动态环境下基于深度学习的视觉SLAM研究综述

目前的同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)研究大多是基于静态场景的假设,而实际生活中动态物体是不可避免的。在视觉SLAM系统中加入深度学习,可以协同剔除场景中的动态物体,有效提升视觉SLAM在动态环境下的鲁棒性。文章首先介绍了动态环境下基于深度学习的视觉SLAM分类,然后详细介绍了基于目标检测、基于语义分割和基于实例分割的视觉SLAM,并对它们进行了分析比较。最后,结合近年来视觉SLAM的发展趋势,通过对动态环境下基于深度学习的视觉SLAM存在的主要问题进行分析,总结了未来可能的发展方向。     

机器人数字路标识别中SSDA增强算法研究

针对移动机器人数字路标的识别提出一种增强的序贯相似性检测算法（SSDA,sequence similar detectiona—rithmetic）,算法中的阈值采用单调递减的阈值序列,阈值逐渐逼近最佳阈值,从而使非匹配区域经过尽量少的计算超过阂值而被丢弃,有效改善识别的实时性。通过实验表明该算法能够快速准确地完成数字路标识别。     

基于唇形的人机交互系统研究及其应用

针对在噪声环境中基于语音的人机交互系统鲁棒性差的问题,本文提出一种新颖的基于唇形的人机交互方法。该方法通过定义不同的唇形来进行人机交互。首先使用adaboost算法实时检测到唇部,然后通过离散余弦变换(Discrete Cosine Transform DCT)提取唇部特征,最后使用支持向量机(Support Vector Machine SVM)进行唇形的识别。     

多个声源下基于人耳听觉特性的语音分离

受声学研究启发,结合人脑人耳听觉特性对语音的处理方式,建立了一个完整的模拟听觉中枢系统的语音分离模型.首先利用外周听觉模型对语音信号进行多频谱分析,然后建立重合神经元模型提取语音信号的特征,最后在脑下丘的神经细胞模型中完成对语音的分离.基于现有的语音识别方法,该模型能够很好地解决绝大多数的语音识别方法都只能在单声源和低噪声的环境下使用的问题.实验结果表明,该模型能够实现多声源环境下语音的分离并且具有较高的鲁棒性.随着研究的深入,基于人耳听觉特性的语音分离模型将有很广泛的应用前景.     

一种结合听觉掩蔽与双耳互相关的声源定位算法

针对基于双耳互相关(BCC)的声源定位算法在噪声里定位精度下降的问题,提出一种结合听觉掩蔽谱减法与双耳互相关的声源定位算法。该算法在双耳互相关时延估计之前采用一种基于听觉掩蔽的谱减法算法,有效压缩左耳和右耳信号中的噪声,提高信噪比。通过与双耳互相关声源定位算法的结合,提高了双耳时间差估计的准确性,从而提高了整个声源定位的精度。实验结果表明,该算法能够有效减少噪声带来的定位误差,提高声源定位精度。     

OMRDetector:一种基于深度学习的混淆恶意请求检测方法

Web恶意请求检测旨在快速精确地识别网络中的异常攻击.当前Web恶意请求复杂多元、混淆明显,传统的检测技术存在过度依赖人工经验和规则库、易被绕过、误报率高,且忽略Web恶意请求特征语义关系等问题,无法第一时间感知未知网络攻击,无法对抗混淆和加密的恶意请求.为此,本文设计并首次将三层CNN-BiLSTM融合注意力机制的模型应用于混淆恶意请求检测领域,并针对混淆的Web恶意请求特点进行模型优化,提出了一种基于深度学习的混淆恶意请求检测模型OMRDetector.该模型针对混淆恶意请求特征,提出抗混淆预处理方法,利用三层卷积神经网络(CNN)获取Web请求的局部特征,再引入双向长短时记忆(BiLSTM)网络捕获混淆恶意请求的长距离依赖关系以及上下文语义特征,通过注意力机制突出关键特征,最终由Softmax分类器计算恶意请求的检测结果,从而实现对抗混淆和检测未知恶意请求攻击.实验结果表明,本文所提出的模型能有效检测出隐蔽性较高且带混淆加密的Web恶意请求,相比于现有模型在精确率、召回率、F₁值和准确率上均有所提升,对应值分别为97.734%、97.737%、97.735%...     

基于多传感器数据融合的人体运动模式识别研究

针对单一传感器在人体运动姿态监测中误差较大的问题,提出了一种基于加速度传感器和陀螺仪数据融合的人体运动模式识别方法;该方法使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,采用卡尔曼滤波算法实现多传感器信息的融合,有效提高了姿态角度测量的准确度;根据人体日常的活动状态构建了基于人体姿态角度特征的隐马尔可夫模型实现人体运动模式的识别;实验表明,该方法比采用单一传感器方法识别的准确率高,可以有效区分不同的日常活动行为。     

基于非成像光学的均匀光强反射器设计

目前,LED的应用越来越广泛,但在信号指示灯或室内照明等领域要求其光强均匀分布.提出了一种实现均匀光强反射器的设计方法,该方法根据能量守恒建立了LED光源与目标面的能量对应关系,采用差分的方法求解反射器面形,并利用光学仿真软件分析研究了反射器的出光角度与其结构参数、光强均匀度的关系.最后设计了一款半角为30°的均匀光强反射器,其光强平台均匀度为0.96,光强平台宽度比为0.86,能量利用率高达99.9％,接受面上光斑的照度均匀性也较好.该反射器同时实现了均匀光强和均匀照度.     

基于PCA与SVM的头部姿态识别及应用

针对头部姿态识别在复杂背景和变化光照情况下准确率低的问题,提出了一种有效识别图像序列中头部姿态的方法.首先运用Adaboost算法提取出图像序列中不同姿态的人脸图像,通过主成分分析方法(PCA)提取人脸姿态特征;然后使用支持向量机构(SVM)造多分类器对提取的特征分类从而实现头部姿态识别;最后设计了五种不同的头部姿态在变化光照下与智能轮椅进行人机交互实验.实验结果表明该方法实时性高,抗光照变化性能强,识别率高达92.2％.     

基于改进的各向异性SUSAN算法的MEMS微结构图像滤波

为了改善在滤除微机电系统微结构图像的噪声时导致边缘模糊的问题,提出了一种改进的各向异性SUSAN滤波算法。该方法用独立强度传播模型决定长短轴的方差,由该点的梯度方向决定滤波器的长轴方向,由局部图像的灰度值与核值的差构成的局部均值构成SUSAN滤波器的自适应阈值,从而构建出各向异性SUSAN滤波器。该算法在平滑图像同时能保持图像的边缘特征。结果表明,各向异性SUSAN滤波器能够很好地降噪并保持图像的边缘信息。