、72.2%和59.7%，实验结果表明所提方法能充分融合行人图像特征，对环境有较强鲁棒性，可有效提高识别率。      

一种基于电信数据特点的新型特征挖掘方法

电信数据特征具备含有缺失率、量纲相差大、内在相关性高等特点，现有特征挖掘技术无法完全适用。由此，本文针对电信数据特点设计了一种新型特征挖掘方法，从缺失率、标准差、相关性和重要度四个维度出发，分别拟合指标量化评估函数，并加权计算每个特征的综合评分来挖掘特征。最后，本文使用实际业务数据，与业内最常用的随机森林特征挖掘方法进行比较，得出结论：本文设计的方法从更多维度综合衡量，其特征挖掘结果更加科学合理，并且节约25%时间成本，实用性强。     

基于光电图像特征的自主测速方法研究

为了提高无人机低空飞行时自主测速能力，本文提出了一种基于光电图像特征的无人机自主测速方法，首先利用光电设备获取存在相同地面景象的连续两帧光电图像，并对前后帧图像分别进行点特征、线特征检测，对提取的图像特征进行判断，提取有效的图像特征；然后对提取的图像特征进行特征关联，根据关联的图像特征像素位置计算图像特征的像素位移矢量，剔除偏差较大的位移矢量；最后根据光电设备参数及位移矢量特性计算无人机对地速度。利用无人机搭载光电设备进行了飞行试验，试验结果表明本文方法减少了计算量，具有较好实用性，能够满足无人机等低空飞行平台自主测速要求。     

基于凸包的非合作目标视觉导航系统特征点选择方法

非合作目标在接近的过程中，将所提取的特征点直接用于相对导航会因特征点数目过多导致计算量大。为减小相对导航的计算量，需从提取的特征点中选择一个子集用于相对导航。假设所提取的特征点在非合作目标的同平面内，将目标表面特征点选择问题转化为像平面特征点选择。同时，文中研究了视觉系统的精度因子（DOP），并利用精度因子与平面特征点构成的面积呈反比的特性，提出像平面特征点的凸包作为观测量用于相对导航。仿真表明:将同平面特征点的凸包用于相对导航，具有较高的精度，同时能够有效减少特征点数；计算凸包的时间远小于求解最优PDOP的时间，能够应用于实时计算。     

基于BoF和迹变换多特征融合的图像纹理分类研究

针对BoF模型缺少几何特征、结构特征的表达，对纹理图像特征描述不充分等问题，提出一种基于BoF和迹变换多特征融合的图像纹理分类方法。首先通过关键点检测的方法获取纹理图像的碎片化图像，然后提取碎片化图像的迹变换特征和SIFT特征，通过特征交叉编码的方式和动态鉴别能量的方法，获取迹变换特征和SIFT特征的融合特征并进行特征单词优选，再以BoF模型进行特征编码，最后输入到支持向量机（SVM）中进行训练、预测和分类。实验在OutexTC10/TC12000和KTHTIPS纹理数据集上分别取得了100%、99.87%和97.6%的识别精度，结果表明该设计方法对具有几何特征、结构特征的纹理图像可以获得较好的分类效果，有效地提高了纹理分类的识别性能。     

基于多模态深度学习的虚假类新闻检测

针对目前网络中有些新闻存在虚假性，缺乏真实性等问题，根据假新闻所包含的数据特征进行分析，选取不同的特征提取方法来针对不同模态数据进行特征提取，并进行特征融合，提出了基于多模态特征融合的检测算法MMDM。首先基于外部信息的文本模态特征提取，然后融合图片物理及语义信息进行特征提取，最后对两个模块特征融合。实验结果表明，多模态特征融合算法检测性能优于其他方法。     

多尺度特征对齐聚合的语义分割方法

卷积神经网络在对图像进行语义分割时，高层特征经过降采样和padding操作和低层特征之间容易产生错位。为了解决高低层特征之间的错位问题，更好地聚合多尺度特征信息，提出了一种带有多尺度特征对齐聚合（MFAA）模块的语义分割方法。MFAA模块采用一种可学习插值策略来学习像素的变换偏移，可以有效缓解不同尺度特征聚合的特征不对齐问题，同时模块内的注意力机制提高了解码器恢复重要细节特征的能力。该方法利用高层特征的语义信息和低层特征的空间信息，通过多个MFAA模块将高低层特征对齐之后聚合到一起，从而实现图像更加精细的语义分割效果。将所提网络结构在语义分割数据集PASCAL VOC 2012上进行了验证，使用ResNet-50作为骨干网络时在验证集上的平均交并比值达到了78.4%。实验结果表明，该方法与几种主流分割方法相比在评价指标方面存在优越性，可以有效提高图像分割的效果。     

电力物资采购数据特征提取方法研究

当前已有的电力物资采购数据特征提取方法存在提取精度低的问题，为此，提出了基于人工蚁群算法的电力物资采购数据特征提取方法。更新电力物资采购数据信息素，完成电力物资采购数据特征的识别。构建采购数据的频域模型，利用人工蚁群算法计算采购数据频域特征的隶属均值，对电力物资采购数据平滑处理。建立电力物资采购数据特征响应函数，实现了电力物资采购数据特征的提取。实验结果表明，该研究设计的方法可以通过提供数据特征主成分贡献率和特征间关联度，提高数据提取质量和精度，具有更好的特征提取性能。