基于均值平移和自适应预测的运动目标跟踪

针对运动目标跟踪算法不足之处,提出结合改进的均值平移与自适应预测的目标跟踪算法,基于Bhattacharyya系数值进行Kalman滤波器与粒子滤波器之间的切换.引入Kalman滤波器为Mean Shift算法估计初始点,在跟踪稳定的情况下进行模板更新,根据Kalman残差大小判定是否发生遮挡：部分遮挡情况下即结合Kalman滤波器实现对快速运动目标的实时跟踪;完全遮挡情况下结合均值平移和粒子滤波进行鲁棒跟踪.实验证明,改进的算法可以有效地提高跟踪算法的效率,并且能很好地解决遮挡问题.     

瑞芬太尼复合丙泊酚靶控输注在门诊隆乳术中的应用

目的探讨胸部美容手术行非气管插管全身麻醉中,不同浓度瑞芬太尼复合丙泊酚靶控输注的量效关系。方法选择ASAI-Ⅱ级行乳晕切口假体植入隆乳术女性患者,根据诱导期瑞芬太尼效应室靶浓度(0、1.0、1.5ng/mL)分为3组(n=20):C组(单纯丙泊酚组);REF1组(丙泊酚复合1.0ng/mL瑞芬太尼组);REF2组(丙泊酚复合1.5ng/mL瑞芬太尼组)。观察并记录患者不同时间点的血压、心率、脉搏氧饱和度及丙泊酚、瑞芬太尼的效应室浓度以及诱导期和维持期丙泊酚、瑞芬太尼用量和麻醉过程呼吸抑制、体动等不良反应,术后随访患者对麻醉的满意度。结果各组患者在不同时间点的血压、心率、脉搏氧饱和度、麻醉期间不良反应发生率的差异均无统计学意义(P>0.05),患者对麻醉满意率为100%;达到口头反应消失时,C组丙泊酚效应室浓度和诱导时间明显高于其余两组(P<0.05),且REF1和REF2组间比较无统计学意义(P>0.05)。结论小剂量(1.0～1.5ng/mL)瑞芬太尼复合丙泊酚靶控输注可满足胸部美容手术非气管插管全身麻醉需求,并且没有剂量依赖性效应。     

驾驶员不良情绪状态监测及舒缓系统开发

本系统集监测与舒缓功能于一身实现驾驶员不良情绪状态实时、非接触式地监测及舒缓.该系统首先使用肤色模型算法迅速定位人脸,然后利用累积差分帧和 Hough 变换等实时图像处理技术进行检测、跟踪眼睛和嘴巴的状态并提取相对特征参数,进而与表情模板匹配,以相似度衡量相似程度并最终判定驾驶员的实时情绪状态.如果判定的结果为不良情绪状态,系统将自动播放与之相对应的舒缓曲目,最终达到舒缓驾驶员情绪、保证安全行车的目的.     

基于Arcgis Engine危险品货物及车辆目标的综合显示

描述Arcgis Engine的特点,阐述插件式GIS的基本原理。在分析危险品货物及车辆监控系统的基础上,设计系统的基本框架,该系统具有目标实时监控、目标定位、目标轨迹回放等功能。采用C#语言实现系统框架。     

基于车联网V2P 的行人碰撞风险辨识研究

为探索基于车联网V2P(Vehicle to Pedestrian)通信技术的行人碰撞风险辨识方法, 首先,在车联网环境下实时获取了目标位置、速度、运动方向等信息,并分析了典型人-车相 对运动场景中交通参与者的行为不确定性,进而提出了人-车碰撞区域随机几何模型;然后, 综合考虑了车联网系统的通信延时、定位误差、人-车相对运动不确定性等多因素的影响,建 立了人-车碰撞事故概率和冲突风险程度模型;最后,通过仿真实验分析了行车速度、通信延 时、定位精度等因素对行人碰撞风险辨识模型效果的影响,以及各因素间的相关性关系.本文 提出的方法对行人安全保护研究具有一定的参考价值,研究结果同时指出了车联网系统通信 延时与定位精度的技术要求.     

CACC车辆跟驰建模及混合交通流分析

建立协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)车辆跟驰模型,并分析不同CACC比例下的混合交通流通行能力,尾部碰撞安全及交通排放.考虑车辆期望车头间距随速度动态变化的交通流特性,建立基于非线性动态车头间距策略的CACC跟驰模型,推导不同CACC比例下的混合交通流基本图模型,分析CACC提高通行能力的交通流运行机理.设计高速公路上匝道瓶颈数值仿真实验,评估不同CACC比例下的车辆尾部碰撞安全隐患,以及油耗、CO、HC、NOx的排放.研究结果表明,本文建立的CACC模型能够在交通流速度基本不变的情况下,以较高的交通流密度显著提升通行能力,同时有利于车辆尾部碰撞安全风险及交通排放的降低.     

基于在线地图交通态势分析的路网拥堵状态识别

为了实现道路网实时拥堵状态识别,以在线地图的历史延时指数为基础,用相邻路段有效拥堵状态发生时间顺序、持续时间阈值和流向流量关系识别传播性拥堵,用拥堵发生频率和持续时间阈值识别单路段系统拥堵,由此确定特定周期内的系统拥堵路段集合Nmax.以其集合范围内相邻路段时刻t的延时指数,以及其邻近拥堵持续时期的皮尔逊相关系数计算传播性系统拥堵程度值DtS;以非传播路段时刻t延时指数计算DtS?;综合前两者得到路网系统拥堵综合程度DtN,并找出该周期内的极限拥堵程度量化值.用Nmax内路段实时延时指数和实时拥堵路段数与极限拥堵状态对应的数值进行比较,计算实时拥堵程度的量化值.经实验证明,该方法能够反映路网系统拥堵形成的规律,实现路网实时拥堵状态的快速识别.     

Enhancing Speech Recognition for Parkinson's Disease Patient Using Transfer Learning Technique

Parkinson's disease patients suffer from disorders of speech.The most frequently reported speech problems are weak,hoarse,nasal or monotonous voice,imprecise articulation,slow or fast speech,difficulty starting speech,impaired stress or rhythm,stuttering,and tremor.To improve the speech quality and assist the patient with speech rehabilitation therapy,we have proposed the speech recognition model for Parkinson's disease patients using transfer learning technique (PSTL),where we have pre-trained the long short-term memory (LSTM)neural network model with our developed publicly available dataset that has been obtained from healthy people through the social media platform.Then,we applied the transfer learning technique to improve the performance of the PSTL framework.The frequency spectrogram masking data augmentation method has been used to alleviate the over-fitting problem so that the word error rate (WER) is further reduced.Even with a limited dataset,our proposed model has effectively reduced the WER from 58％ to 44.5％ on the original speech dataset and 53.1％ to 43％ on the denoised speech dataset,which demonstrated the feasibility of our framework.