体育运动视频人体关节点运动轨迹自动识别方法

体育运动视频内前景目标存在噪声干扰,导致轨迹正确识别数量较小,识别率较低,针对该问题,设计一种体育运动视频人体关节点运动轨迹自动识别方法.检测体育运动视频人体运动目标,独立前景中的像素点,二值化处理前景图像中的阈值,去除噪声,提取及跟踪人体关节点,设定关节点之间的肢体约束度量,完成轨迹识别.搭建实验环境,标定体育运动视频关节点,采用两种传统识别方法与文中设计的识别方法进行实验,结果表明：文中设计的自动识别方法正确识别轨迹数量更多,识别率更大,更适合自动识别关节点运动轨迹.     

基于时空图卷积网络改进的人体行为识别方法

针对目前利用时空图卷积网络ST-GCN行为识别模型进行人体行为识别准确性有待提高和如何更好地学习骨骼数据中关节点和骨架边所表达的动作特征等问题,改进现有的时空图卷积网络（ST-GCN）行为识别模型。首先,使用有向图来表示关节点和骨骼边的信息以及它们之间的依赖关系,提取相邻帧的关节位置差异作为运动信息;其次,使用双流框架分别学习运动信息和空间信息,进行融合提高识别性能;最后,使用注意力权重矩阵让图的拓扑结构具有自适应性,增大节点的感受野,使网络能够学习到远端关节之间的语义信息,更好的捕捉动作特征。将所提出的方法在NTURGB+D数据集上进行实验。研究结果表明,采用基于时空图卷积网络改进的人体行为识别方法在数据集上达到了96%的准确率,与现有ST-GCN模型相比,准确率提高了。此方法可进一步促进人体行为识别技术在智能家居、智能监控安防、人机交互、基于内容的视频检索、智慧城市发展等领域的广泛应用。     

仿真人体肘关节的韵律运动用神经网络预测模型

假设人脑存储着肢体的几何和动力学模型 ,以一个多层感知网络代表这个内部模型 ,仿真了在三种不同情况下人体肘关节韵律运动 :1)内部模型的参数与肢体的几何和动力学模型参数完全匹配 ,2 )上述参数不匹配 ,3 )存在外界干扰 .仿真结果显示模型的参数不匹配是导致肢体韵律运动误差的主要原因 .由此可见 ,运动学习过程就是内部模型不断更新以匹配肢体几何和动力学模型的过程     

无线传感网络粮库粮情检测系统的设计

目前粮库粮情检测技术落后导致粮食损失,为了降低粮库检测工作人员的劳动强度,设计了一种基于无线传感网络的粮库粮情检测系统.无线传感网络的组成核心无线网关节点和检测节点采用JENNICS139模块实现,检测节点将采样点的温度和湿度值通过无线方式传给网关节点,每个网关节点同时具有火灾烟雾检测报警功能,工作人员通过检测中心的上位机软件,可以方便地获得粮库温湿度数据与历史数据,该系统能有效降低粮食损失率,消除仓储的火灾隐患,并可以通过长期的数据积累,对仓储方法的改进提供可靠的研究数据.     

基于投影特征的简谱数字识别方法

简谱数字识别是光学乐谱识别中的一个重要分支,传统的识别方法是模板匹配,该方法计算量大,且对模板的依赖性很强,导致其鲁棒性较弱,对图像的噪声和位移敏感。考虑到简谱数字识别规模较小,通过分析数字对噪声较为稳定的几何特征,提出一种改进的投影特征匹配法对简谱数字进行快速识别匹配。理论分析和实验结果表明,改进的投影特征匹配法与传统的模板匹配法相比,识别精度和速度有所提高,鲁棒性也更强。     

基于深度学习的非机动车号牌识别一体化技术研究

针对电警复杂场景中非机动车号牌小、脏、模糊等引起的车牌识别难度问题，借鉴深度学习技术的研究成果，提出了一种车辆检测、车牌检测、字符识别的两阶段非机动车号牌识别一体化技术.车辆目标易于辨识，基于YOLO模型，对网络结构进行轻量化，且兼顾检测率平衡的改进；基于车牌是包含于车辆之上，在车辆定位区域，采用改进的YOLOV3快速模型进行车牌检测；在字符识别阶段，针对相机拍摄角度导致的车牌形变问题，向识别模型中添加STN网络，提出基于STN+CNN+LSTM+CTC的融合网络模型.在测试集上，整体识别准确率达到99.5%.     

