单目模糊点脊的窗口手势跟踪

相对于需要第三方辅助设备的系统，基于视觉的手势跟踪更方便自然。单目的手势识别跟踪可以分为手部的定位和手指的跟踪。它涉及到对颜色空间的选取，以及由点到面再回到点的分析方法。首先，从含有手的场景中检测出手，并且得到手所在的大致区域，提取出手掌的中心位置作为追踪的前提。然后，应用模糊点脊模型来描述手，对于基本的伸展状态进行了分类，为语义识别打下基础。为了控制不确定环境条件的影响，提出了一种直方图匹配算法以及使用搜索窗搜索定位方法。整个试验分成手指定位和手部区域跟踪，得到的最终数据是手指的伸展方向和角度。在有限的限定条件下，系统的初始化算法能得到更多的手部特征，相对于基于神经的方法减少了训练强度，但又保持了其准确智能的特点，能够满足实时的要求。实验的目的在于尽量减少人工干预，结果证明：这种方法的可靠性和效率都有一定提高，具有研究价值。     

基于改进YOLOv5s算法的列车驾驶员手势识别

随着智能铁路的发展，人工智能技术得到广泛应用。通过深度学习对列车驾驶员手势实时检测，可提高检查驾驶员手势执行情况的效率，保证列车运行安全。针对现有手势识别算法识别精度低、检测速度慢、难以部署等问题，提出一种改进的YOLOv5s列车驾驶员手势识别算法。首先在原始主干网络的卷积操作之后添加CBAM模块，加强重要特征信息，抑制次要特征信息；其次在颈部网络中引入BiFPN模块，在不过多增加计算量的情况下，更好地实现多尺度特征融合；最后通过改进的K-means聚类算法生成适合本文数据集的先验框，更好地提升预测框精准度，加强模型的识别性能。实验结果表明，本算法在测试集上平均精确率均值为0.955,检测速度为71 FPS,网络模型所占内存为15.9 MB,验证了该算法具有识别精度高、检测速度快、模型内存占比小等优势，对于实现工程部署有重要意义。     

基于卷积神经网络的铁路曲线特征点检测算法

针对现役轨道检测系统中曲线特征点检测算法参数难以适应实际线路中曲线半径范围较大,以及由于参数设置不当导致检测的曲线特征点位置与实际位置偏差较大的问题,结合机器学习算法,提出了一种基于卷积神经网络的曲线特征点检测算法.该卷积神经网络模型可以同时对曲线的特征点进行分类和定位,将一段连续的超高数据归一化处理后作为输入数据,计...     

基于RTK-GPS/INS的列车组合定位方法研究

在铁路运输当中,单纯的卫星定位或惯性定位均无法提供更高的精度。因此,提出一种高精度的RTK-GPS和惯性平台相组合的定位导航系统,系统主要包括卫星接收基站、传感器输入部分、状态检测部分、数据融合部分和定位数据输出部分。在整体系统中,数据融合部分采用卡尔曼;传感器输入部分采用结合无损变换的粒子群算法改进的自适应RLS滤波;利用组合导航过程,对数据融合误差纠正方程进行学习,在卫星失锁情况中,利用学习结果持续对惯性测量单元滤波后的数据进行校正。对提出的数据融合算法和组合导航系统进行半实物验证和实物测试,结果表明:在有复杂干扰的列车运行环境中,在该算法和系统的配合下,可以基本满足较高精度的列车实时定位,在工程中具有一定的适应性和实际应用价值。     

基于置信规则库推理的轨道高低不平顺检测方法

针对机车振动特征与轨道高低不平顺状态之间存在的复杂非线性关系,提出利用置信规则库推理方法检测轨道高低不平顺故障。建立置信规则库(BRB),通过车厢和车轴测点的垂向振动特征确定不平顺状态。选取两测点的振动幅值作为输入,不平顺的安全等级作为输出,对于被输入激活的置信规则,通过证据推理(ER)算法将被激活规则后项中的置信结构进行融合,从融合结果中换算出不平顺的安全等级。为解决专家给定的初始置信规则库参数不精确问题,采用数值样本优化学习模型训练得到最优参数取值。利用国内某既有干线区段轨道上所获取的实测振动数据,对所提方法进行验证,表明训练后得到的置信规则库系统能够准确描述不平顺与振动特征之间的因果关系,从而给出精确的检测结果。     

铁路货车装载状态图像智能识别系统

货车装载状态高清视频监控系统每日产生的图像数量众多,目前完全依靠人工识别异常状态,工作量巨大且效率低下。采集货车装载状态图像进行人工分类和定义后,输入深度学习模块进行学习,得到正常及异常状态模式识别算法。基于此算法开发的铁路货车装载状态图像智能识别系统可替代大部分人工查看的工作量,明显提高效率,进一步保证安全。     

