检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

红外传感器客流计数系统的设计

红外传感器客流计数系统的设计

作者：李超河北科技大学

学位级别：硕士

中国已于2001年成为了世贸组织的成员国。随着人们生活水平的不断提高,越来越多的国际、国内大型商场相继涌现。商场以其低廉的价格与名目繁多的商品,吸引着大量的顾客。在日益激烈的竞争下,“将顾客作为关注的焦点”便成为大型商场立... 详细信息

中国已于2001年成为了世贸组织的成员国。随着人们生活水平的不断提高,越来越多的国际、国内大型商场相继涌现。商场以其低廉的价格与名目繁多的商品,吸引着大量的顾客。在日益激烈的竞争下,“将顾客作为关注的焦点”便成为大型商场立足和发展的基础。伴随着信息化的发展,在商业竞争中客流信息的重要性正日益凸显。由于客流量是决定商场效益的关键,同时又是商场经营者制定经营策略的依据,所以构建一个把客流信息作为核心,联系其它信息进行全面分析的智能化客流信息统计系统成为商场提高竞争力的有效方法。本文主要应用了红外光电传感器的技术,构造了一个基于径向基函数(RBF)神经网络客流计数系统。和早期使用的光电传感器计数方法相比,本方法在很大程度上提高了实时客流计数的准确度。并且针对每次采集的连续时空序列的客流数据的特点,极大地改进了现有的分割方法及针对客流的实际情况的特征提取方法。最后通过进行密集与稀疏客流模拟仿真,证明本文所建立的模型不但可以识别多人并排情况,而且误差较小,理论与实际意义很大。本系统通过4对安装在商场大门两侧脚腕高度的主动式红外对射光电传感器来对客流进行数据采集。本采集系统涉及径向基神经网络分类与特征提取方法两个关键点。该方法不但能够有效降低数据当中的噪音,而且还能够解决顾客间距小的情况。该系统具有准确性、智能性和鲁棒性。在文末列出了实验测试结果。实验结果表明本客流采集系统对客流统计来说是非常有效的。

关键词：红外计数系统数据采集预处理分割

基于异构图转换网络的元结构学习模型及其应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于异构图转换网络的元结构学习模型及其应用研究

作者：刘欣石家庄铁道大学

学位级别：硕士

科研项目立项评审是科研评价工作的重要内容之一。如何精准遴选出熟悉待评审项目研究内容和技术领域的专家对评审效果尤为重要。本文在对传统专家遴选方式进行研究的基础上,采用自然语言处理和机器学习等技术手段获取语义信息,提出一种... 详细信息

科研项目立项评审是科研评价工作的重要内容之一。如何精准遴选出熟悉待评审项目研究内容和技术领域的专家对评审效果尤为重要。本文在对传统专家遴选方式进行研究的基础上,采用自然语言处理和机器学习等技术手段获取语义信息,提出一种基于异构图转换网络的元结构学习模型,通过元结构特征挖掘待评审项目文本中隐含的语义信息,并根据语义信息抽象其所属技术领域,进而遴选出合适的专家评审项目。完成的主要工作如下:(1)对专家信息、项目信息以及传统专家遴选方式进行分析研究,选取最能体现项目技术领域特征的信息,并通过对文本类型及其相互关系的分析,构建异构信息网络,作为元结构学习模型的输入。(2)设计了一种基于异构图转换网络的元结构学习模型,自动学习异构信息网络中的元结构。该模型在基于自动学习元路径的基础上添加了自动学习元图的模块,通过元结构特征学习项目文本数据中隐含的语义信息。然后通过图卷积网络,对异构信息网络中的节点进行分类和聚类,输出的结果用于待评审项目的分类。实验表明该模型在文本分类任务上的有效性。(3)开发了科研项目立项评审专家推荐服务系统原型。将本文提出的基于异构图转换网络的元结构学习模型应用其中,并对相关功能进行设计开发。通过系统可以提交一批待评审的项目,然后给出推荐的评审专家列表。该系统可以帮助项目管理部门找到更加熟悉待评审项目内容和技术领域的专家,进一步改善项目评审的客观公正性。综上所述,本文通过采用基于异构图转换网络的元结构学习模型获取语义信息并进行分类应用,改善了项目评审过程中的专家推荐方法,对推动科研评价工作具有一定的实际应用价值。

