基于轻型卷积神经网络的火焰检测方法

提出一种基于MobileNet的轻型火焰检测方法,基于深度分离卷积和膨胀卷积的膨胀卷积模块(dilated convolution block, DCB)扩增特征的感受野,加强特征语义信息,提高了视频火焰目标的检测率;优化SSD(Single Shot Multibox Detector)检测框架,提出了一种轻型的检测模型DMSSD(Dilated MobileNet-SSD)。在PASCAL VOC数据集和Bilkent大学VisiFire数据集上进行火焰检测试验,试验结果表明火焰检测的平均精度均值分别提升了1.7%和3.8%,火焰检测速度也可达80帧/s,具有较强的鲁棒性和实用性。     

基于视觉显著性的非监督图像分割

交互式的图像分割算法需要用户输入先验信息,从而增加了算法的时间复杂度和用户的负担。提出了基于视觉显著性的非监督图像分割算法。该算法首先通过均值漂移算法先对图像进行预处理,将图像过分割成互不重叠的小区域。这些区域采用区域邻接图表示,当两个区域相邻时对应的节点之间存在边。其次,通过计算各个区域的颜色相异性和纹理一致性,得到相邻区域之间的合并概率。再次,根据区域的颜色和空间位置信息,定义每一个区域的显著性指标,选择最大显著性指标对应的区域作为目标种子区域,图像边缘区域中显著性指标最小的区域作为背景种子区域。最后,基于最大相似性合并策略,对与种子区域相邻的且合并概率最大的区域进行合并。实验表明,所提算法 不需要先验信息,且可以得到较好的分割效果;与非监督图像分割算法相比,所提算法可以避免过分割。     

基于色彩和闪频特征的视频火焰检测

基于视频图像的火焰检测是火灾预防的一个重要研究方向。为了提高火焰的检测率,利用RGB和HSI色彩空间中的颜色信息,建立了一种新的火焰色彩模型,应用该模型提取疑似火焰区域。提出了一种基于累积差分RGB三通道的火焰闪频特征抽取方法,并用逻辑回归（logistic regression,LR）对火焰的闪频特征进行分析,得到了优化的权重和偏斜率,建立了火焰闪频特征值的概率模型。最后将概率模型应用于火焰检测。实验结果表明,该算法对火焰区域检测效果好,适用范围广,且能检测出较小的火焰区域。     

视频序列中的人脸检测与定位算法研究

在研究和分析各种人脸捡测与定位算法的基础上,并以计算简单、速度快、能精确地提取视频序列中的人脸为原则,提出了一种新的基于运动信息与边缘投影函数相结合的视频序列中的人脸检测与定位算法.该算法设计了双阈值Sobel算子进行边缘检测,该算子检测到的图像边缘清晰、细致、噪声少;提出了平方投影函数,该投影函数不但可区分均值相同的区域,而且可区分方差相同的区域.将边缘函数与投影函数结合起来设计的人脸检测与定位算法简单实用.     

12位500kHz六通道同时采样的A/D转换器ADS7864及其应用

本文介绍了可六路同时采样的高速Ａ／Ｄ转换器ＡＤＳ７８６４的性能、特点及工作原理，并介绍了该芯片 在电网参数监测系统中的应用。     

基于噪声检测和动态窗口的图像去噪算法

针对中值滤波算法在去除脉冲噪声时易造成图像细节丢失的问题,提出了一种基 于噪声检测和动态窗口的自适应滤波方法。首先借鉴 BDND 方法,将图像的像素初分成信号点 和疑似噪声点,以减少需要处理的像素点;然后设计一种窗口自适应的噪声检测方法对疑似噪 声点进一步检测,判断其是真噪声点还是细节点,以加强图像细节信息的保护;最后通过改进 的自适应中值滤波器滤除检测出的噪声,并融入窗口自适应控制,窗口的大小可以根据噪声情 况自适应地调整,在去除噪声的同时尽可能地保护图像细节。实验表明,该算法在噪声处理和 细节保护上要优于其他典型算法,能有效地提高图像的峰值信噪比,对于高密度噪声的图像, 也可以获得较好的去噪效果。     

基于差空间的双向2DPCA和SVM人脸识别算法

为降低SVM人脸识别算法对样本进行训练和识别的时间,提出了一种改进的基于差空间的双向2DPCA(Bidircctional two dimensions PCA)和SVM相结合的人脸识别算法。该方法充分考虑了表情和光照对人脸图像的影响,不但利用小波变换对人脸图像进行预处理,而且成功地把类内平均引入到双向2DPCA的计算中,并结合了SVM在分类识别方面的优势,有效节省了算法所需的时间。在Yale人脸库上的实验表明,它不但可以提高识别率,而且所用时间明显减少。     

多功能智能电话遥控装置

介绍了多功能电话遥控装置的硬件设计和程序设计。该装置附加于电话机上，无需对原话机作任何修改。即可实现遥控（包括异地控制，报警，求医）的功能。     

视频火灾识别的关键技术研究

火灾报警识别是保证安伞的手段.在视频火灾识别中,火灾目标的提取是其关键问题,针对提高火灾识别率,为了精确地提取火焰目标,在分析火灾图像特性的基础上,采用数字图像处理技术和模式识别技术,提出了一种新的基于面积阈值的火焰目标提取,继后根据火灾发生时火焰的色彩、蔓延时面积大小和相似度以及烟雾等特征信息来识别、判断是否有火灾的发生.仿真实验表明算法具有比较好的健壮性.能够有效地提取出连续图像序列中的火焰目标图像和有效地降低火灾监控系统误撤和漏报率,并对于一般大空间场合的火灾监控也是有效的.     

CAI课件及其开发

介绍了CAI课件的设计方法，及设计CAI课件应用的相关技术和开发方式。