基于视频列车车号识别系统的研究

提出了基于视频的铁路列车车号的识别系统,为铁路列车设计了一种全新的列车车号识别方法.系统通过对铁路现有设备的利用优化了列车图像的采集方法,同时提出用图像的色彩信息准确进行列车车牌图像定位分割和以像素面积原理为基础的搜索寻优进行列车车牌倾斜校正.在字符分割与识别部分使用了改善后的快速准确算法对列车车号进行处理.各个部分均采用改进了的针对性强、实用、快捷的算法和技术,完成了对列车车号识别的功能.     

基于神经网络的手势识别

在机器人对手势识别的实验中，利用BP神经网络对连续手势进行识别。对采集到的彩色图像进行基于肤色的提取后，从复杂背景的彩色图像中划分出手部图像，进一步处理后输入神经网络进行识别。实验结果表明，该方法比较简单，识别效果也较为理想。     

出行者信息服务系统中后台语音识别系统的研究

系统分析基于Microsoft Speech SDK的语音识别系统,首先给出语音识别系统的总体设计,其次对MicrosoftSpeech SDK的主要接口进行研究,在此基础上完成语音识别中XML语法文件的编制、Microsoft Speech SDK的语音识别算法的实现,然后得到信息服务发布系统中语音识别的工作流程及其结果,最后进行测试分析。试验表明,该系统具有一定的实用价值和研究价值。     

出行者信息服务系统中后台语音识别系统的研究

系统分析基于Microsoft Speech SDK的语音识别系统,首先给出语音识别系统的总体设计,其次对MicrosoftSpeech SDK的主要接口进行研究,在此基础上完成语音识别中XML语法文件的编制、Microsoft Speech SDK的语音识别算法的实现,然后得到信息服务发布系统中语音识别的工作流程及其结果,最后进行测试分析。试验表明,该系统具有一定的实用价值和研究价值。     

多尺度模型与矩描绘子相结合的手势识别算法

提出了一种基于单目视觉的手势识别算法．通过用户初始化过程获取基本识别参数，结合视频跟踪的过程实时获取用户手势区域，在该区域内采用矩描绘子与多尺度模型相结合的方法进行特征提取，对于提取出的特征采用分类识别规则，实现对手势1～10的正确识别．经过试验证明，该算法可以适用于不同用户，识别正确率达到93．5％．     

基于嵌入式TCP／IP的在线签名数据采集系统

在线签名识别在银行金融系统及个人身份识别等领域正引起广泛关注。笔迹信息的采集是在线签名识别算法的基础,设计了一种基于嵌入式TCP／IP的在线签名数据采集系统,该系统以C805117020 SOC单片机为核心,实现了在线签名数据的实时采集,并在有限的单片机资源基础上移植嵌入式TCP／IP协议栈,通过以太网接入Internet,将采集到的签名信息准确及时地上传到远程认证服务器。     

汽车防追尾的车辆识别系统设计

详细介绍了一种基于汽车防追尾的图像处理识别系统.该系统由摄像机(CCD)、图像采集处理模块和车辆识别系统组成.由CCD摄取的图像,经视频解码器处理后再传给车辆识别系统进行图像的车辆识别判断.     

基于固定检测器的动态交通故障数据识别与修复

针对固定检测器在采集动态交通数据过程中易发生交通数据异常、数据缺失等问题,为实现故障数据有效识别及修复,提出了基于离群距离检测的故障数据识别算法及改进的DE-LSTM数据修复模型。利用时序数据的自身连续性,采用直接离群点定位和离群距离检测对故障数据进行有效识别。采用差分进化算法优化长短期记忆神经网络的隐含层神经元个数和初始学习率,并引入自适应控制策略改进传统DE算法中的变异因子、交叉因子,建立了基于改进差分进化算法优化长短期记忆神经网络的修复模型,并与固定阈值结合交通流机理、LSTM神经网络模型及DE-LSTM修复模型进行对比。实例验证结果表明：与固定阈值结合交通流机理法相比,离群距离检测算法识别率更为高效,改进的DE-LSTM模型具有良好的计算效率及修复性能。     