基于人工神经网络的50CrMoA钢应力强度因子幅度门槛值ΔK_(th)的预报

应力强度因子幅度门槛ΔKth值受多个非线性因素的影响。在人工神经网络研究领域中,已经证明具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数,因而在模式识别和函数逼近上得到普遍应用。基于该原理,采用人工神经网络的反向传播算法研究50CrMoA钢应力强度因子幅度门槛值ΔKth的预报,使BP神经网络在ΔKth值预报中的应用得以实现。应用实验数据比较表明:利用神经网络得到的输出值与实验值之间最大误差为1 6392%,说明该模型在学习样本数据的基础上,可以对应力强度因子幅度门槛ΔKth值进行预测。且具有预测精度较高、方法简便易行的特点,并有很强的学习和容错功能。     

基于一维深度卷积生成对抗网络的钢轨波磨识别方法

实际工程中钢轨波磨数据难以大量获取,无法构建庞大数据集进行智能诊断模型训练。针对这一问题,本文提出了一种基于一维深度卷积生成对抗网络的钢轨波磨识别方法。首先使用一维生成对抗网络生成与实际波磨振动信号结构相同的伪样本,对样本信号的数据集进行扩充;然后提取波磨振动信号的时域统计指标作为波磨数据的特征;最后使用分类算法对不同特征的波磨振动数据进行学习与分类。使用实测钢轨波磨振动数据进行试验验证,结果表明：利用本文方法所生成的伪样本数据,在时域、频域以及时域特征指标方面均与真实样本数据基本一致;使用KNN、SVM和DT三种分类模型对波磨数据的特征进行分类和对比,均可较好地进行波磨识别。     

复线铁路并行段右线参数算法研究

根据铁路建设项目施工需要,在系统学习分析相关文献的基础上,对于复线铁路并行段右线参数算法进行研究,提出采用平行线法和几何法分别推算右线交点平面坐标和变坡点里程的思路,并利用实测数据进行检验,证明该算法的正确性和便捷性,对复线铁路工程施工和维护具有一定的应用价值。     

基于多尺度深度学习的接触网吊弦异常检测及应用

提出一种基于多尺度深度学习的接触网吊弦异常检测算法,并研究其在受电弓打弓预判中的应用。该算法由深度神经网络提取图像特征,根据特征图确定吊弦图像感兴趣区域并得到候选框,再对候选框进行分类和回归,确定吊弦状态并得到吊弦位置。通过吊弦的松、脱、断等异常状态,进一步预判是否会出现受电弓打弓,从而及时给出预警。通过实际应用验证,该算法可有效对吊弦异常状态进行检测,可提前预判打弓隐患。     

一种特征库可更新的相关反馈图像检索方法

相关反馈方法是对基于内容图像检索系统的有效改进,它将人类视觉特性逐步引入检索过程,有效地减小了图像低层特征表示与图像语义理解之间的差异。但传统的相关反馈算法存在反馈次数多,且无法积累用户反馈信息等缺点。本文针对这些缺点,在相关反馈图像检索系统中引入了可更新特征库。即在原始特征索引库的基础之上引入了一个用户可修改的特征索引库,系统可以将用户多次反馈的信息逐步嵌入到这个特征索引库中。与此同时,我们提出了一种基于多分辨率分析的彩色图像纹理特征描述方法,并将其用于特征库的构建中。我们在一个含有10000幅图像的图像库上所做的测试结果表明:与Illinois大学的MARS系统相比[1],本系统可明显提高系统检索准确率和相关反馈的收敛速度。     

基于TF-IDF加权朴素贝叶斯算法的ATP车载设备测试案例分类研究

针对列车超速防护（ATP,Automatic Train Protection）系统车载设备测试案例分类存在的工作量大、效率低且准确性不高等问题，提出了将词频—逆文档频率（TF-IDF,Term Frequency-Inverse Document Frequency）与朴素贝叶斯算法相结合，应用于测试案例分类的方案。利用TF-IDF算法筛选特征词及权重，对朴素贝叶斯算法进行加权处理，并基于实验室现有ATP车载设备的测试案例进行验证。实验结果表明，文章的特征词提取及测试案例分类方法具有较高的准确性。     

基于RBF神经网络的在线分类挖掘系统

模式分类是RBF神经网络应用的一个重要方面.在线环境中数据集是经常变动的,采用批量式学习算法(如OLS算法)训练RBF网络会产生大量的重复训练,从而导致学习效率不高.为弥补这种不足,从梯度下降方法推导出一种增量式学习算法,用于在线环境中的RBF神经网络训练.最后将基此算法构建的在线分类系统用于IRIS分类问题.结果表明,该算法有较快的收敛速度,网络的在线分类性能良好.     

