基于三维骨骼信息的动态手势识别

手势识别作为人机交互的有效手段,成为当前研究的热点话题.针对动态手势识别存在时空多变性、特征复杂性等问题,本文提出了一种基于三维骨骼信息的动态手势识别方法.动态手势具有时间上的差异性和复杂性,极大地影响了动态手势识别的准确率.因此,本文设计了一种动态手势关键帧提取算法,该算法可以提取动态手势关键部分,用于进一步的特征提取.另外,单独分类器的分类效果存在差异性,本文采用多个分类器同时对手势特征进行分类,充分利用了所提取的特征.同时,本文还提出了一种自适应融合算法,可以根据分类精度有效融合不同分类器,提高最终分类效果.最后,通过实验验证了本文提出的动态手势识别框架和方法的有效性.     

基于预设场景和双流热备份的天气预报会商系统

为提高远程气象服务水平,开发了基于预设场景和双流热备份的天气预报会商系统,实现了利用中控系统根据会议内容预设工作模式,减少了音视频矩阵和摄像头调整等复杂操作,简化了操作流程,方便管理.对音视频和显示系统增加了备份设备,当主用设备故障时,采用应急设备保障会议正常进行,能够提高对现场突发故障的应急处理能力,实现了上下行音视频和VGA信号的热备份.采用数字音频处理器进行音频信号处理,声音更加清晰,减少了由于人工调整调音台不当造成的啸叫.该系统结构不但适用于标清系统,调整相关设备参数后也适用于高清系统,对该系统的组成和原理进行了介绍,为电视会商系统的运行保障和建设提供参考.     

基于图像区域特征的细胞识别方法及实现

先提取目标物体的面积、中心矩、圆形度、细长度、核浆比等区域特征。然后采用单原型模式表征方法，利用集群分析技术中最小距离分类器，构造判别函数，并依此作为识别类型的依据。最后，通过对鳞细胞的区域特征进行计算比较，选择出能够较明显地辨别出类别的特征向量，建立判别函数并对结果的可信度进行了讨论。     

基于探空云识别方法的云垂直结构分布特征

云的垂直结构特征作为云重要的宏观特征之一,直接决定了云的类型,进而通过发射和吸收辐射的方式影响着地气系统的能量收支平衡,因此对云垂直结构特征的研究一直都是云物理研究的一个重要方向。作为观测云垂直结构特征的一种方式,探空气球通过获取沿路径方向高分辨率的廓线信息,采用一定反演方法从而能够较为准确的识别云的垂直结构。本文即利用我国业务布网探空站的观测资料,采用相对湿度阈值法识别云垂直结构,并同激光云高仪、“风云四号”静止卫星和毫米波云雷达对识别的云结构特征量进行了一致性检验。在此基础上,统计分析了2015～2017年单层、两层和三层云的垂直结构分布特征、日变化和季节变化特征以及全国区域分布特征,结果表明:（1）整体分布上,单层云在垂直方向上出现的高度范围介于多层云的高度范围内,并且随着云层数的增加,云在垂直方向上更为伸展,即高层云越高,低层云越低;（2）在日变化中,中午单层和多层云中最低层云的云底高度均高于早晨,而夜间单层和多层云中最高层云的云顶高度则高于早晨和中午,同时中间层云厚的变化要小于最上层和最下层云厚的变化;（3）在季节变化中,夏季云量较其他季节更多,云体发展也更为深厚,表明温暖的大气条件更有利于云的形成和发展;（4）我国云垂直结构分布特征具有明显的纬向变化趋势,从以青藏高原为中心的西南地区的云底较高云体较薄的云,逐步过渡到以东南沿海地区为中心的云底较低云体较为深厚的云,表明不同地形和气候带的差异与不同云类型的分布直接相关。     

基于BP网络的汉语普通话声调识别

研究了一种常用的模式分类器——BP神经网络,分析了BP网络的训练及识别过程,提取了能体现声调特性的特征数据组成分类特征向量,设计了具有一个隐含层的3层前馈网络作为分类器,对普通话声调样本库做了分类识别实验,分析了不同隐含层节点数的识别实验结果.实验结果表明,提取的音频特征基本有效,分类效果良好,具有一定的应用价值.     

基于注意力特征提取网络的图像描述生成算法

针对解决图像描述生成中对浅层图像特征利用不充分、图像目标间关系提取不足的问题,提出一种基于注意力图像特征提取的图像描述生成算法.通过语言模型上下文信息对不同深度图像特征进行自适应注意力权重分配,使带有注意力的图像特征参与指导图像描述生成,提升了图像描述生成的效果.在MSCOCO测试集中所提算法的BLEU-1和CIDEr得分分别达到0.752和0.934,从而验证了所提算法的有效性.     