基于深度学习的四轴无人机飞行姿态估计方法

为解决传统无人机姿态估计过程中出现的精度低、实时性差、容易被干扰、模型复杂、计算量大、处理时间长等问题,研究基于深度学习的四轴无人机飞行姿态估计方法.结合多传感器数据融合技术,使用MARG传感器和光流传感器采集无人机飞行姿态数据,经小波阈值去噪算法和最大—最小标准化算法对采集到的数据进行去噪及归一化预处理后,基于GRU神经网络构建一个新的姿态估计模型.将预处理后传感器的数据输入模型中进行融合,通过模型训练输出重力矢量和地磁矢量,经无人机姿态角转换获取无人机飞行姿态.实验结果表明：基于深度学习的四轴无人机飞行姿态估算结果与实际值接近,且误差小、速度快,同时利用GRU神经网络可以融合多种传感器的数据,无需建立复杂的数学模型,即可实现无人机飞行姿态的高精度测量.     

基于重力分量的道路坡度动态测量

基于MEMS(微机械)加速度传感器的测量原理,采用车辆行驶坡道上的重力分量进行纵向坡度的动态测量,并结合陀螺仪的信号建立基于扩展卡尔曼滤波的数据融合模型,推导出数据融合流程。利用标定后的传感器完成水平道路和坡道的实车试验,采集实车试验数据进行离线算法验证。重力分量法与双天线GPS测量的坡度差值在±1°上下波动,表明重力分量法能够获得实时动态纵向坡度,满足智能汽车识别环境信息的需求。     

基于行车记录仪的高速公路路面状况巡查及报警系统

为解决目前路面破损状态自动检测采用专用摄影检测车检测费用高、检测结果需要专业软件分析不易普及应用的问题,提出一种基于行车记录仪的路面破损状况识别方法。以行车记录仪采集的视频图片、GPS数据为基础,建立基于行车记录仪图片的高速公路路面状况巡查及报警系统,实现路面破损状况识别及报警。系统利用行车记录仪采集的图片,基于卷积神经网络的深度学习算法,实现路面的破损自动识别;利用行车记录仪GPS定位数据以及GIS电子地图,实现行车记录仪图片的GIS地图实时显示及报警。     

基于手机传感器数据的交通出行调查实证评估

应用手机传感器与调查问卷, 同步采集了校园内高校学生2周的真实出行轨迹; 考虑了真实出行环境下的手机传感器数据特征, 结合高斯滤波预处理数据, 根据轨迹点的时空聚类特性, 用时空聚类算法识别了出行端点和出行时间, 结合轨迹点速度、加速度特征, 利用支持向量机识别了出行方式; 将手机传感器数据与调查问卷、查核线数据对比, 分析了手机传感器数据出行特征识别的准确程度, 验证了出行特征的提取效果。分析结果表明: 手机传感器与问卷调查识别出行链的成功匹配比例为81.66%, 说明手机传感器数据可有效记录出行轨迹; 时空聚类算法参数中核心点空间半径为26.92 m, 最小样本点为129, 时间约束为129 s时, 出行端点识别准确率为93.02%, 出行时间识别准确率为90.84%, 说明手机传感器识别出行端点和出行时间的效果较好; 当支持向量机设置类型为经典支持向量机, 核函数为径向基函数, 惩罚系数为0.797, 核参数为2.260时, 出行方式识别准确率为89.86%, 即利用手机传感器能够有效识别出行方式。可见, 手机传感器数据识别结果合理, 能为手机传感器数据应用于实际出行调查做支撑。      

点匹配问题的极坐标算法和三角形算法

点模式匹配在比较两幅由不同时间或同一时间不同传感器采集的图像时，是常用的方法之一，许实时应用系统对匹配效率有很高的要求，文中构造了一个基于极坐标转换的算法和一个基于三角形近似顺序全等的算法，两个算法都具有原理简明，识别能力强，计算速度快的特点，文末对两个算法进行了比较，并用数值实例加以验证。     

