视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

基于特征融合的中文简历解析方法研究

针对基于规则和统计的传统中文简历解析方法效率低、成本高、泛化能力差的缺点，提出一种基于特征融合的中文简历解析方法，即级联Word2Vec生成的词向量和用BLSTM（Bidirectional Long Short-Term Memory）建模字序列生成的词向量，然后再结合BLSTM和CRF（Conditional Random Fields）对中文简历进行解析（BLSTM-CRF）。为了提高中文简历解析的效率，级联包含字序列信息的词向量和用Word2Vec生成的词向量，融合成一个新的词向量表示；再由BLSTM强大的学习能力融合词的上下文信息，输出所有可能标签序列的分值给CRF层；再由CRF引入标签之间约束关系求解最优序列。利用梯度下降算法训练神经网络，使用预先训练的词向量和Dropout优化神经网络，最终完成对中文简历的解析工作。实验结果表明，所提的特征融合方法优于传统的简历解析方法。     

基于情感分析的文本检索系统的研究

针对目前文本挖掘的情感分析方法的准确性、实时性、提取等问题,构造一种神经网络混合模式,使用记忆神经网络和卷积神经网络对文本特性的提取,再利用情感分析方法进行挖掘。实验表明对文本挖掘的准确性提高了,这种模式在应用中有很大的实用性。     

基于hp自适应伪谱法的自主泊车路径规划

针对自主泊车路径规划最优控制问题求解收敛速率慢的问题,提出基于hp自适应高斯伪谱法的自主泊车路径规划方法。首先建立车辆运动学模型,并考虑自主泊车过程中避障约束和边界约束,再以泊车时间最短为性能目标函数,将自主泊车路径规划问题转化为最优控制问题。采用高斯伪谱法对最优控制问题进行离散化处理并采用序列二次规划进行求解,在求解过程中通过动态调整网格区间个数和多项式阶数实现提高求解收敛速率。根据实际场景选取4种工况并进行路径规划仿真,并将3种伪谱法进行对比分析,仿真结果表明hp自适应高斯伪谱法能够提升自主泊车路径规划最优控制问题求解收敛速率,同时该算法可以实现在狭窄泊车位内的泊车路径规划,通过实车试验验证提出的方法获得的自主泊车路径的有效性。