基于交叉配血的多账户识别模型研究

对用户多账户检测识别是信息整合研究目标之一。针对目前用户识别技术普遍存在的准确率低和局域性问题,提出了基于交叉配血的多账户识别模型。该模型要求根据用户行为相似度和语义相似度绘制出多个账户的关系图,然后利用交叉配血原则来平衡语义和行为,在配置信息的协同下,对语义行为模型进行一致性识别。要求用户多个账户互相匹配以提高识别率,通过交叉匹配降低假种子账户对结果的影响。实验证明该算法大大提高了识别准确率。     

大数据在基于Kinect的中风康复训练中的应用

为了根据不同中风患者的康复情况制定相应的中风治疗标准,对基于大数据改进中风康复训练行为的识别进行了研究。首先,通过Kinect获取人体20个骨骼关节点的数据信息,然后提取关节点极坐标的位置信息,定义运动特征分类集合,完成朴素贝叶斯分类器设计。根据捕获的各种人群数据信息,在云服务器上的数据分析系统加以量化和分析后进行阈值计算。基于此,可对中风康复训练动作识别阈值进行偏差处理,从而设定不同的患者人群最合适的动作标准。     

浅析度和关节点的关系

度和关节点是正确理解量变和质变的关键.但在目前使用的教科书中却忽视了这个问题,使许多人对此问题产生误解.将度和关节点等同.度指的是一定的数量范围、限度.而不是两个具体的量.关节点是度的极限,是事物由量变到质变的交点,是旧质变为新质的转折点.因此.度不等于关节点.二者区别表现在:     

基于Leap Motion手势识别机械臂的研究

提出了一种基于Leap Motion识别手势控制机械臂的方法.该方法首先使用Leap Motion对人体手部深度点云信息进行提取,获得手部位姿态、手指位姿以及手势识别.然后将手部各关节点的空间姿态坐标转换为机械臂每个关节的控制角度.最后通过串口与下位机Arduino进行信息交互,实现机械臂向前、左右、抓取等动作.实验表明,该方法可以准确识别人体手势,实时控制机械臂.     

基于改进leNet-5的番茄病虫害识别的研究

针对传统的leNet-5在复杂纹理的图像分类上图片的识别精度不高、模型训练效率较低等问题,在传统leNet-5的基础上对其进行了改进.采用PReLU函数作为激活函数,在网络中加入Inception结构模块组、采用DropOut策略并加入Batch Normalization层等,提出了一种改进的leNet-5模型.采用2018年AI challenger农作物病虫害检测中的番茄病虫害数据集,通过数据增强的方式对数据集进行扩充,使训练集的数量达到142 800张.实验表明,在识别番茄病虫害时,本文提出的改进模型识别精度能达到95.3%,在识别精度与模型建立的效率上都有所提高.     

基于特征匹配与 CNN 的浮动验证码识别研究

为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法。首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与 K 近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在 mnist 手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练。对 10 000 张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达 95%,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中。     

一种改进的基于Bro的入侵检测系统研究

论文对两种主流IDS模型进行了分析,并对开放源码的Bro IDS进行了细致的研究,结合多模匹配与协议分析两种入侵检测方式,提出了基于Bro的改进模型,经多模匹配失败的数据流交给高层的协议分析从而形成一系列事件,然后这些事件被策略脚本做进一步的深入分析,从而达到实时报警、机制与策略分离和高扩展性的要求。最后通过测试表明改进模型提高了入侵检测的速度及准确性。     

一种模板匹配的改进算法

模板匹配是一种简单、计算量小、抗噪性好、适用面广的图像处理方法,已被广泛地应用在目标跟踪与识别等领域.本文对传统的模板匹配方法提出了一种改进算法,从而使匹配结果的准确率较改进之前有了一定的提高.实验结果表明我们的改进算法能够较好地实现实时跟踪,是有效、可行的.     

