一种基于多层RBM网络和SVM的行人检测方法研究

行人检测一直是计算机视觉领域的热点和难点问题。本文提出了一种结合玻尔兹曼机RBM(Restricted Boltzmann Machine)和支持向量机SVM(Suport Vector Machines)的深度学习网络进行行人特征提取和分类,多层玻尔兹曼机无监督的训练网络参数得到行人特征并级联SVM构建特征分类器进行特征分类,在融合多种行人数据库的基础上扩充了行人数据样本,满足深度学习对于大数据量样本的要求。实验中对比了不同层数网络对于模型性能的影响以及与传统人工特征相比在复杂场景下的行人检测效果,验证了深度学习对于行人特征提取的有效性。     

潘得罗扣件的弹条状态识别算法

为实现潘得罗扣件的自动化巡检,提出一种融合弹条纹理特征与形状特征的潘得罗扣件的弹条状态识别算法.该算法首先根据人工巡检的经验划分检测区域,然后增强弹条的纹理与轮廓,接着分别提取弹条的纹理特征与形状特征,组成复特征向量后将其放入SVM(支持向量机)分类器中建立训练模型,最后使用SVM分类器识别钢轨扣件的弹条状态.试验结果表明,最终检测效果为:漏检率7.1％,误检率2.9％,正确率92.9％,均达到钢轨扣件的检测要求.     

基于面部不变特征的铁路实名制检票人脸身份认证算法

为了实现铁路实名制检票时旅客的人脸图像与其身份证上人脸图像的自动比对,提出1种基于面部不变特征的人脸身份认证算法。以人的面部不变特征为前提,采用改进的尺度不变特征变换算法,提取现场采集的旅客的人脸图像及其身份证上的人脸图像的关键点,将靠近关键点的区域划分为部分重叠的子区域,然后以图像的词包模型差为基元构建人脸差特征空间,对训练图像的类别信息进行建模;对支持向量机(SVM)分类器训练分类的过程进行优化,训练优化的SVM分类器;最后,使用人脸差特征空间和训练好的SVM分类器进行加权投票,确认身份证上的人脸图像与现场采集的人脸图像是否为同一个人,实现旅客身份的认证。实验结果表明,在图像采集的尺度、角度和光照等不可控的情况下,该算法能够达到较高的认证速度和准确率。     

基于支持向量机的牵引供电系统高阻接地故障诊断方法

提出一种利用牵引供电系统电流信号、基于支持向量机(SVM)的牵引网高阻接地故障诊断方法。针对不同位置接地阻抗故障的电流信号,先采用希尔伯特变换和伯格谱估计提取时频特征量和频谱特征量,再构造SVM二分类器,利用交叉验证法对SVM二分类器进行参数优化,形成一个牵引网高阻接地故障分类器。将特征向量组送入SVM分类器中进行处理,能诊断出牵引网高阻接地故障。仿真验证结果表明,该方法在小样本情况下具有较高的分辨正确率。     

基于LBP-HOG特征的接触网旋转双耳区域识别

研究基于LBP特征、HOG特征与支持向量机相结合的目标定位原理,并对旋转双耳区域进行定位研究,分别使用LBP特征与支持向量机的方法和HOG特征与支持向量机的方法对旋转双耳区域进行定位,在此基础上,提出将LBP特征和HOG特征融合成LBP-HOG特征对旋转双耳区域进行定位。检测结果表明,同等条件下,LBP-HOG特征的检测效果优于单一使用LBP特征和HOG特征。     

基于HOG特征与二维Gabor小波变换的高铁接触网支撑装置耳片断裂故障检测

针对高速铁路接触网支撑结构中旋转双耳耳片断裂故障难以检测的问题,提出一种HOG(histogram of oriented gradients,梯度方向直方图)特征与二维Gabor小波相结合的图像检测方法。为实现旋转双耳在待检测图像中的定位,利用其正负样本的HOG特征对线性SVM分类器进行训练,对检测窗口内是否包含旋转双耳进行判别。为实现耳片断裂故障的可靠诊断,利用二维Gabor小波变换能量值对图像中的边缘信息进行筛选,进而对耳片断裂故障引起的故障裂痕进行识别。实验结果表明,本文提出的方法能在复杂的接触网支撑与悬挂装置图像中准确识别发生耳片断裂故障的旋转双耳部件,检测结果不受拍摄距离、拍摄角度以及曝光度等因素的影响,具有较高的使用价值。     

高速列车齿轮箱箱体材料拉伸损伤的声发射信号表征识别及寿命预测

为保障高速列车运行安全,需要对其齿轮箱箱体材料的拉伸损伤进行实时无损监测,传统的力学性能试验不能满足这种要求.为此,利用声发射技术,针对某型号高速列车齿轮箱箱体材料进行拉伸试验,采集拉伸过程中的声发射信号进行参数分析,并利用支持向量机(SVM)分类器对提取的特征参数进行识别分类.在此基础上改进SVM分类器,应用加权支持...     

