视频安保系统中人脸的快速检测和定位

文章提出了一种在实时视频安保系统图像中快速检测人脸和定位人脸的方案．并利用VC 6．0设计了一套基于PC机的软件将其实现。对摄像机实时采集的图像．首先利用差分检测的方法，剔除大部分背景区域，然后利用肤色检测准确定位人脸。实验证明该方法快速、有效适用于实际的视频安保系统。     

基于肤色检测技术的手势分割

手语是聋哑人使用的语言。在手势输入设备发展二十多年以后,许多人仍然发现在与聋哑人的互动交流中存在着一定的困难。因此应该努力使计算机适应自然的交流方式。文中的目的是利用肤色检测程序从整个图像上获取有意义的手势区域,并处理不同室内背景和照明情况下的手势,为进一步的手语识别做准备。对几个静态手势的检测过程进行了实验评估,并就结果进行了讨论。     

基于肤色和特征相似度映射手势识别算法

文中提出用来进行手区域定位和手势识别的新算法,该算法基于肤色特征和特征相似度映射函数,该函数是归一化为[0,1]的函数,它模拟在尺度空间中各点的图像特征的相似性.实验结果表明运用该方法能够在复杂的背景中进行手势识别.     

增安型稀土永磁同步电动机tE时间的研究

针对增安型稀土永磁同步电动机的关键防爆参数tE,在综合考虑了集肤效应和散热因素等的基础上,提出REPMSM转子tE的理论计算,并对一台增安型REPMSM-RSMAg250-6进行计算,计算结果与试验结果接近,验证了该计算方法的正确性。     

仿生粒子群算法在电力系统无功优化中的应用

本文在标准粒子群算法的基础上,遵循群体寻优的生物特性,提出了仿生粒子群算法。初期将群体动态地分成多个子群,每个子群相对独立地向一个目标进化,子群的成员随着进化过程不断地更迭。后期增加子群间的信息交流,使算法更快收敛。该算法不仅丰富了种群的多样性,避免过早收敛于局部最优解,而且有较快的收敛速度。文中将该算法应用于电力系统无功优化中并与标准粒子群算法进行了比较,通过对IEEE30节点和IEEE118节点的算例仿真,证明了该算法的可行性和有效性。     

基于头势的人机交互系统研究

近年来,肢体残疾人数增长迅速,为了改善他们的生活质量和生活自由度,从方便且易于残疾人使用的角度出发,提出了一种利用头势来控制轮椅的方法。首先根据肤色信息找到人脸区域,然后利用AdaBoost算法在人脸区域找到鼻子。再根据计算鼻子区域的质心在整个画面上的位置信息识别头部姿态,从而达到控制轮椅运动的目的。实验结果表明,该方法可以准确的识别头部姿态,平均识别率达到了89.55%,同时具有较快的检测速度,且操作便易。     

水工况对超（超）临界锅炉氧化皮形成的影响

基于水工况对超（超）临界锅炉氧化皮形成的影响研究现状,阐述了超（超）临界锅炉氧化皮的形成机理以及影响因素,对氧化皮问题的研究方向做了展望。     

大鼠放射性皮肤溃疡组织中c-Fos、Rb蛋白表达研究

为研究大鼠放射性溃疡组织中ｃ－Ｆｏｓ、Ｒｂ表达。采用１４０只Ｗｉｓｔａｒ大鼠进行局部照射（γ射线）制备放射性皮肤溃疡动物模型,观察病变１年,然后采用ｃ－Ｆｏｓ、Ｒｂ多克隆抗体及免疫组化方法检测溃疡组织中ｃ－Ｆｏｓ、Ｒｂ的表达情况。结果表明：ｃ－Ｆｏｓ、Ｒｂ的表达阳性率分别为４５．８％（３３／７２）、６３．９％（４６／７２）,两者阳性部位主要见于增生肥大的鳞状上皮细胞胞核、增生的间质成纤维细胞胞质及     

Microscopic melanoma detection and classification: A framework of pixel‐based fusion and multilevel features reduction

The numbers of diagnosed patients by melanoma are drastic and contribute more deaths annually among young peoples. An approximately 192,310 new cases of skin cancer are diagnosed in 2019, which shows the importance of automated systems for the diagnosis process. Accordingly, this article presents an automated method for skin lesions detection and recognition using pixel‐based seed segmented images fusion and multilevel features reduction. The proposed method involves four key steps: (a) mean‐based function is implemented and fed input to top‐hat and bottom‐hat filters which later fused for contrast stretching, (b) seed region growing and graph‐cut method‐based lesion segmentation and fused both segmented lesions through pixel‐based fusion, (c) multilevel features such as histogram oriented gradient (HOG), speeded up robust features (SURF), and color are extracted and simple concatenation is performed, and (d) finally variance precise entropy‐based features reduction and classification through SVM via cubic kernel function. Two different experiments are performed for the evaluation of this method. The segmentation performance is evaluated on PH2, ISBI2016, and ISIC2017 with an accuracy of 95.86, 94.79, and 94.92%, respectively. The classification performance is evaluated on PH2 and ISBI2016 dataset with an accuracy of 98.20 and 95.42%, respectively. The results of the proposed automated systems are outstanding as compared to the current techniques reported in state of art, which demonstrate the validity of the proposed method.