桥梁位移影响线提取方法及其精度分析

桥梁位移影响线在桥梁模型修正、损伤识别、荷载识别等领域具有重要作用。实桥健康监测中,由传感器采集到的桥梁动载时程曲线不可避免地受到车辆动载效应的影响。为消除这一影响,以桥梁跨中挠度为研究对象,考虑动载效应进行挠度影响线识别。根据挠度时程曲线特点,采用db N算法进行基于动载时程曲线的桥梁位移影响线识别,建立评价识别后曲线与标准静态影响线差别的误差指标,基于该指标验证该方法的准确性与适用性。结果表明,基于db N算法进行桥梁位移影响线识别的方法具有较高的识别精度与良好的适用性。     

基于动态阈值和分层检测的图像缺陷识别算法的研究与应用

针对高精度印刷图像的质量检测中的检测速度和检测精度问题，本文提出了一种基于动态灰度阈值和分层检测的高精度印刷品质量检测的实时的图像缺陷识别算法，算法考虑到人的视觉感官特性，首先将所用的灰度阈值对采集到的印刷品图像进行缺陷的初卞识别和标定，然后再按照高精度图像检测要求采用分层检测的方法进行搜索，解决了以往图像检测缺陷识别中的检测效果和速度不理想的问题，经过在有度印刷图像的质量自动化检测系统中的应用，算法的速度和效果得到验证。     

基于MATPCA方法的混凝土表观缺陷识别研究

以混凝土表观缺陷为对象,研究用图像处理和模式识别技术来实现表观缺陷的检测和识别,重点在混凝土外观缺陷图像的特征提取和设计有效、可靠的分类器,实现缺陷的准确分类.基于矩阵的主分量分析（MATPCA）是统计学中分析数据的一种有效的方法,它可以将数据从高维数据空间变换到低维特征空间,因而可以用于数据的特征提取及压缩等.将MATPCA法应用于混凝土表观缺陷识别系统的特征提取层,并在MATLAB中实现特征的提取,较好地满足识别层的输入要求;而在系统的识别层,研究BP神经网络方法取得了较好的实验效果.     

基于LPC1756的井下环境监测系统设计

针对煤矿安全生产的相关要求设计了基于LPC1756的井下环境监测系统。该系统通过ZigBee传感器节点采集井下的环境参数信息,并通过ZigBee网络传送到ZigBee-WIFI网关,网关通过WIFI把数据传输到无线采集点,然后,数据通过工业以太网传输到服务器,为井上监测人员作出安全生产决策提供依据。测试结果表明:该系统对井下环境参数的采集在准确率和稳定性上都能满足企业需求。     

基于动应变识别桥梁移动荷载

移动荷载识别可作为桥梁健康监测的研究基础,提出了基于BP神经网络技术识别桥上移动荷载的新方法。基于相似理论,建立车桥耦合试验模型,测试与数值仿真了一简支T梁的动应变数据,两者吻合较好。将测试的应变、速度与荷载数据作为训练样本,采用BP神经网络识别预测结果。结果表明:通过传感器采集桥梁截面的动应变数据,运用BP神经网络技术识别车重方法可靠有效,可以广泛运用在桥梁的荷载识别中,适合工程应用。     

基于多尺度Kalman滤波的多传感器数据融合

通过分析多尺度动态系统模型,提出了一种基于小波变换的Kalman多传感器数据融合算法。该算法结合了Kalman滤波的实时性、递归性和小波变换的多尺度特性,能对多传感器的观测数据有效地融合。算法首先将最细尺度上观测数据滤波后得到的估计序列小波分解到各尺度上;然后在各尺度上,利用该尺度上的传感器观测数据对小波分解系数进行更新;最后利用小波重构,达到更新原始估计序列的目的。仿真实验表明,该算法具有很好的数据融合效果。     

一种基于定点DSP的语音识别算法实现

介绍了一种基于定点DSP的特定人的孤立词语音识别系统,着重讨论了算法中参数快速提取的实现．该算法采用基于动态规划（DP）技术的动态时间弯折算法（DTW）,采用VAD两极端点检测方案以提高端点检测的精度,以Mel尺度倒谱系数为语音识别参数．首先讨论了标准浮点实现方法,然后结合算法特点和定点DSP的结构,采用了一种优化的快速定点实现方法．测试结果表明,定点算法时间比浮点算法大大降低,使系统的性能得到了提高．