基于图像处理的钢轨伤损分类算法研究

钢轨伤损的种类众多且形态各异,即便对于同类伤损,在超声波钢轨探伤检测软件中形成的B显图像也会存在差异,而当某类伤损的B显图像变化超出一定范围后,检测软件便无法识别该伤损的类别。因此,提出一种基于图像处理的钢轨伤损分类算法,其采用Tamura纹理特征与局部二值模式(local binary pattern,LBP)相结合的算法提取伤损B显图像的特征值并组成特征向量,使得作为分类器的支持向量机(supportvector machine,SVM)能够对不同种类伤损的特征向量进行训练,从而用训练后的最优分类函数预测未训练过的待测伤损的类别。试验结果表明,所提算法在钢轨伤损图像分类方面实现了较高的分类准确率。     

接触网安全巡检系统中的支柱号牌识别算法

针对接触网安全巡检系统中利用支柱号牌进行智能缺陷分析定位的问题,提出了一种支柱号牌识别算法。该算法采用霍夫直线检测实现支柱定位,根据号牌特点实现号牌定位、号牌字符分割算法,最后采用HOG特征和支持向量机(SVM)实现字符识别。该算法识别率较高,对智能缺陷定位具有重要意义。     

基于局部特征描述的高速铁路接触网斜撑套筒定位与故障检测

针对高速铁路接触网支撑装置斜撑套筒部件的螺钉松脱与脱落问题,提出一种基于采用局部特征描述的统计模式识别算法和螺钉灰度分布规律的图像检测方法。首先计算斜撑套筒部件正负样本的HOG特征,训练基于AdaBoost算法的级联分类器,实现接触网支撑装置图像中斜撑套筒部件的定位识别。为减少误匹配率,采用支持向量机分类器与AdaBoost分类器级联的方法完成目标的精确定位。对定位得到的斜撑套筒子图像利用Hough变换和边缘检测寻找分割直线分离螺钉和套筒,使螺钉可以被单独分析。实验表明,本文方法能够较准确地实现斜撑套筒2种不良状态的检测。     

基于概率包络的轮对轴承故障诊断方法

信号不确定性的正确表达是故障诊断的先决条件。然而,在实际情况中,轮对轴承的信号存在各种不确定性,采用传统方法处理这类不确定性,存在信息丢失问题。提出一种基于概率包络的轮对轴承故障诊断方法。对原始信号进行分布类型检验,针对不同分布特点使用不同方法进行概率包络建模。提取概率包络模型的几何形状作为故障特征,并将其输入支持向量机(SVM)训练获得故障诊断模型。以公共数据集及实测数据进行诊断测试,并对诊断结果进行比对验证。实验结果表明,该方法合理有效,提高了诊断精度和效率。     

基于波形特征提取和FA-Grid SVM的MVB故障诊断

列车通信网络的故障诊断一直是列车健康管理的难点,文章针对列车MVB(多功能车辆总线)网络,提出了一种基于波形特征提取和联合萤火虫网格寻优支持向量机(FA-Grid Support Vector Machines, FA-Grid SVM)相结合的故障诊断方法。通过提取MVB总线物理波形的时域特征,作为支持向量机的样本,构建MVB故障数据集;基于SVM较优参数点基本集中于同一区域这一现象,提出FA-Grid两步寻优的参数优化模型。试验结果表明,与传统网格寻优和遗传算法(GA)相比,提出的FA-Grid寻优模型时间复杂度低,分类效率高,能够准确地对MVB故障进行诊断。     

提高铁路梁式桥人行结构安全性的创新与实践

铁路桥梁主体结构通常牢固可靠,附属设施往往显得薄弱,尤其是人行结构如T梁人行道和墩台吊篮,其结构强度与步行板的安全性较弱。通过在钢支架之间增设托盘框架,横向铺设整体式挡砟人行道板,创新设计了新型人行道结构,提高了人行结构的安全性、可靠性和耐久性,并在上海局集团有限公司管内普速铁路和高速铁路桥梁中得到了应用。建议新型人行道板采用复合橡胶板、普速铁路桥梁墩台采用混凝土板,高速铁路桥梁墩台采用多元合金共渗花纹钢板。     

