基于YOLOv4与光流法的行人检测和计数方法研究

针对行人进行检测与统计的问题进行分析和研究,提出一种基于深度学习的方法。首先分析YOLOv4算法的优越性,并使用监控下获取的行人图像和YOLOv4算法,训练出深度学习模型。再在监控下进行实时行人检测和统计,针对部分实验结果精度较小的问题,采用光流法进行改进。改进后的检测速度以及检测精度基本满足行人检测和计数的需求。     

基于张量分解融合RGB-D图像的物体识别

为了充分利用RGB-D图像的深度图像信息，提出了基于张量分解的物体识别方法。首先将RGB-D图像构造成一个四阶张量，然后将该四阶张量分解为一个核心张量和四个因子矩阵，再利用相应的因子矩阵将原张量进行投影，获得融合后的RGB-D数据，最后输入到卷积神经网络中进行识别。RGB-D数据集中三组相似物体的识别结果表明，利用张量分解融合RGB-D图像的物体识别准确率高于未采用张量分解的物体识别准确率，并且单一错分实例的准确率最高可提升99%。     

基于UKF航迹滤波的干扰目标智能识别算法研究

针对雷达导引头末制导阶段抗干扰技术,建立了典型的距离-速度拖引干扰模型,采用无迹卡尔曼滤波(UKF),研究了基于速度、加速度、过载等指标的干扰目标智能识别技术。首先建立距离-速度拖引干扰模型,通过引入弹目相对距离、径向速度、高低角与方位角建立了系统跟踪模型。其次,给出了基于UKF实现目标跟踪与识别的滤波框架。在此基础上,以径向速度、径向加速度、角加速度与过载为评价指标,建立了目标智能识别指标体系。最后,通过典型的目标运动模型(目标跃升),对目标施加的四次距离-速度拖引干扰(两次前拖、两次后拖)进行目标识别。仿真结果表明,利用UKF滤波信息能够有效实现对距离-速度拖引干扰下的干扰和目标智能识别,仿真结果验证了该识别方法的可行性与有效性。     

明胶海绵止血材料在产后止血护理中的应用

探讨产后止血护理中明胶海绵止血材料的应用。选取2020年2月至2021年2月产后大出血患者100例，依据止血材料分为明胶海绵组、聚乙烯醇（PVA）颗粒组2组，各50例，统计分析两组患者的一次栓塞成功情况、血压、血红蛋白水平、平均出血量、平均止血时间、再出血情况、并发症发生情况、满意度情况。结果表明：明胶海绵组患者的一次栓塞成功率100.00%，高于PVA颗粒组88.00%(P<0.05)。护理后，明胶海绵组患者的收缩压、舒张压、血红蛋白水平均高于PVA颗粒组（P<0.05）。明胶海绵组患者的平均出血量少于PVA颗粒组（P<0.05），平均止血时间短于PVA颗粒组（P<0.05），再出血率2.00%低于PVA颗粒组16.00%(P<0.05)。明胶海绵组患者的并发症发生率18.00%低于PVA颗粒组42.00%(P<0.05)。明胶海绵组患者的满意度96.00%高于PVA颗粒组74.00%(P<0.05)。     

基于Gabor融合特征与深度自动编码器的笑脸识别方法

Gabor特征的人脸表情识别具有良好的识别性能,但同样存在特征维数大的缺点,该文提出用Gabor融合特征的方法来进行降维以解决维数大的缺点。深度自动编码器具有对人脸自学习的能力,能精确提取有用的信息,也有非线性降维的作用。考虑到Gabor融合特征降维幅度不大,便加入自动编码器进行二次降维,将经过二次降维的特征输入深度自动编码器进行笑脸识别。该文在实验过程中采用两个数据库(公开的GENKI数据库,实验采集的数据库)进行实验。实验结果表明经过Gabor融合特征的实部作为深度自动编码器的输入的识别率比传统方法和未经降维Gabor特征识别率高。     

基于RFID分时发送的铁塔形变监测设计

设计采用放置于铁塔关键点的有源射频识别(RFID)标签发送分时信号,在地面的多个接收天线接收信号后分别计算两两之间相位差的方法,计算关键点的坐标,通过与正常情况下的坐标位置进行比较,及时发现铁塔的形变程度。监测结果能够在单个方向上达到5～6 cm左右的测量精度,可以反映出铁塔的形变大小,保证输电的可靠性。     

一种基于机器视觉的表面缺陷快速检测方法

实际生产过程中,产品表面会不同程度地留下污渍和印记,这对基于机器视觉的表面缺陷识别带来严重干扰.基于图案统计分析的识别方法速度虽快,但抗干扰能力弱,出现较高的误判率.基于深度学习的人工智能识别方法计算量巨大,速度慢,难以满足生产实际的高速要求.因此介绍一种改进SIFT算法,并给出了相关参数的设置方法和经验公式,通过实际表面缺陷的检测,对比验证了SIFT算法较强的鲁棒性和抗干扰能力,以及相关参数设置方法的正确性和可行性.实验数据表明,SIFT算法在凹陷类和斑点类缺陷的检出率上具有明显优越性,在裂纹类的误检率上也具有较大优势.特别是在有噪声图像干扰情况下,检出率比神经网络提升了20％,误检率降低了3％.