检索结果-南通市图书馆

作者：张贤哈尔滨工程大学

学位级别：硕士

当前基于视觉的手势识别都是基于帧相机拍摄,这种相机使用的是基于帧(framebased)的视觉传感器。但是,传统的帧(frame-based)摄像机存在数据采样率低、处理延迟大、数据冗余、被拍摄物体快速运动时会存在失焦模糊等问题,具有一定的局限... 详细信息

当前基于视觉的手势识别都是基于帧相机拍摄,这种相机使用的是基于帧(framebased)的视觉传感器。但是,传统的帧(frame-based)摄像机存在数据采样率低、处理延迟大、数据冗余、被拍摄物体快速运动时会存在失焦模糊等问题,具有一定的局限性。相比较而言,事件相机是一种新型的相机,可以更加低延迟地捕捉运动物体的变化。事件相机的主要输出是事件数据,而事件信息描述的则是某个像素区域上的亮度改变信号,并且是以微秒级异步地传递事件信息的。而传统的帧传统相机的输出则是图像帧,但因为事件流数据与图像帧数据的表现形式并不相同,传统的计算机视觉方法不能直接应用于事件相机的数据,因此需要考虑新的处理方法。新的处理方法需要充分利用事件流数据的稀疏性和异步性,从而能够充分利用事件流数据的优势。本文提出了一种基于事件流数据的手势识别算法,使用图卷积神经网络对事件数据进行建模,充分利用了事件相机的优点和事件数据的稀疏异步特性,并且针对训练和应用场景的样本分布不一致问题和标注成本高昂的问题,使用领域自适应的方法来提升模型在目标域的效果。与现有的基于帧相机的传统手势识别算法不同,本文的算法使用图卷积神经网络来对事件数据进行建模,并且将无监督领域自适应算法融入到图卷积神经网络中,提升了算法的泛化性能。本文设计了多种不同的深度学习模型如CNN、GCN等,作为识别算法的核心引擎来学习和识别手势。通过在大型事件流手势数据集EV＿ASL上进行深入评估,在不区分源域和目标域的情况下,基于图卷积神经网络(GCN)的算法在测试集上达到了96%的准确率,比基于卷积神经网络(CNN)的算法提高了3%。另外,将数据分为两部分,一部分是源域,另一部分是目标域,通过使用无监督领域自适应算法对卷积神经网络和图卷积神经网络进行泛化,提升了模型的鲁棒性。

关键词：图卷积神经网络手势识别无监督领域自适应事件流数据

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于异步事件流的空间点目标跟踪方法

引用

空间控制技术与应用 2024年第1期50卷 46-55页

作者：王瑞琳王立贺盈波李林北京控制工程研究所北京100094

在当前的空间态势感知领域,针对快速移动的空间点目标的检测与跟踪,传统的基于帧的视觉传感器表现出了一定的局限性,难以满足日益增长的任务需求.因此,基于神经形态学的事件相机,凭借其高时间分辨率和高动态范围,已成为目前的研究焦点.... 详细信息

在当前的空间态势感知领域,针对快速移动的空间点目标的检测与跟踪,传统的基于帧的视觉传感器表现出了一定的局限性,难以满足日益增长的任务需求.因此,基于神经形态学的事件相机,凭借其高时间分辨率和高动态范围,已成为目前的研究焦点.提出一种基于异步事件流的空间点目标跟踪方法.通过单层脉冲神经元滤除其中的噪声,并得到候选目标;采用最近邻运动轨迹关联对候选目标进行持续跟踪,从而得到每个候选目标的运动轨迹;通过特征权重虚警滤除去除候选目标中的虚警目标,保留实际的空间点目标的运动轨迹.在实验阶段,分别使用CeleX-V事件相机测量事件数据和公共空间目标事件数据集(EBSSA数据集)验证了所提出算法的有效性.实验结果显示,在灵敏度和信息量两项指标上,相较于文中提到的基于事件的空间目标跟踪方法具有一定的优势,证明了基于异步事件流的空间点目标跟踪方法能够准确地从原始事件流数据中检测出一个或多个空间点目标,并获取其运动轨迹.

关键词：空间点目标事件流数据脉冲神经元目标跟踪

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

空间点目标神经形态学探测方法

引用

中国空间科学技术（中英文） 2024年第3期44卷 98-110页

作者：王瑞琳王立贺盈波李林北京控制工程研究所北京100190

随着在轨航天器面临越来越多的威胁,如何识别并评估这些威胁对航天器正常运行的影响已成为一个迫切需要解决的问题。目前,空间目标的探测和跟踪主要依赖于传统的基于帧的视觉传感器,但这类传感器在实时性和数据量等方面存在不足。与此同... 详细信息

随着在轨航天器面临越来越多的威胁,如何识别并评估这些威胁对航天器正常运行的影响已成为一个迫切需要解决的问题。目前,空间目标的探测和跟踪主要依赖于传统的基于帧的视觉传感器,但这类传感器在实时性和数据量等方面存在不足。与此同时,基于神经形态学的视觉传感器已在运动目标检测和跟踪领域获得广泛应用。由于其获取的事件流数据仅包含视场中变化部分的信息,且具有微秒级的时间分辨率,这使得目标检测和跟踪的速度能够达到微秒级,同时大幅降低了需要处理的数据量。正因为神经形态学视觉传感器的这些优势,它在空间应用领域已成为当前的研究焦点。基于此,提出了一种基于三层脉冲神经网络的空间点目标检测方法——空间点目标神经形态学探测方法,仅使用事件流数据实现对空间点目标的探测和跟踪。主要包括局部运动感知层/全局运动感知层以及输出层,采用分数阶漏积分点火神经元作为基础处理单元,并利用其自适应性抑制事件流数据中的热噪声。通过实际采集的空间点目标事件流数据和公开数据集中的事件流数据进行了验证。在实际采集的空间点目标事件流数据上,去噪滤波部分的事件去噪精度和事件信噪比分别能够达到0.414和-3.036,跟踪部分的总跟踪时长、总跟踪错误次数以及平均跟踪偏差分别达到了9.395 s、100以及0.3797。试验结果表明,空间点目标神经形态学探测方法能够从复杂的事件流数据中检测出快速运动的单个或者多个空间目标,并且能够对检测出的空间点目标进行持续的跟踪。

关键词：空间点目标神经形态学事件流数据目标探测脉冲神经网络

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：