多尺度注意力学习的Faster R-CNN口罩人脸检测模型

针对在佩戴口罩等有遮挡条件下的人脸检测问题，提出了多尺度注意力学习的Faster R-CNN （MSAF R-CNN）人脸检测模型. 首先，为充分考虑人脸目标多尺度信息，相较于原始Faster R-CNN框架，引入Res2Net分组残差结构，获取更细粒度的特征表征；其次，基于空间-通道注意力结构改进的Res2Net模块，结合注意力机制自适应学习目标不同尺度特征；最后，为学习目标的全局信息并减轻过拟合现象，在模型顶端嵌入加权空间金字塔池化网络，采用由粗到细的方式进行特征尺度划分. 在AIZOO和FMDD两个人脸数据集上的实验结果表明:所提出MSAF R-CNN模型对佩戴口罩的人脸检测准确率分别达到90.37%和90.11%，验证了模型的可行性和有效性.      

一种改进的通用客户端自动升级模型及实现

在开发基于c/s结构的大型应用系统过程中,客户端的升级维护成为一个不可回避的问题.传统的手工升级方法工作量大,不可靠.分析了常用的自动升级方法,提出了一种改进的通用客户端自动升级模型.该模型的设计思想是通过服务端把新程序以二进制形式存放在多媒体数据库中,客户端探测到最新程序并自动更新.此模型已经成功应用于商业化的大型MIS系统中.     

集成CORBA的Web服务平台中CORBA客户端的设计与实现

利用web服务技术把已有的CORBA系统封装起来并向外界提供服务时，在服务端处理和响应客户端发送过来的SOAP消息、进行CORBA系统服务调用，并能向客户端返回处理结果。     

一种基于贝叶斯特征的视频图像人脸检测

提出了一种基于仿射运动模型和贝叶斯理论的视频图像人脸检测方法.建立仿射运动模型进行运动估计,提取运动对象区域;对训练图像提取人脸与非人脸的统计特征,利用贝叶斯准则建立概率模型;根据贝叶斯分类器和支持向量机分类器将图像特征分为人脸类与非人脸类,从而检测出视频运动图像中的人脸区域.     

公交集团多项措施保障高考学子顺利出行

正高考期间,公交集团采取多项措施,为广大考生的安全、便捷出行保驾护航。严抓疫情防控,强化出行保障。高考期间,持续落实常态化疫情防控措施,严格执行营运车辆消毒规定,常规营运车辆坚持开窗通风,密闭车辆全天候开启空调新风系统,保持车内空气流通;加强乘客佩戴口罩提醒;要求驾乘人员佩戴口罩上岗,做好个人防护,勤洗手、不扎堆,做好自我保护。加强安全监管,确保出行安全。一是加强车辆维保的全过程监管,确保车辆技术性能良好,     

计算机实训室考试管理系统的设计

在计算机实训室进行的考试,试题的收取较为繁琐,考场的管理较为困难.根据计算机上机考试的特点,本文提出的计算机实训室考试管理系统要解决的问题主要是考试试题的集中存放以及考试过程的管理,包括服务端和客户端两部分.本系统完成了考试的创建、考试的管理、考试的监控、考试的完成及考试登录和考试时间控制等设计,能够适应实训室计算机考试的需求.     

基于Gabor滤波特征和一类分类器的人脸检测

人脸检测是人脸识别的一项重要任务.论文提出了一种基于Gabor滤波特征和一类分类器的正面人脸检测方法.算法首先利用了Gabor滤波器的良好的空间位置与方向的选择特性,采用了四种方向的Gabor滤波器提取人脸样本图像特征并用PCA方法对特征降维,然后用已降维的特征训练支持向量机分类器.最后应用一类分类器分类检测人脸.实验结果证明该方法是十分有效.     

基于概率支持向量机方法的人脸识别

针对智能会议场景对人脸识别的特殊情况,通过依据检测、跟踪得到头部区域与人脸区域的面积比,选择正面的人脸进行识别,降低了人脸姿态对人脸识别的影响.在分类方法的选择上,采用支持向量机方法,并对支持向量机方法进行了概率建模,分类器输出结果是测试人脸属于每类的概率.实验结果表明:该方法不仅使人脸识别的精度得到了提高,还提供了其属于所在类中的可信程度.     

基于RetinaNet的电动自行车骑乘人员安全头盔佩戴行为检测模型

为提高对电动自行车骑乘人员安全头盔佩戴行为检测的准确性和实时性,构建了一种基于RetinaNet的电动自行车骑乘人员安全头盔佩戴行为检测模型。首先,采用Keras框架对RetinaNet预训练模型进行微调,设计残差网络（ResNet-50）作为主干网络提取输入图像的特征;然后,利用特征图金字塔（Feature Pyramid Networks, FPN）和聚焦损失函数（Facal Loss）分别进行特征融合和解决正负样本失衡问题;接着,面向小目标对象对候选框选取进行优化,并选用Adam优化器进行参数学习;最后,以江苏省南通市为例,采用典型城市道路不同视角和光线状况下的电动自行车交通流视频图像数据,训练优化检测模型。结果表明,优化后的检测模型可对图像中远（小）、近（大）电动自行车骑乘人员的安全头盔佩戴行为进行同步检测;检测模型的AP值达93.29%,mAP值达88.40%,在不同角度和光线下检测效果稳定;相较于SSD, Fast R-CNN模型,优化后的检测模型对安全头盔佩戴行为检测的综合性能最优。     

���ڴʰ�ģ�͵����������֤�㷨

随着火车票实名制的不断推广,人工核实身份的验票方式已不能满足实际需求,鉴于此本文提出一种基于词包模型的人脸身份认证算法,通过人脸比对自动完成身份核实.首先提取每幅图像的尺度不变特征变换(SIFT)描述子;其次利用词包模型(BOVW)构建人脸的典型特征;随后训练SVM分类器,将同一人不同年龄段的图像作为同一类,针对同一人的类内相似性和不同人的类间差异性进行建模;最后通过SVM分类器分别对旅客图像和其身份证图像进行分类,根据所属类别的一致性判断是否属于同一人.实验结果表明,本算法能有效地进行身份认证,并且针对图像质量较低、光照情况不可控的情况仍可达到比较高的准确率.