基于多特征融合的运动物体识别方法研究

为了实现运动目标的实时检测,本文基于多特征融合,提出了一种运动物体分级识别方法.首先通过对运动目标的分割,分析得到各个物体的形状矩特征、面积大小及运动速度.对上述特征,采用支持向量机方法对其矩特征进行快速的一级分类,然后对一级分类结果及各物体的面积、速度等信源根据其对分类的重要程度,采用模糊积分技术进行多特征融合分类.实验表明,本方法具有较强的学习能力及较高的识别精度,可有效地应用于道路监控等系统.     

集成环境中的数控程序仿真系统设计

本文介绍一种数控程序仿真系统，该系统利用软件方法模拟数控装置实现零件加工过程中的直线插补和圆弧插补。通过对数控代码进行仿真，可以在计算机上动态地模拟出刀具切削运动轨迹，实现在非实际切削过程中对零件数控加工代码的验证。     

基于虚拟检测器的车辆预估跟踪

基于视频图像的车辆监测技术由于其维护方便、易于实施的特点,近年来备受关注。车辆跟踪是实现视频车辆监测的关键技术之一,如何实现车辆跟踪的实时性是国内外研究的重点和难点。本文提出了基于虚拟检测器的Kalman跟踪方法,主要介绍了车辆存在检测和车辆预估跟踪两部分。实验结果表明,此方法在快速路场景下,能够有效地实现车辆的跟踪,完全满足系统要求,具有较高的实用性。     

一种可重构的ERP系统构建方法的研究

目前ERP系统在构建上主要存在两个问题：一是ERP系统一般均采用C/S结构，界面与商业逻辑混合在一起，导致系统维护困难；二是多数软件都是根据某一行业管理思想定制的，软件的通用性差。该文给出了构建基于对象模型以及Web结构模式ERP系统的方法框架，阐述了基于对象模型构建ERP系统的理论，构建的步骤及系统维护的方法。     

基于PML结构文件的MapReduce算法优化*

针对目前物联网和云计算技术结合后,物联网RFID产生的小型数据致使云计算中MapReduce算法产生运算瓶颈问题进行了研究。运用PML和EPC编码技术保证了数据存储的完整,采用快速排序和改进XGrind压缩技术对于MapReduce算法进行优化。由实验获得,优化后MapReduce算法减小64%的I/O吞吐和45%的CPU耗用,同时使查询数据效率提高75%,可改善查询物联网获取的海量信息的效能。最终通过对云计算下MapReduce算法的优化,为云计算下的物联网追溯平台数据高效使用提供了技术支撑。     

基于人脸识别的图书馆智能门禁系统

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术.本课题通过树莓派、OpenCV等来完成图书馆门禁系统,通过录入人脸信息,系统识别成功则开通门禁,识别失败则报警.本系统完成了门禁系统的设计要求,实现了图书馆的门禁智能化.     

增强蚁群算法的机器人最优路径规划

为解决复杂环境中机器人最优路径规划问题,本文结合增强学习和人工势场法的原理,提出一种基于增强势场优化的机器人路径规划方法,引入增强学习思想对人工势场法进行自适应路径规划.再把该规划结果作为先验知识,对蚁群算法进行初始化,提高了蚁群算法的优化效率,同时克服了传统人工势场法的局部极小问题.仿真实验结果表明,该方法在复杂环境中,对机器人的路径规划效果令人满意.     

基于SIP的多区域监控融合技术研究与实现

随着视频监控“大联网”大趋势的展开,国家标准的正式施行表明视频监控“大联网”已经成为必然趋势。为解决基于SIP协议的集中监控管理系统中负载过重的问题,提出了一种新型的基于SIP协议的跨区域分层SIP监控系统集成平台。该平台包括分层设计、模型结构、远程控制和智能监控功能的设计等综合多功能集中监控平台。系统采用网络技术、传输技术、组包技术、交换技术、储存器技术、服务器技术和基于网络分层的开放的会话发起协议（ SIP）架构,系统的各成员之间可以在域内处理大量的信令信息和媒体流信息,具有可扩展性、智能性、灵活性、自主性和互操作性等多种优点,可以解决跨区域监控系统集中管理中的负载过重问题并提供响应更灵活方便的控制及扩展功能。     

互联网管控法律体系研究

互联网在给人们工作、生活带来快捷便利的同时，也能产生巨大的负面效应。为维护互联网健康有序和谐稳定发展局面，必须加强对互联网的依法管控。目前，我国针对互联网管控出台了一系列法律法规，多个管理部门也在依法履行管控职能，但在管控过程中还存在诸多问题，实际管控效果不尽人意。在当前互联网发展新形势下，需要分析借鉴国外先进的管控经验，从法律制订、法律遵循、法律实施等多方面去进一步健全完善我国互联网管控法律体系。     

面向遥感视觉问答的尺度引导融合推理网络

遥感视觉问答(remote sensing visual question answering,RSVQA)旨在从遥感图像中抽取科学知识.近年来,为了弥合遥感视觉信息与自然语言之间的语义鸿沟,涌现出许多方法.但目前方法仅考虑多模态信息的对齐和融合,既忽略了对遥感图像目标中的多尺度特征及其空间位置信息的深度挖掘,又缺乏对尺度特征的建模和推理的研究,导致答案预测不够全面和准确.针对以上问题,本文提出了一种多尺度引导的融合推理网络(multi-scale guided fusion inference network,MGFIN),旨在增强RSVQA系统的视觉空间推理能力.首先,本文设计了基于Swin Transformer的多尺度视觉表征模块,对嵌入空间位置信息的多尺度视觉特征进行编码;其次,在语言线索的引导下,本文使用多尺度关系推理模块以尺度空间为线索学习跨多个尺度的高阶群内对象关系,并进行空间层次推理;最后,设计基于推理的融合模块来弥合多模态语义鸿沟,在交叉注意力基础上,通过自监督范式、对比学习方法、图文匹配机制等训练目标来自适应地对齐融合多模态特征,并辅助预测最终答案.实验结果表明,本文提出的模型在两个公共RSVQA数据集上具有显著优势.