基于多尺度融合网络的高速公路能见度估计

为了实现近实时公里级的高速公路能见度监测,提出了一种基于多尺度融合网络的能见度估计方法。首先,从道路监控视频中提取道路场景图像,并对图像进行质量控制;分别采用引导滤波、光谱滤波、景深估计模型从路面场景图像中提取细节结构特征、光谱特征与场景深度特征;然后,构建多尺度融合网络自适应融合结构特征、光谱特征与场景深度特征,并从中提取能见度特征;最后在网络末端输出图像场景所对应的能见度等级。此外,为了训练与测试模型,构建了真实道路场景图像数据集,共包含18 000张标注图像。实验结果表明,多尺度融合网络可显著提升高速公路能见度估计的准确性,能见度等级分类准确率可达81.76%。     

基于雨声识别的雨量测量方法

针对传统雨量测量耗时长,维护不方便的问题,本文在分析声信号识别技术的基础上,提出了基于雨声识别的雨量测量方法,模拟人耳听觉中对频域划定的非线性性和对同一频率群声信号作叠加评价的机理,将傅里叶变换后的能量谱通过梅尔(Mel)滤波器,提取雨声的梅尔频率倒谱系数(MFCC)作为雨声信号的特征向量。在此基础上,构建一个三层BP神经网络,将归一化后的样本数据用于神经网络训练,最后将测试样本用于对雨量的识别。试验结果表明,在少量样本训练的基础上神经网络即能有效识别雨量大小,为声信号识别技术应用于更为精准的雨量测量提供了理论依据。     

基于卷积神经网络的飑线识别算法

为了探究深度学习用于飑线识别的可行性,基于2008—2020年河南省郑州和驻马店雷达数据,采用卷积神经网络（convolutional neural network,CNN）算法构建飑线识别模型,引用临界成功指数、公平风险评分、命中率和误判率定量评价模型的识别效果,对比不同样本组成比例和网络结构对飑线识别效果的影响。结果表明：建模所用的样本组成比例对飑线识别有一定影响,通过改变采样方式和优化网络结构均能够改善样本比例不平衡的问题,提高飑线识别效果,且后者提升的幅度更大,而两种方法的结合无明显提升。测试结果表明：该模型临界成功指数为0.66,公平风险评分为0.58,命中率为0.86,误判率为0.24。研究揭示了卷积神经网络能够提取并学习飑线和非飑线回波的图像特征,对飑线有一定识别能力。     

基于ANOVA和BP神经网络的最优肌电信号测量位置选择

基于肌电信号的手部动作识别中,肌电信号测量位置的选择直接关系到动作识别的准确率.本文以使用最少的肌电传感器和获得较高的动作识别率为目标,提出一种基于ANOVA （方差分析）和BP神经网络的肌电信号测量位置优选方法.使用4个肌电传感器采集受试者做出指定动作时的肌电信号,提取肌电信号的时域特征,并按测量位置组合构成15个不同的样本进行BP神经网络的训练和测试.采用单因素ANOVA分析测量位置对动作识别结果影响的显著性,采用Tukey HSD将测量位置进行归类,并从动作识别率最高的子集中选择测量位置最少但识别准确率最高的测量位置组合作为最优的肌电信号测量位置.实验结果表明,测量位置对动作识别的结果具有显著的影响,随着测量位置数的增加,动作识别准确率呈上升趋势,最优的测量位置组合为P1+P3+P4,其动作识别准确率为94.6%.     

基于百度AI卷积神经网络的茶树结霜智能识别北大核心

基于采集的近20000张茶园图像,分别筛选出1000张茶园结霜和1000张未结霜图像作为训练样本,利用百度AI开放平台的EasyDL经典版图像识别功能,应用卷积神经网络算法,建立茶园结霜识别模型,进行茶树结霜图像智能判别。茶树结霜智能识别模型的准确率、F1评分、精确率、召回率分别为99.2%、99.2%、99.3%、99.1%。模型检验结果为:样本地20张结霜图像的平均识别置信度为95.51%,20张非结霜图像的平均识别置信度为99.99%;非样本地(江南茶区)80张结霜图像的平均识别置信度为97.53%,80张非结霜图像的平均识别置信度为95.11%。     

基于RBF神经网络的人脸识别研究

针对人脸识别技术中存在的高维问题、小样本问题和非线性问题展开研究.围绕人脸特征提取,采用基于主成分分析和Fisher线性鉴别来克服在人脸识别中的小样本问题,同时将人脸图像从高维空间映射到低维空间从而解决了高维问题;在分类识别方面,采用具有很强的非线性映射功能的RBF神经网络进行模式分类,能够解决人脸识别中的非线性问题.在ORL人脸数据库上进行的仿真实验表明,该方法进行人脸识别具有较高的识别率.