基于形态特征的水下小目标识别方法

为应对恐怖组织利用蛙人或水下机器人等小型武器的攻击,需要在一些重要的部位,如港口、码头、海岸洞库和锚泊水域中安装水下智能监控系统,而小目标识别技术是该系统的核心技术之一.本文对蛙人等水下小目标的特征进行了研究,提出基于形态特征的水下小目标识别方法.由实验结果可以得出,此算法具有较高的小目标检测率,有效提高了水下智能监控系统的可靠性.     

直觉模糊多特征融合目标类型识别模型

应用直觉模糊集完整描述目标识别特征与类型关系之间的模糊性和犹豫性,建立基于最大隶属原则的直觉模糊多特征模式识别的一般识别模型;针对战场目标类型识别问题中特征值不完全和识别特征之间独立的特点,定义了识别特征值识别价值测度和直觉模糊动态熵权,进而建立了基于最大隶属原则和动态熵权的多特征直觉模糊目标类型识别模型;通过应用实例计算与对比,说明提出的模型是有效的;所建立的模型对空中目标类型智能识别具有一定参考价值。     

基于激光扫描的无人堆料控制系统

<正>国内包括黄骅港在内的煤炭码头的堆料机操作一般都是采用人工操作方式实现的,无法实行自动作业的原因主要是煤堆的轮廓识别和料位高度检测很难解决。堆料机具体工作流程如下:司机根据中控指令,将堆料机开至指定位置;司机将堆料机大臂回转至堆场中间位置;根据场垛高低将堆料机大臂俯仰至合适位置;启动悬臂皮带机开始堆料作业;司机观察料堆与大臂的距离小于1.5m时;将大臂继续抬高;当大臂高度大于18m时,堆料机向堆场空侧行走3～4m,继续作业直至作业完毕。在上述的作业过程中,从开始作业到作业完     

《国际消防安全系统规则》修正案7月1日生效

《国际消防安全系统规则（FSS规则）》第11-2章-FSS第9章“固定式探火和失火报警系统”修正案．修改具体内容如下： 1．“1适用范围”中新增了定义（分区、区域识别能力、单一识别）。 2、“2技术要求”中明确了系统不动作的情况、设计性能要求（包括控制监测所有探头和手动报警按钮、为驾驶室、连续有人值班集中控制站和船上安全中心提供输出信号、与其他消防安全系统有接口、可与管理决策系统连接的条件）：     

无线射频识别技术在公安涉车管理中的应用

介绍了无线射频识别技术（RFID）的工作原理及在国内外涉车领域的应用现状;从其技术特点角度出发,重点阐述了该技术在中国公安涉车管理中的潜在用途、应用特点及实施的现实局限性,进而提出无线射频识别技术在当前公安涉车管理中两个可尝试的应用试点。     

您开车,瞌睡我来提醒 解读FDS驾驶者疲劳识别系统

疲劳驾驶是一种极为常见的交通违法行为,也是引发交通事故的重要原因之一。有统计显示,因疲劳驾驶造成的交通事故60%是睡眠不足3.5小时引起的。有研究表明:"疲驾"危害堪比"醉驾",发生交通事故的可能性是清醒状态下的两倍。少睡4小时等于喝6罐啤酒。可见"疲驾"是十足的危险驾驶。因此,最近有识之士呼吁将"疲劳驾驶"等同"酒驾"纳入危险驾驶罪,认为进一步扩大危险驾驶罪的规范对象,促其实至名归已是客观需要。大众首创的FDS疲劳识别系统无疑对减少疲劳驾驶,起到了非常积极的作用。希望酒后驾驶识别系统能尽早日普及推广,以便进一步减少酒驾肇事和醉驾肇事。     

多技术融合的综合交通枢纽智能停车系统

针对综合交通枢纽的停车场车位引导难、停车拥堵、寻车难等问题,提出了一种基于三维全景建模、车辆识别、室内导航等多技术融合的智能停车系统。该系统通过车辆识别技术获取车辆品牌、车牌号码等信息,通过三维全景建模和室内导航技术实现停车场实景导航,做到快速停车、便捷寻车,提升用户体验。     

自激气动力有理函数系数的直接识别算法

有理函数系数识别是基于气动力有理函数逼近的桥梁颤振计算的前提条件. 有理函数滞后项的数量对其系数的识别结果影响较大，现有方法中一般仅考虑单滞后项的有理函数系数识别，易造成气动力描述上的失真，进而导致桥梁颤振计算结果不准确. 基于正弦信号的自激气动力在时域上与有理函数对等的原则，采用最小二乘拟合方法，提出了一种可计入多个滞后项的有理函数系数的直接识别算法. 以薄平板模型为对象，利用强迫振动风洞试验获得了自激气动力，采用该算法直接识别了计入不同滞后项的有理函数系数，并分析了滞后项数量对气动力重构精度影响以及对颤振临界风速计算精度的影响.通过自由振动颤振试验获得了实际的颤振风速，进而与采用识别出的有理函数计算的颤振风速进行对比，结果表明:颤振临界风速的试验值与计算值吻合较好，从而验证了本文所提识别算法的准确性；与现有的有理函数系数识别方法相比，本文提出的识别方法兼顾了效率和精度，可广泛用于实际桥梁断面自激气动力有理函数系数的识别中.      

交汇水域船舶轨迹预测与航行意图识别

针对典型水上交通场景交汇水域，研究了1种数据驱动的船舶轨迹预测与航行意图识别方法。设计CNN+LSTM组合神经网络，通过学习交汇水域船舶的历史轨迹，以CNN+LSTM网络为编码器提取其通航环境及船舶航行时空特征，LSTM与全连接层为解码器同步输出未来时段内船舶轨迹序列和航路选择，从而形成船舶轨迹与航行意图识别模型。同时，引入Dropout网络结构描述该模型的预测不确定性，采用随机关闭CNN+ LSTM核心网络部分神经单元的方式，以相同轨迹序列作为输入获取多组相近的预测结果，根据其统计均值与方差对船舶轨迹预测的不确定性进行量化。以美国沿海某交汇水域公开AIS数据为对象开展实验，创建了该交汇水域船舶航行轨迹数据集，以输入时长60 min，采样频率3 min作为输入条件，Dropout值取0.5，实验结果表明:所提方法对未来60 min时段内的轨迹预测误差为3.946 n mile，航行意图识别准确率达87%，不确定性估计覆盖率达85.7%。与LSTM预测方法相比，当船舶操纵性发生改变时，所提CNN+LSTM模型的轨迹预测误差降低了31.6%，而且兼具船舶航行意图识别及预测不确定性估计能力，有利于智能航行与海事监管技术发展。      

大型科研基地三维可视化智慧安防立体防护 综合平台建设

在物联网技术、5G通信、AI人工智能技术的推动下,应构建一套三维可视化智慧安防立体防护综合平台,使大型科研基地安全防范系统具有更智能化、更人性化的功能,实现大型科研基地的安全防范做到立体防护、智慧管控、应急指挥、运维管理统一调度,统一管理。文章所提的三维可视化智慧安保综合一体平台,集GIS系统、三维仿真、结构化视频监控、大数据可视展示、人员定位、AI人脸识别技术、无人机巡查及无人机反制等系统应用为一体,结合了系统应用、事件应急处置、设备综合运维系统等物联网综合技术的安全防范智能化系统。