基于机器视觉识别的户外环境情绪感受测度研究

来源 :景观设计学(中英文) | 被引量 : 0次 | 上传用户:imanhuaa
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
良好的户外环境有利于改善人群身心健康,环境中个体情绪感受的实时测度能客观反映人群对户外环境品质的满意程度,但目前应用于户外环境中的情绪感受测度方法还较少,且无法在场地面积大、样本量较多的情境下实现大范围的高效测度.人工智能领域的机器视觉识别可通过视频数据实现对动态面部表情特征的准确识别,使得开展高精度、长周期的户外环境情绪感受测度成为可能.本文以城市社区广场环境为实证实验场地,基于卷积神经网络算法模型,同步收集人群在户外环境体验时的面部视频数据和皮电数据,训练生成和检验测试可判别户外环境中个体面部情绪的深度学习算法模型——编解码器-SVM优化模型,并在街头绿地环境中展开拓展实验检验模型可靠性.研究结果表明:1)实证实验和拓展实验中的人群情绪感受测度准确度分别达到82.01%、65.08%;2)拓展实验证实该算法模型具备推广应用潜力;3)模型对于人群行为丰富、视野开阔的空间更具适用性.因此,基于机器视觉识别的户外环境情绪感受测度将有助于在场地面积较大、样本量较多的情境下揭示人群在环境体验中的心理状态,提升景观品质优化策略的有效性,同时也将为存在沟通或阅读障碍的特殊人群的情绪感受识别提供技术支撑,有望推动智慧城市建设的精细化转型.
其他文献
NaY(WO4)2功能材料是钨酸盐体系中一种重要的无机功能材料.对NaY(WO4)2功能材料的制备方法和应用领域进行综述,介绍了高温固相法、水热法、微乳液法、溶胶-凝胶法等多种制备方法,并且归纳阐述了各自的特点.同时,阐述了NaY(WO4)2功能材料的在照明和显示、光学材料、光催化材料等新兴领域的应用及未来研究方向.
为了实现多台电机速度的同时测量,提出了一种基于法布里-珀罗干涉的双转速测量方法.实验采用全光纤双通道结构,同时测量两台电机的转速.在使用自相关算法分析两个独立的散斑信号之后,获得电机的相应旋转速度.实验结果表明,在随机范围内可以实现两个单独的转速测量,相对误差小于0.23%.这证明了新型全光纤配置测速仪的高精度和简单操作,并且该结构还实现了双电机转速的同时测量.
球化现象是选区激光熔化(SLM)成型过程中最常发生的缺陷,同时影响了最终成型部件的疲劳寿命和物理性能.合理控制部件成型过程中球化现象的发生,对维持成型过程的持续进行以及获得高质量的成型部件具有重大意义.本文在研究SLM成型过程中部件表面球化特征提取方法的基础上提出了球化程度表征方法,并通过正交实验验证了球化程度表征方法的有效性,建立了球化程度与激光能量密度之间的关联关系.同时对球化程度等级做了界定,最终构建了深度卷积神经网络(CNN)模型自动识别部件表面球化程度等级,以辅助实验及生产人员做出相应的决策.模
跨介质无线光信道环境下散射吸收效应的出现会产生光强闪烁和光束漂移,造成激光光束传输性能下降,对数据传输产生干扰.为降低信息传输丢失概率、实现快速帧同步,提出一种跳时隙的脉冲位置调制编解码方法,通过研究跳时隙PPM编解码、信息组帧和传输技术,探讨系统实现方案.测试结果表明,采用跳时隙PPM字节组帧的信息传输技术,可进一步提升无线光信号传输抗干扰能力,收发双方依据约定的跳时隙通信规则,包括时隙类型组合、帧同步方式,有利于减小系统信息传输中被截获破译的机率,从而实现快速可靠通信.
电力系统中曾多次发生因小动物(老鼠、蛇、猫、鸟等)进入高压配电室或爬上电气设备引起相间短路和接地短路故障的情况,极易造成电气设备损伤甚至烧毁,引起线路跳闸,影响供电可靠性.鉴于此,设计了一种多功能异物清理工具,能够有效并安全地完成不同场合下的清障工作,提高清除异物的工作效率,从而更有效地消除设备隐患,提高设备运行的可靠性.
激光角度欺骗干扰是对抗半主动激光制导武器的有效手段之一,假目标设置是激光角度欺骗干扰能否成功的重要因素.本文首先进行了激光角度欺骗干扰战术应用分析,总结了激光角度欺骗干扰成功的条件;接着介绍了一种激光角度欺骗干扰诱饵假目标布设方法,并对诱饵设备的空间能量分布进行了测试;最后,根据战情设计,仿真计算了激光角度欺骗干扰条件下激光制导武器的弹道曲线和落点分布.结果表明:该诱饵假目标布设方法简单有效,诱饵设备能够有效实施激光角度欺骗干扰,激光制导武器偏离目标,该研究结果可以为全面评估干扰效果提供技术支撑.
双调制波是指一种正相信号与反相信号完全不同的周期信号,其是通过叠加两个正弦波信号而产生的,而这两个正弦波信号的频率是不相同的.现介绍利用电磁感应原理的基于双调制波技术的电力电缆核线技术,其通过鉴别耦合信号的不同相位,从而达到在线检测电力电缆的目的.
对景观照片进行有效的分类是数据处理和环境分析中至关重要的一步.随着地理信息的收集逐渐采用众包模式,越来越多的研究开始利用带有地理标记的照片,将人们对场所的感知与互动可视化,并探究场所的美学、文化和游憩价值.近年来,图像识别机器学习算法的应用极大提高了关键词匹配的效率,并实现了大批量照片的自动分类.然而,这类方法在景观分类实践中—尤其是针对具有相似特点的均质化景观—应用仍显不足.本研究利用谷歌云视觉API和多层次聚类法,研发了一种半自动化的分类器来识别均质化景观照片,并将其应用于日本东京桥区城市河流均质化景
近年来,人工智能的发展非常迅速,并且在人们的生产生活中有了很大的普及。为了降低人工成本,很多门户网站的客服栏都推出了知识问答功能,通过用户与智能机器之间一问一答的形式,为用户提供答案并且能友好地进行交谈。在人类的理解中,事件作为一个基本单位更加地符合了人们的思维习惯,因此,事理逻辑被认为是一种十分重要且普遍存在的知识,从而反映事理逻辑的事理图谱被研究者们提出。在知识问答系统的应用上,事理图谱因为其
图像匹配作为计算机视觉的基础问题,在位姿估计、三维重建、图像检索中都有着广泛的应用。然而,图像匹配过程中容易受到各种外界因素的影响。基于传统手工特征的图像匹配算法运算速度快,但面对恶劣光照、视角条件时鲁棒性较差,基于深度学习的图像匹配算法受到训练数据集数量与区分度的限制,在实际应用中效果不佳。本文针对现有两类方法的局限性,研究并实现一种基于深度局部特征的图像匹配算法,并面向Web AR场景提出图像