基于卷积神经网络的视频监控人脸识别方法.pdf

随着“平安城市”建设的不断推进，公共安全逐渐成为人们关注的热点间 题，税频监控技术也随之得到了越来越广泛的应用，传统的视频监控系统主要提供采集存储功能，这远远无法满足人们对其智能化的需求。要实现智能化的视频监控系统，以下几个关键问题亟需解决：（1）如何快速发现监控视频中的异常行为，及时给出警报，并最大限度地减少误报和漏报现象；（2）如何在多种不利因素下（如羊样本，低分辨率）对可疑目标进行准确的识别分析：（3）在海量数据的情况下，如何确保视频分析系统的实时性及准确性。 近年来，深度学习在机器视觉、语音识别和自然语言处理等多个领域都取得了优异的成绩，这也为智能视频分析技术的发展带来了新的契机。因此，本文基于深度学习的方法对上述相关问题展开研究，主要研究工作与创新如下： 1，针对监控视频中的异常行为尤其是暴力打斗行为难以准确快速发现的问题，提出了一种基于三维卷积深度网络的暴力检测方法。该方法利用大量带标签的视频数握进行有监督的学习，通过将传统二维卷积核扩展为三维来提取视颈中的运动信息，然后综合利用视频的空间信息及运动信息来构建深度神经网络模型，从而实现对监控视须中暴力打斗的检测。由于深层模型端到端学习的特性，所以不需要设计复杂的手工特征来描述运动信息，从而降低了任务的复杂度。实验结果表明，本文提出的方法在单一场景以及人群密集环境下都可以对暴力打斗行为进行准确识别。 2.针对人脸图像在单训练样本下难以被准确识别的问题，提出了一种基于核主成分分析网络（Kernel Principle Component Analysis Setworks，KPCANet）模型的二阶段投票人脸识别方法。该方法在不使用额外样本数据的情况下，利用非监督深层模型KPCANet对分块后的人脸图像进行训练并利用KPCA学习得到的波器进行特征提取，从而保证了提取的特征对光照及遮挡的鲁棒性，同时也消除了人脸局部形变对识别率的影响。本文通过投票的方法融合每一个分块的预测值来得到最后的识别结果，对于单次投票结果不唯一的情况，本文采取了二阶段的投票方法，通过扩大每一块的预测候选集，并对不同的区域赋子不同的权值来得出最后的结果，从而进一步提升了识别的准确率。实验结果表明，该方法在四个公开人脸数据集上都取得了优异的表现，算法准确率优于使用了额外数据集的通用方法，尤其是在非限制人脸数据集LFW-a上，本文提出的方法比sVDL和LGR方法准确率提升了约15%.

光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别方法研究 光学图像海面舰船目标智能检测与识别

人工神经网络 模式识别 的一个课程设计， 报告包含实现过程，实现效果介绍，可作为同类课程设计参考

本文提出了基于机器学习的故障识别方法与系统研制。以高速列车牵引系统的故障信息为背景，在对非结构型数据特征研究的基础上，提出了改进的设备故障信息特征词提取方法和设备故障信息关联失效规则提取算法，建立了设备关联失效规则和系统的关联失效模型。基于研究内容，研制开发了复杂设备系统故障数据管理与故障识别原型系统。主要研究工作具体包括：设备故障信息特征词提取方法研究，在分析了目前复杂系统设备故障信息的特性基础上，研究了文本信息分词和特征词提取方法，给出了设备故障信息特征词提取方法。以某高速列车故障信息为例，有效提取了高速列车故障信息中的特征词。备关联失效规则算法分析研究在提取了设备故障信息特征词的基础上，基于关联分析方法，提取设备关联失效规则，建立了设备关联失效模型。以高速列车牵引系统故障信息中的特征词 为例，构建了高速列车牵引系统关联失效模型。设备故障识别方法研究在构建的系统关联失效模型和故障识别方法基础上，提出了模糊故障Petri网的故障识别方法。以高速列车牵引系统的关联失效模型基础，验证了设备故障识别方法的有效性和准确性。设备故障识别系统实现，采用...............

本文围绕面向不均匀样本集的惩罚校正 SVN 分类方法、作物病害图像的病变识别预处理、病变模式识别的数值分析特征提取及 SVN 识别、病变图像模式半监督深度学习特征提取及识别、病变图像模式监督深度学习特征提取和一体化识别 5 个方面的内容展开了深入研究。拓展了机器学习理论及其应用范畴，构造了基于机器学习的作物病变图像识别的数据结构和算法范形。最后，将提出的理论和设计方法应用于工厂化果园生产场景采集的苹果病害图像识别并进行算法级别实验验证，为面向深度学习作物病害图像识别的农业智能系统产品开发设计提供了不菲的参考价值。 主要研究成果和创新点如下： 1. 提出了惩罚校正的支持向量分类算法和校正方法。以 SVN 为基础，探讨惩罚支持向量机处理不平衡样本时，在不同目标尤其是样本稀疏目标的学习错误率上呈现的显著性差异，提出惩罚校正的支持向量分类算法和校正方法。 2. 设计了病害图像识别方位亮度多样性仿真方法。同广泛使用的基准数据集相比，农场果园视频感知设备采集环境复杂，充满着多种干扰，定点、移动方式都难以保证在受限条件和有限次数采样下，采集到代表性图像在各状态下分布均匀的样本集。

随着“平安城市”建设的不断推进，公共安全逐渐成为人们关注的热点问题，视频监控技术也随之得到了越来越广泛的应用。传统的视频监控系统主要提供采集存储功能，这远远无法满足人们对其智能化的需求。要实现智能化的视频监控系统，以下几个关键问题亟需解决：（】）如何快速发现监控视频中的异常行为，及时给出警报，并最大限度地减少误报和漏报现象；（２）如何在多种不利因素下（如单样本，低分辨率）对可疑目标进行准确的识别分析；（３）在海量数据的情况下，如何确保视频分析系统的实时性及准确性。

基于余弦定理和K-means的植物叶片识别方法

基于HALCON的PCB光学定位点的3种识别方法及比较

摘要:本发明涉及一种基于人工智能的解剖变异识别提示方法及系统，包括实时采集腔镜图像，并根据腔镜器官分割模型和器械关键点检测模型获取实时器官分割数据以及器械关键点数据；通过分析手术前影像学图像获取变异结构和周围器官的位置关系，提取影像学图像变异结构周围器官组织分割数据进行对比，判断变异结构的位置；实时检测器械关键点和变异结构的位置信息，当器械在变异解剖结构区域进行操作时，对变异解剖结构区域进行提示，根据提示进行操作。本发明通过建立影像学检查和腔镜手术视野之间的对应关系，手术中关键操作的脉络管道结构得到了准确有效的定位，为外科手术更为精确的进行提供了重要的条件。