基于EEMD能量熵-LPP的高速列车转子系统故障特征提取方法

针对高速列车轴承转子系统微弱故障特征提取难的问题,提出了 一种基于EEMD能量熵-LPP的高速列车转子系统故障特征提取方法.该方法结合EEMD、能量熵和LPP,首先对振动信号进行EEMD自适应分解,计算高频IMF分量的能量熵获得高维特征向量集完成初步特征提取;然后通过LPP算法将高维特征向量集投影到低维空间对特征进一步...     

基于BFS和加权半监督聚类算法的地铁客流分配研究

复杂的城市轨道交通线网给乘客提供多种出行路径选择,而轨道网络起讫点间可能存在多条可选有效路径,给城市轨道客流清分工作带来难度。为求解相同起讫站点间各路线乘客选择的概率问题,以广州市地铁自动售检票(automaticfarecollection,AFC)系统刷卡数据为研究对象,提出一种创新性的半监督聚类算法框架。首先基于广度优先(breadth first search, BFS)的K短路径的搜索算法,识别起讫点间的有效路径集,由此确定初始聚类中心及个数;然后以路径距离和换乘次数等特征值依次标定各有效路径权重,由这些标记数据出发,采用加权半监督的方式增强聚类算法的分类能力。最后结合客流调查结果,与经典K-means算法和朴素贝叶斯分类算法进行比对。通过算例证实提出的客流分配算法性能最优,准确率高达94%,具有较好的分类效果。     

炭素制品X射线图像的缺陷特征选择

针对炭素制品X射线检测图像的特点,对缺陷特征提取与选择技术进行了研究。为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从原始图像中提取缺陷区域。在此基础上,从缺陷样本中提取19个特征值。为提高缺陷模式识别对各种噪声及干扰的鲁棒性,提出以特征组合分类能力数学模型为适合度函数,设计基于遗传算法的特征选择策略,实现了对缺陷原始特征量的优化选择。利用BP神经网络分类器及选择的特征值对缺陷进行模式分类。研究结果表明,所提出的选择方法可以用于缺陷的识别与分类。     

铁路计算机联锁软件制作专家系统的研究

铁路计算机联锁软件制作的关键数据,由手工输入,智能化水平不高。提出专家系统的思想,借助专家系统工具CLIPS,实现联锁站场特征的自动识别,数据的自动生成。将蓝图信息规范化,统一为Excel文件,解决了联锁知识的概念化及形式化问题。采用面向对象的知识表示方法,借鉴ID3的分类算法,建立知识库。分类算法提高了规则的合法化及程序执行的效率。在站场特征识别问题上,先讨论了基于二叉树的实现方法,又叙述了直接利用CLIPS消息函数的方法,比较可得,消息函数的方法简洁,具有优越性。总结3类VC++和CLIPS交互技术,说明CLIPS嵌入到VC++是可行的。经检验,该专家系统可以初步解决计算机联锁数据标准化、自动化的问题。     

人体姿态检测系统的设计与实现

针对铁路岗位监控视频需要大量人力查看的问题,设计并实现了人体姿态检测系统,实现7×24 h不间断智能检测.运用人体姿态检测算法对人体关键点进行提取,构建特征向量,通过支持向量机分类算法得到姿态类别,通过滑动窗口法判断是否有异常行为,当发生异常时进行本地提醒和远程报警.在行车室和机车司机室2种环境下进行测试,结果表明,该...     

基于粗糙集理论和FCM的轨道电路故障诊断模型

由于轨道电路数据多且其维数高,这往往会导致所选特征之间存在冗余和相容性的问题。基于主分量启发式算法,引入相容度概念,并提出一种改进的主分量启发式属性约简算法,提取初始数据的主要特征属性来降低样本的维数。同时将模糊认知图概念引入到轨道电路故障诊断中,利用最小二乘法完成模糊认知图节点间权值的选择,最后根据权值建立轨道电路诊断模型并对预处理的样本进行训练和分类。实验结果表明,与单独的FCM分类器相比较,加入属性约简算法后, FCM分类器可提高分类性能,与采用人工确定权值的FCM方法对比,最小二乘法提高了FCM分类的精度。     

基于快速S变换的电能质量主成分分析方法

针对电能质量分析中S变换计算量大,及支持向量机分类识别需要设定特征参数的问题,文章将一种新的s变换的快速算法（FST）与主成分分析（PCA）相结合,并应用于电能质量分类识别。首先从FST域提取几种电压扰动的模系数;进而利用PCA进行降维处理并提取主要特征成分;然后获得投影矩阵;最后待识别电压信号投影后,根据最近邻分类器进行分类识别。仿真结果表明,电压扰动FST域模系数的特征成分主要在低频段,因此识别结果准确率高、计算时间短,并且算法本身有一定的抗噪声能力,能较好地实时处理电能质量扰动。