关键词：异构信息网络元结构图卷积网络科研项目立项评审专家推荐服务系统

嵌入式Linux环境下基于OpenCV的人脸检测跟踪系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

嵌入式Linux环境下基于OpenCV的人脸检测跟踪系统研究

作者：刘建辉河北科技大学

学位级别：硕士

当今社会的科技一直保持着高速发展，嵌入式软硬件平台技术也是突飞猛进，嵌入式系统的存储能力和运算能力有了很大的改善，而且它体积小、成本低、便携性、功耗少、可裁剪性好，这也是本文选择嵌入式平台进行实时人脸检测跟踪的重要原... 详细信息

当今社会的科技一直保持着高速发展，嵌入式软硬件平台技术也是突飞猛进，嵌入式系统的存储能力和运算能力有了很大的改善，而且它体积小、成本低、便携性、功耗少、可裁剪性好，这也是本文选择嵌入式平台进行实时人脸检测跟踪的重要原因之一。人脸跟踪是计算机视觉领域的热门领域之一，具有广阔的应用前景和较高的研究价值，目前受到研究人员的广泛关注。本文中用开源视觉函数库OpenCV来实现人脸检测跟踪，它包含了超过500个接口函数，它能够提供非常友好的机器视觉接口函数，从而降低了产品的开发周期。本文描述了人脸检测跟踪算法的研究进展及原理，重点研究了连续自适应CamShift(Continuously Adaptive Mean Shift)算法。该算法不受跟踪目标的形状，大小的影响，鲁棒性能好，并且CPU占用率非常低，适合在嵌入式平台上进行研究。并针对嵌入式实时人脸检测跟踪方案具体功能的要求搭建了：Ubuntu10.4-Linux操作系统、内核版本Linux-2.6.38、gcc-4.3.2编译工具、arm-linux-gcc-4.3.2的交叉编译工具;摄像头选用一款基于CMOS感光的罗技C270USB摄像头;移植计算机视觉库OpenCV到搭建好的ARM平台，并使用OpenCV来实现实时人脸检测跟踪的目标，并能够在开发板上稳定运行，在理论研究和实验的基础上对人脸检测功能模块进行验证分析。在此基础上，本文针对CamShift算法必须通过手动选择才能对人脸进行跟踪的缺陷，提出了在进行人脸跟踪前引入AdaBoost快速人脸算法，使其能够自动实现人脸的实时跟踪。实验表明，本文提出的对人脸跟踪算法的改进能够快速、准确地实时对人脸目标进行跟踪。

关键词：嵌入式 OpenCV函数库实时跟踪 AdaBoost算法 CamShift算法

基于组合神经网络模型的网约车短时交通流量预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于组合神经网络模型的网约车短时交通流量预测研究

作者：周玮昀石家庄铁道大学

学位级别：硕士

近年来,随着城市经济的快速发展,汽车数量的飞速增长,交通负荷迅猛加大,城市交通拥堵问题日益严重。大数据、物联网、5G、人工智能等现代信息技术的飞速发展和应用为改善交通状况提供了新思路,智能交通系统顺势而生。其中交通流量预测... 详细信息

近年来,随着城市经济的快速发展,汽车数量的飞速增长,交通负荷迅猛加大,城市交通拥堵问题日益严重。大数据、物联网、5G、人工智能等现代信息技术的飞速发展和应用为改善交通状况提供了新思路,智能交通系统顺势而生。其中交通流量预测是智能交通实现的前提和关键技术之一。本文以城市网约车大数据为研究对象,结合交通时空数据特点,采用多种神经网络组合方式,对短时交通流量进行预测研究。主要工作内容如下:(1)通过对卷积神经网络CNN、长短时记忆神经网络LSTM和注意力机制的原理及网络结构进行研究,总结归纳其特征和优势,选择适用于城市网约车大数据的短时流量预测模型。(2)对选择的城市网约车大数据集进行分析和预处理,对重复数据进行清洗,对异常数据进行处理,将GPS轨迹点与电子地图进行匹配等。同时利用数据可视化技术对数据集进行分析,更深刻的展示了数据内在关系。(3)针对短时流量预测问题,根据交通流量的三种时间依赖特性,分别使用三个组件对交通数据进行建模。利用CNN和LSTM获取交通数据的时空依赖性,结合注意力机制动态调整不同历史时段对目标时段的影响程度。接下来对三个组件的结果进行加权融合,得到最终预测结果。并开展了实验设计,对实验结果进行分析论证。实验结果表明,本文提出的利用组合神经网络模型进行网约车短时交通流量预测方法能获得更好的评价,具有一定的理论和实际应用价值。

