美国高校景观绩效系列课程教学特点与启发

景观绩效的研究和实践是当前风景园林专业关注的热点。美国风景园林基金会倡导的景观绩效系列（LPS）研究,促使美国高校风景园林课程将景观绩效评估课程纳入课程体系之中。通过分析和借鉴美国高校的景观绩效课程建设概况,为国内景观绩效评估课程的建设提供参考。基于美国高校目前所开设的19门景观绩效系列课程,分析课程的设立目标、开设概况和关注的景观绩效类型,并从课程的理论研究、案例分析、工具使用和项目实践4个方面,探讨其与景观绩效评估的结合情况。景观绩效系列课程教学特点体现在通过绩效价值评估项目成效,基于实践研究进行循证设计,以及绩效评估与参数化设计结合3个方面。课程尚存在的问题则反映在部分评估数据获取存在难度、评估指标和工具的应用限制,以及评估过程与项目设计结合不足。     

基于模糊粗糙集和鲸鱼优化支持向量机的化工过程故障诊断

针对化工过程复杂,故障数据量大、属性多,难以保证故障诊断准确率和速度的问题,提出了一种基于模糊粗糙集(fuzzy rough sets,FRS)和鲸鱼优化的支持向量机(support vector machine,SVM)的化工过程故障诊断方法.通过对化工过程历史数据分析,判别故障类型.首先,利用模糊粗糙集对离散化后的...     

中国民间文化的传承危机——以湖北省崇阳提琴戏发展为例

在经济全球化的背景下，民间文化受到了前所未有的冲击与挑战，通过调查当前崇阳县提琴戏的发展现状，作者认为造成当前民间文化危机的主要原因是；客观上现代文明对民间传统文化的冲击，主观上人们在对民间传统文化的保护等相关工作中忽视了科学发展观的指导。基于以上思考，我们应该加强对民间艺人的培训，加强现代民族民间的理论建设工作，政府要增加对民族民间艺术的扶持和投入，积极进行产业传承建设促进提琴戏文化的可持续发展。     

特征融合与重定位卷积算子跟踪算法研究

针对卷积操作目标跟踪算法(ECO-HC)在遮挡、背景等干扰问题导致跟踪精度下降的问题,提出了一种自适应特征融合的卷积相关滤波算法,将CN与HOG特征进行加权融合,通过计算各自的响应来确定各自特征在下一帧的权重,将特征各自的优势充分发挥出来.此外,针对目标跟踪失败问题,提出利用形变相似多样性原理,构建目标重定位模块,当出现遮挡、快速移动等复杂情况造成跟踪的可靠性降低时,综合考虑目标响应得分、空间权重得分和形变相似多样性得分来确定目标的最终位置,实现重定位.实验证明,改进后算法与ECO-HC相比,针对目标遮挡、背景干扰等复杂情况,有效地提高了跟踪精度,鲁棒性更强.     

基于Kinect多生物识别技术的智能视频播放器交互系统

为了实现观看者无接触操作情况下的视频播放器智能控制,系统利用Kinect传感器采集彩色图像,使用FaceNet提取人脸特征向量,经支持向量机(SVM)训练后进行人脸识别,该过程在计算机中央处理器(CPU)运行环境下,利用OpenVINO实现人脸检测与识别实时运行,用于视频播放器的登录验证。系统采集音频数据使用Speech Platform Runtime v11进行中文命令识别,使用Kinect Speech Language进行英文命令识别,进而实现语音控制。采集骨骼数据,计算骨骼点之间的距离与角度进行人体姿态和手势识别,将识别结果转换为控制命令,进而实现播放器的快进、切换视频、加减音量等常用的控制功能。实验结果表明,该交互系统实现了使用者无接触全自动人体控制,为视频播放器提供了一种自然便捷的交互方式。     

基于单样本学习的多特征人体姿态模型识别研究

随着人机交互、虚拟现实等相关领域的发展,人体姿态识别已经成为热门研究课题.由于人体属于非刚性模型,具有时变性的特点,导致识别的准确性和鲁棒性不理想.本文基于KinectV2体感摄像头采集的骨骼信息,结合人体角度和距离特征,提出了一种基于单样本学习的模型匹配方法.首先,通过对采集的骨骼信息进行特征提取,计算关节点向量夹角...     

全景绿视率自动识别和计算研究

绿视率是用于绿色空间感知的直观评价标准，传统研究的绿视率多基于平面影像进行计算，不能完全反映三维空间中人对绿量的主观感受。基于全景影像，提出全景绿视率的概念，通过全景相机获取球面全景照片，将等距圆柱投影转换为等积圆柱投影，利用基于语义分割的卷积神经网络模型，自动识别植被区域面积以实现全景绿视率自动化识别和计量。通过比较5项卷积神经网络模型对绿视率的识别效果，显示出Dilated ResNet-105神经网络模型具有最高的识别准确度。以武汉市武昌区紫阳公园为例，对各级园路和广场的全景绿视率进行计算和分析。将卷积神经网络的识别结果同人工判别结果进行对比研究，结果显示：使用Dilated ResNet-105卷积神经网络对绿植范围识别的平均交并比（mIoU）为62.53%，与人工识别的平均差异为9.17%。全景绿视率自动识别和计算可以为相关研究提供新的思路，实现客观准确、快速便捷的绿视率测量评估。