一种deep web数据源下重复记录识别模型

使用deep web数据源下重复记录识别模型对从多个deep web数据源中抽取出来的半结构化和无结构化的数据进行处理.首先,在数据预处理模块中将所抽取的数据生成实体记录的形式,然后,在异构记录处理模块中利用在同构记录处理模块所得到的权值,计算各实体记录的相似度,得到重复记录.与传统的重复记录识别模型不同,所提方法是在模式匹配未知的前提下实现的;并且采用带有可选算法的多个相似度估算器以达到更好的匹配效率.实验证明,该重复记录识别模型是可行且有效的.     

基于AdaBoost与改进CNN的驾驶员愤怒情绪识别

针对驾驶员愤怒驾驶引发的道路交通安全问题,提出一种基于AdaBoost与改进卷积神经网络(convolutional neural net-works,CNN)的驾驶员愤怒情绪识别模型.利用AdaBoost算法检测驾驶员人脸并采集面部表情数据,建立基于驾驶员情绪的表情数据集.针对CNN中LeNet模型的不足,提出改进方...     

基于HMM语音识别的FPGA实现

采用软硬件协同设计的方法,搭建了一个高效地基于隐马尔可夫模型（Hidden Markov Model,HMM）语音识别的FPGA实验验证平台。结合FPGA结构特点,直接使用加法器、乘法器、比较器等建立一个Viterbi算法结构,采用改进的方法计算Viterbi得分和预计算逻辑实现了一种简单的基于HMM的语音模板匹配。实验表明该实现方案是切实可行的,FPGA实验验证平台有利于资源复用,减少工作量,并易于调试,为语音识别其他功能模块的嵌入炎设计打下良好基础．     

基于异构多处理器和深度学习算法的篮球运动图像目标检测

篮球高难度动作识别技术的分析主要是识别和分析篮球运动员在视频中的身体行为.视频识别的目的是提高篮球训练水平.然而,传统的运动目标识别受到场景、动态背景和技术的限制,不能达到预期的效果.因此,本文开发了一种基于深度卷积神经网络的大数据运动目标检测系统,其主要用于篮球运动图像检测.其使用卷积神经网络的高分辨能力来提取图像,以执行计算预处理来识别视频流中的每个人体运动的图像.然后,采用基于Bi-LSTM模型的骨骼识别算法对人体关键点进行检测.最后,开发了一个目标检测系统来重建每个运动.通过选取五组可能导致运动损伤的高难度动作进行实验,结果表明该目标检测系统可以有效提高篮球动作目标识别的准确性,并有助于减少运动员伤病.     

基于相关反馈技术的在线复杂图形识别

提出一种在线复杂图形识别方法,在该方法中引入相关反馈技术来逐渐捕获用户绘图意图并使用用户模型来适应不同用户的绘图习惯.首先,在根据图形向量化特征的相似度计算给出候选识别结果的基础上,利用相关反馈技术不断降低模糊性而提高识别效果.其次,通过记录和分析"历史信息"动态的为不同用户建立用户模型,从而适应不同的用户习惯和绘图意图.同时,引入了一个基于模型的动态匹配策略.实验证明所介绍的识别方法在试验中取得了很好的效果.     

基于角点的汉字特征提取与识别算法

在分析角点提取技术和基于边缘检测和模板匹配的角点提取方法的基础上,采用Sobel边缘算子进行角点提取,利用角点的坐标值匹配实现汉字识别,达到81.8%的汉字识别率.