【摘 要】
：
动态人脸识别在实时监控和人员追踪等领域具有广泛应用前景,是目前人脸识别技术的研究热点之一。针对传统人脸识别技术在动态人脸识别应用中识别率不高的问题,提出一种基于背景差分法的改进脉冲耦合神经网络的动态人脸识别方法。利用脉冲耦合神经网络时空总和特性,将脉冲耦合神经网络神经元与人脸图像像素对应,使对不同人脸图像像素产生不同点火序列,通过对图像像素点火序列分析,可以进行不同人脸的区分。对500组动态人脸图
论文部分内容阅读
动态人脸识别在实时监控和人员追踪等领域具有广泛应用前景,是目前人脸识别技术的研究热点之一。针对传统人脸识别技术在动态人脸识别应用中识别率不高的问题,提出一种基于背景差分法的改进脉冲耦合神经网络的动态人脸识别方法。利用脉冲耦合神经网络时空总和特性,将脉冲耦合神经网络神经元与人脸图像像素对应,使对不同人脸图像像素产生不同点火序列,通过对图像像素点火序列分析,可以进行不同人脸的区分。对500组动态人脸图像的随机抽取实验表明,改进脉冲神经网络对实际场景中的动态人脸识别性较好,可以较好地对不同人物进行区分,具
其他文献
文章对采用室外田间小区灌水法测定田间持水量进行分析说明。
城市建模为生成城市不同场景下的虚拟环境提供了便利。城市建模需要专业知识和考虑,并消耗大量时间和计算资源。即便如此,与之相关的任务有时仍以不满意的结果甚至失败告终。这些挑战得到了计算机图形学领域学者的大量关注。同时,人工智能的蓬勃发展激励人们充分利用机器学习以改进现有解决方案。本文回顾了2010至2019年间发表的文献,对计算机图形领域中使用机器学习的城市建模方法进行综述。本文可作为机器学习视角下城
为了实时监测奶牛犊健康状况,试验采用萤石摄像头对散养的6月龄左右的5头奶牛犊视频进行采集,将标注的奶牛犊行为图像进行训练及验证,建立基于YOLOv3和Darknet53网络的奶牛犊行为识别模型。在5头奶牛犊视频中随机选择4 409幅奶牛犊图像进行躺卧、挤头、吃食、饮水和站立行为标注,并按9∶1划分训练集和验证集。其中3 969幅用作训练集,共计19 845个奶牛犊行为框,其余440幅用作验证集,另
随着物联网技术在智慧城市、工业检测、无线医疗、智能家居、车联网等领域的不断深入应用,物联网传感节点技术备受重视,具备高可靠、免维护等特征的节点电源技术成为关键瓶颈技术之一。针对单一能源器件无法满足不同节点对高功率、长续航的供电需求,对复合微能源系统进行了建模与仿真技术研究,建立了无线传感节点、锂电池、超级电容、太阳能电池、压电发电机等单体模型,集成了不同种类的能源管理策略模型,仿真比较了不同的能量
船舶图像融合特征一次性提取存在误差,导致航行中船舶图像识别层级融合率较低。因此,进行改进卷积神经网络的船舶图像识别研究。对改进卷积神经网络的船舶图像识别方法进行设计,通过多特性融合识别进行船舶图像的获取,调整识别技术配置。据此,对船舶图像中的融合特征进行分批次提取,避免一次性提取产生融合特征的误差。根据融合特征进行图像识别算法的设计,实现改进卷积神经网络的船舶图像识别。至此,完成改进卷积神经网络的
舰船航行过程中常常根据周围场景的变化,确定船舶的航行状态。舰船场景视频图像多数较为模糊,需要使用图像增强方法对图像进行处理,但当前的图像增强方法的图像像素处理能力较差,处理后图像色彩饱和度与实景差异较大。针对此问题,设计基于改进遗传算法的舰船场景视频图像增强方法。使用暴力搜索法以及改进遗传方法,完成图像序列对齐工作。根据上述图像处理结果,使用降低块效应算法实现图像量化处理。将此部分内容与当前方法相
航运时代的到来,舰船行驶速度得到提升,航运货物量逐渐增加,舰船事故频发。依靠当前舰船前方障碍物图像快速识别方法完成障碍物识别的方法已经逐渐落后。针对目前的舰船发展方向,设计基于深度学习的舰船前方障碍物图像快速识别方法。使用Sobel算子完成障碍物图像边缘划分过程,初步确定障碍物边缘形状。选用深入学习中的人工神经网络技术作为核心技术,构建对应的图像识别网络,完成障碍物识别过程。至此,基于深度学习的舰
北京时间2月19日凌晨,美国国家航空航天局(NASA)"毅力号"无人车成功登陆火星,从传回的图像看,毅力号成功着陆耶泽罗陨石坑(Jezero Crater)。毅力号是设计为专用于火星探测的无人车,造价27亿美元,将执行美国第九次探索火星任务。该车重1043kg,有一对样品处理臂组件:Bit Carousel(旋转木马式钻头)和Adaptive Caching Assembly(自适应缓存装置),用
This paper proposes a two-stage point cloud super resolution framework that combines local interpolation and deep neural network based readjustment. For the first stage, the authors apply a local inte
近年来,现有的深度学习网络模型已经能在各种分类任务中达到很高的准确率,但它们仍然极易受到对抗样本的攻击。目前,对抗训练是防御对抗样本攻击的最好方法之一。但已知的单步攻击对抗训练方法仅对单步攻击有着良好的防御效果,对迭代攻击的防御性能却很差,而迭代攻击对抗训练方法只提升了对迭代攻击的防御性能,对单步攻击的防御效果却不够理想。为了同时提高深度学习网络模型对单步攻击与迭代攻击的鲁棒性,文中提出了一种综合