面向边缘计算的差分分块运动目标快速检测方法研究

运动目标检测在物联网视觉监测领域被广泛应用,但是目前的方法计算复杂度高、对本地硬件要求高,难以满足边缘计算的需求。针对此问题,提出了一种差分分块运动目标快速检测算法。该算法是对采集视频中时间相近的两幅图像(帧)进行差分,并将图像分块,选择移动块对图像进行二分法查找,最终确定运动目标。该算法省去了背景模型的构建和更新步骤,它的计算复杂度和时间复杂度较低的优点满足了对高性能的要求。同时,通过实验验证了该算法的有效性和实时性。     

基于低秩约束的旋转机械内激励激发的振源信号分离研究EI北大核心CSCD

随着机械设备向自动化程度更高的方向发展,机械系统变得更加复杂,给基于振动的健康监测带来了巨大的挑战。振源信号分离对于机械系统的噪声控制、准确的状态监测及故障诊断具有重要意义。现有的方法中的关键之一是要已知振源信号的统计特性、源的个数等。但这些有效的特征在工程应用中很难获得。对旋转机械和往复式机械的工作特性进行了分析,发现内部激励激发的信号具有低秩性。并建立了低秩噪声分离模型,提出了一种多低秩约束的振源信号分离方法。仿真信号和试验信号验证了该方法的有效性。与基于独立分量分析的盲源分离(BSS-ICA)方法相比,该方法分离后的振源信号具有更好的分类效果和更低的噪声。