基于GI/G/1排队的人行横道宽度优化模型

为提高信号交叉口人行横道通行能力和行人安全,考虑到人行横道宽度对行人服务水平的影响,在分析其参数的条件下,提出在高峰时段,可将典型信号交叉口人行横道行人入口处和乘客交通量描述成一个排队系统。通过实地调查数据拟合得出行人到达规律服从指数分布、服务规律服从正态分布,且因行人在信号交叉口的走行规律具有休假特性,则该排队系统可用具有批量服务特点的GI/G/1排队模型描述。并基于排队系统的闲期、忙期等重要约束建立该排队模型的优化模型,为人行横道宽度的取值提供了科学的计算依据。     

城市轨道交通站点分类的聚类方法研究

在城市轨道交通相关研究中,需要对站点进行划分,讨论不同站点的差异性。采用聚类分析的方法,选取站点自身特点和站点环境特征等相关的11个因素作为聚类分析的初始变量,对变量进行量化和标准化。对标准化的变量进行因子分析,从变量中提取隐藏的三个公共因子:步行环境因子、站点规模因子、站点接驳因子,达到突出特点和降低变量维度的效果。采用K-均值法,根据提取的公共因子进行聚类,最终将成都地铁1号线现运营16个站点划分为五大类。     

基于支持向量机的隧道变形预测方法

提出一种基于支持向量机的隧道变形预测新方法。支持向量机基于结构风险最小化,具有更强的泛化能力,是一个凸二次优化问题,能够保证所得解就是全局最优解。采用RBF和Bspline核函数学习某隧道前30天的收敛监测数据,用学习得到的最佳支持向量机网络预测30天后隧道的收敛。结果表明,支持向量机回归和预测的最大相对误差不超过6 5%。通过对比发现,Bspline核函数比RBF核函数效果更好。     

基于改进云模型的地铁站行人拥挤辨识方法

为降低城市地铁站内行人拥挤识别时多指标和多等级带来的不确定性和模糊性,采用改进云模型构建行人拥挤状态辨识模型。基于AHP-熵权法标定指标权重和行人拥挤状态等级,以标定的指标权重和各指标等级阈值作为输入,计算云数字特征值,采用正向正态云发生器,建立模板云和待识别云模型,计算两者之间的隶属度,根据最大隶属度原则辨识车站内各服务设施的行人拥挤状态,最后输出各服务设施的拥挤等级辨识结果。以宁波市鼓楼站为实证对象,对辨识结果进行实证分析。结果表明:采用四级行人拥挤状态划分方法合理可行。     

VISSIM在世博高强度客流设施服务水平分析中的应用

高强度客流设施的服务水平评价是2010年上海世博会需要解决的核心问题之一.目前在这方面缺乏相应的理论和技术支撑.提出通过动态模拟出入口广场人群流动的方法来评估入口设施的服务水平.利用VISSIM仿真技术具有的直观、准确、灵活、可重复试验的特点,进行集散设施抽象建模、进出闸机的关键参数校核和集散广场访客行为的模拟.以上南路入口广场客流集散为研究背景,对该入口未来高峰时段的客流进行了模拟,取得了较好的仿真效果.VISSIM仿真模型可满足客流集散仿真的需求.     

盾构施工临近建筑物变形影响因素关联性分析

基于大量工程实践和资料对建筑物变形安全影响因素进行分析,基于实际数据样本利用粒子群和支持向量机算法,得到影响因素与建筑物变形特征之间的关联模型,并对模型进行验证,利用蒙特卡洛模拟算法仿真模拟得到大量仿真样本,利用卡方关联分析方法和灰色关联算法对各影响因素的关联度进行挖掘,了解各个影响因素与建筑物变形特征之间的关联性程度,进一步得出需要重点控制的建筑物变形的关联影响因素,为临近建筑物的保护控制提供决策参考。     

一种简化空间矢量调制方法在风电变流器中的应用

根据PWM变流器开关函数及伏秒平衡原则,采用一种开关函数面积矢量概念对常规SVM（空间矢量调制）进行简化。并说明了简化SVM在DSP中的载波实现方法。通过仿真及在风电变流器中的应用实验验证了该简化SVM载波实现方法的正确性。仿真及实验结果表明,采用简化SVM的载波实现方法可以获得与常规SVM同样的调制效果,但是可以简化计算流程,便于SVM在多电平变流器中的推广应用。