人脸识别在远程登录中的应用

介绍了远程登录中使用人脸进行身份验证的方法,讨论了系统结构和关键技术,给出了实验结果．此方法采用奇异值分解和判别式KL投影提取特征,利用类内平均距离作为验证依据,适用于人脸样本数量不是很大的情况．实验证明,该系统具有较好的应用效果。     

电子屏幕智能防近视系统

当下,电子屏幕的使用越来越广泛,电子屏幕在带给我们便捷生活的同时,也带来了一个很大的问题——损害视力.该研究针对此现象设计了一套系统,旨在帮助人们在使用电子屏幕时能够时刻注意与屏幕之间的距离,从而达到保护眼睛的目的.系统采用STM32单片机作为控制模块,在电子屏幕的正上方安装了一个人体红外传感器与一个超声波测距传感器,以达到检测人体与实时测距的功能.系统配备有LED灯与YS-M3语音模块,作为主要的报警模块,能够有效实现实时报警提醒的功能,对于保护视力起了很大作用.     

海洋环境因素对潜艇悬停操纵影响仿真研究

海水密度变化是影响潜艇悬停稳定的最主要因素之一,因此明确悬停海区密度梯度的情况对潜艇悬停操纵的战术的使用至关重要.以模型潜艇为研究对象,在潜艇悬停运动基本数学模型、海洋环境干扰力模型和悬停水舱注排水控制模型的基础上进行仿真计算,研究悬停海区不同梯度类型和不同密度梯度值对潜艇悬停操纵的影响,分析了海洋环境因素和悬停稳定性之间的逻辑关系,研究结论对提高潜艇指挥员水下悬停机动操纵训练水平提供了有益的参考.     

基于量子粒子群算法的实时多交叉口信号控制

随着城市交通日益发展,如何提高城市交通效率是目前十分关注的问题.为了解决交叉口过饱和交通流控制问题,基于交通流向动态组合的感应控制方案,设计了一种实时多交叉口协调控制(Real-time Intersection Coordination Control,RIC2)模型.该RIC2感应控制模型,以单个交叉口优化为基础,延伸到多个交叉口,形成区域之间的协调控制,同时采取一种改进的量子粒子群算法(Improved Quantum Particle Swarm Optimization,IQPSO)对信号配时进行自适应优化.仿真结果显示上述模型能显著提高城市的通行效率,具有一定可行性.     

基于MEMS传感器数据拓扑分析的用户识别

随着科技的迅速发展,智能手机安全性的问题越来越受人们关注,用户识别认证在保证智能手机安全方面扮演着重要的角色.提出了一种基于微机电系统(Microelectro Mechanical Systems,MEMS)传感器步态信号持续同调的用户识别的新方法,MEMS传感器信号中的混沌不变量(伪周期性)可以由相空间中的拓扑特征来表示,通过持续同调提取相空间拓扑特征,建立不同用户的持续同调模型.利用持续同调特点,进一步简化持续同调为概率密度,并使用K-L散度度量不同用户模型间的差异,最终利用MEMS传感器信号实现无须用户主动参与的身份认证.为验证持续同调模型,采用十个不同用户,两种运动状态数据,通过仿真完成用户识别,结果表明识别的平均准确率达到95.3％.     

基于改进LLE算法的手势特征提取研究

在人机交互领域中,基于视觉的手势特征提取成为研究的热点,但手势存在较大范围的变化,很难实现对手势的有效分类.研究了一种基于LLE改进算法的手势特征提取方法.先将手势特征数据中的某个数据点与邻近数据点组成局部线性关系,对重构误差进行拉格朗日乘子算法优化处理,求出新的局部重建权值矩阵,为了使局部线性关系能够满足低维度空间,通过求解映射矩阵的方法,将手势特征样本数据的目标特征空间映射到低维度空间中.采用稀疏观察手势描述法对手势特征进行提取,根据手势参数对手势轨迹数据进行归一化处理,为了提高手势特征提取的实时性,采用支持向量分类器的方法将手势从难以分类的空间映射到高维度的手势空间中.实验结果表明,所提方法对手势的查准率和召回率较高,泛化性较好,即使在样本数据很少的情况下,也具有较好的识别效果.     

GROMACS 2020在ROCm平台上的移植与优化

GROMACS是应用广泛的开源分子动力学模拟软件,当前主要通过CUDA使用NVIDIA GPU进行加速计算。ROCm是一个开源的高性能异构计算平台。基于ROCm平台的HIP编程语言,首次实现了GROMACS 2020系列在ROCm平台上的完整移植。在MI50 GPU上,以一个复杂离子液体模拟算例为目标,使用GPU性能分析工具rocprof对移植代码进行了性能分析。针对MI50硬件特性,先后对成键力核函数、静电力的PME核函数和短程非成键力核函数进行了优化,优化后运行目标算例的性能相比初始版本整体上获得了约2.8倍的加速比,在 MI50上的性能高于GROMACS原版OpenCL代码60.5%,相对纯CPU版本有约2.7倍的加速比。在另外2个具有代表性算例的单结点测试以及离子液体算例的多结点扩展性测试中,优化后的代码也达到了较好的性能提升,这表明所采用的优化操作具有一定的通用性。     

基于FCN-LSTM的工业烟尘图像分割

工业生产中常根据林格曼烟气黑度判断工业烟尘的污染等级,一种有效的方式是应用计算机视觉系统对工业烟尘进行监测, 其中对烟尘目标进行准确分割是该系统的关键技术。因为工业烟尘具有形状不固定、和云相似度高等特点,现有算法在复杂场景下对烟尘进行分割时容易受到干扰,分割准确度有待提高。针对这一问题,提出一种基于FCN-LSTM的工业烟尘图像分割方法,在全卷积网络对图像空间特征提取的基础上,使用长短时记忆网络提取图像序列的时间信息,通过烟尘的动态特征对运动的烟尘和背景进行区分,增强复杂场景下的抗干扰能力。实验表明,本文模型相比于全卷积网络,在复杂场景下的抗干扰能力有显著提升,能够有效克服来自云的干扰,对全卷积网络分割结果中易出现干扰点的问题也有改善,IoU指标最高有8.04%的提升。