关键词： CNN LSTM 注意力机制深度学习短时交通流量预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

云数据库环境下数据检索关键技术研究

云数据库环境下数据检索关键技术研究

作者：刘桂兰石家庄铁道大学

学位级别：硕士

互联网的出现极大地方便了人们的生活和工作,随之产生的交互式网站更是为人们所青睐。在用户享受服务的同时,也导致海量数据的产生。为了给用户提供方便、快捷的服务,如何在海量数据中快速获取满足用户需求的数据,是人们共同追求的目标... 详细信息

互联网的出现极大地方便了人们的生活和工作,随之产生的交互式网站更是为人们所青睐。在用户享受服务的同时,也导致海量数据的产生。为了给用户提供方便、快捷的服务,如何在海量数据中快速获取满足用户需求的数据,是人们共同追求的目标。云计算技术的出现为人们解决问题提供了另外一种途径。它将逻辑上属于同一个系统的计算机部署在不同物理位置上,多台计算机共同为一个作业提供服务,并针对异常情况的发生会自行处理,从而在速度和准确性上得到保证;云数据库是在云计算平台基础上,将多台部署了数据库的计算机联系起来共同对外提供服务的一种技术。本文以云计算为平台,研究在云数据库环境下,为提高数据检索效率涉及到的索引技术、并行处理等技术。提出了位向量Gray编码索引模型和Map-Reduce-Join-Locate并行处理框架,并基于用户发表的微博内容对研究模型进行了验证分析,明确其适用环境。主要内容如下:(1)介绍了云数据库的整体架构,环境的搭建过程以及执行关联检索和并行处理涉及到的关键技术,包括:HDFS、MapReduce、HBase等。(2)提出了基于数值型数据检索位向量Gray编码索引模型。针对索引模型的构建以及在等值查询和范围查询中的检索步骤进行了详细介绍,最后通过实验的方式,揭示了该索引模型的优势。(3)提出了Map-Reduce-Join-Locate并行处理框架。针对现有MapReduce模型的优势以及在处理连接查询表现出的不足进行了分析,并结合现有对MapReduce处理模型的完善方案提出了Map-Reduce-Join-Locate并行处理框架。详细介绍了其处理过程,并通过实验的方式,验证了其适用情况和优势。

关键词： hadoop mapreduce hbase 关联检索格雷编码

基于深度学习的隧道漏缆卡具故障检测系统研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的隧道漏缆卡具故障检测系统研究与实现

作者：马海月河北科技大学

学位级别：硕士

随着高速铁路的不断发展,铁路沿途的隧道数量不断增长,给隧道泄漏同轴电缆（简称漏缆）卡具检修人员的工作带来了巨大的挑战。漏缆是隧道内保证通讯安全的重要设施,对铁路列车安全运营起着重要作用。目前我国主要以人工步行查看的方式... 详细信息

随着高速铁路的不断发展,铁路沿途的隧道数量不断增长,给隧道泄漏同轴电缆（简称漏缆）卡具检修人员的工作带来了巨大的挑战。漏缆是隧道内保证通讯安全的重要设施,对铁路列车安全运营起着重要作用。目前我国主要以人工步行查看的方式对铁路隧道漏缆卡具进行故障检测,此方法检测周期长、效率低。本文针对以上问题设计了一个基于深度学习的隧道漏缆卡具故障检测系统。该系统是由图像提取、卡具识别、故障样本扩充、数据可视化四个部分组成,各部分的具体内容如下:Mobile Netv3网络模型是一种轻量级注意力模型,延用了Mobile Netv1和Mobile Netv2的深度可分离卷积和线性瓶颈的倒残差结构,利用两个1×1的卷积层代替全连接层直接输出类别结果。本文使用Mobile Netv3网络模型提取隧道内图像,实验结果的准确率为97%。提出了一种基于YOLOv4改进的目标检测方法,该方法采用K-means聚类算法获取漏缆卡具的基准框,以Darknet-59结构作为特征提取的主干网络。Darknet-59是在Darknet-53的基础上,在conv25、conv42和conv51后面分别增加了两个卷积核大小是1×1和3×3的卷积层。本改进网络模型在实验中的正常卡具识别率达97.2%,故障卡具识别率为95.33%。经对比实验发现本改进算法就平均识别精度而言比YOLOv3和YOLOv4分别提高了0.08和0.03。使用高斯滤波、叠加噪声、明暗处理等对故障样本做单一和复合处理,解决故障样本不足的问题。实验结果表明故障卡具样本数量得到21倍的扩增。针对检测结果数量庞大造成的分析和浏览结果信息不方便、工作量大等问题,提出使用图像处理的方法对检测结果进行批量显色拼接处理,且最终结果以系统软件界面的形式展现。

关键词：漏缆卡具故障检测深度学习 Mobile Netv3 YOLOv4 数据扩增图像处理

基于深度学习的违规占道经营识别系统设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的违规占道经营识别系统设计与实现

作者：裴新慧河北科技大学

学位级别：硕士

随着计算机视觉技术的发展,目标检测算法成为一大研究热点,除应用在人脸识别、医学检测、工业检测领域外,在智慧城市管理中也有广阔的应用前景。违规占道经营识别作为城管系统中的一项检测任务,可有效降低城市管理成本并提升效率,具有... 详细信息

随着计算机视觉技术的发展,目标检测算法成为一大研究热点,除应用在人脸识别、医学检测、工业检测领域外,在智慧城市管理中也有广阔的应用前景。违规占道经营识别作为城管系统中的一项检测任务,可有效降低城市管理成本并提升效率,具有显著工程价值。针对当前违规占道经营检测精度较低以及模型泛化能力差的问题,本文以YOLOv5s为基础模型进行改进,提高违规占道经营目标检测精度,构建一个高效识别违规占道经营的系统,使城市管理更加智能化、高效化。具体研究内容如下:1)针对违规占道经营目标较小且复杂多变导致检测精度低的问题,优化YOLOv5s模型,提高目标识别的精确度。在骨干网络的瓶颈层中引入卷积注意力机制,提高模型对目标的定位能力。在空间金字塔池化结构中,设计使用不同扩张率的空洞卷积并行提取不同尺度的特征,采用跨尺度连接不同空间大小特征的方式,减少目标信息丢失,获得更大感受野。增加一个检测层并引入加权双向特征金字塔网络融合多尺度特征,充分利用深层语义信息和浅层位置信息,提升模型检测小目标的能力。为提高模型收敛速度,使用K-means++聚类算法得到最适合本数据集的12种宽高比,平均分布在四个检测层上。改进模型的m AP(平均准确度均值)较原YOLOv5s模型提升了5.9%,通过与SSD、Faster R-CNN等算法对比,该方法具有更强的鲁棒性、更高的检测精度。2)针对实际场景中天气复杂多变导致难以提取目标特征的问题,本文在上述模型的基础上集成轻量化的改进去雾模型,设计还原清晰图像进行目标检测的级联网络。改进去雾模型AOD-NET的网络结构,深度融合多层次特征提高模型处理图像细节能力。采用深度可分离卷积代替传统卷积,避免放大参数误差的同时提升模型训练效率。融合改进去雾模型与优化后的YOLOv5s模型,设计级联网络损失函数并使用SIo U loss作为边界框回归损失函数,提高网络收敛速度和稳定性。相较于原始去雾模型,改进后模型的峰值信噪比和结构相似性分别提高了0.289和0.017,通过与其他模型对比客观验证了改进去雾模型的有效性。级联网络较优化后的YOLOv5s模型m AP提高了0.9%,且单张图片检测时间仅增加了0.007秒的时间成本。实验结果表明,该方法有效提高了在恶劣天气环境下的检测精度。

关键词：深度学习违规占道经营识别 YOLOv5 去雾模块特征融合