【摘 要】
:
随着经济发展水平的提高,城市各类生产生活要素及人口进一步走向高度集中,在室内环境下各类风险高度聚集近,火灾类型复杂多样,重大安全事故不断,从而给在应急环境下的室内定位提出了新的要求。现今已有的全球定位系统(GPS,Global Positioning System)已经在室外取得了巨大的成功,然而在室内环境下却收效甚微。在大型商场、养老院、化工厂、高层建筑等复杂建筑中,当这些环境发生火灾等应急情况
论文部分内容阅读
随着经济发展水平的提高,城市各类生产生活要素及人口进一步走向高度集中,在室内环境下各类风险高度聚集近,火灾类型复杂多样,重大安全事故不断,从而给在应急环境下的室内定位提出了新的要求。现今已有的全球定位系统(GPS,Global Positioning System)已经在室外取得了巨大的成功,然而在室内环境下却收效甚微。在大型商场、养老院、化工厂、高层建筑等复杂建筑中,当这些环境发生火灾等应急情况时,需要云中心提供室内人员的位置信息,辅助救援指挥中心进行救援,并为室内人员提供路径规划功能。在此背景下,本文基于营口天成消防设备有限公司项目开发了在应急环境下的室内定位系统,对于保障室内应急环境下人员的安全具有重大的意义。本文基于Vue.js的Element UI、Three.js及Golang开发实现了应急环境下室内定位系统,并将室内人员位置实时显示在救援指挥中心的可视化页面上,为营救室内人员提供决策参考,保障室内人员安全。在移动端实现了室内人员的定位,并且为撤离人员提供了路径规划。针对应急环境下复杂的室内定位情况,本文融合蓝牙室内定位技术以及行人航迹推算(PDR,Pedestrian Dead Reckoning)进行室内定位,满足在应急环境下的室内定位需求。针对蓝牙室内定位的特点,本文通过优选蓝牙接收信号,并融合卡尔曼滤波对接收信号强度进行低通滤波处理,并且基于三角形加权质心算法进行蓝牙定位。为解决应急环境下局部可能发生的信号丢失问题,本系统通过融合蓝牙室内定位结果并无缝切换到行人航迹推算继续进行定位。经过测试,本系统符合设计要求,实现了预期效果。
其他文献
图像描述生成是涉及计算机视觉与自然语言处理的一个交叉领域问题,在近年来得到了广泛研究,形成了一系列基于编码器-解码器框架的典型方法。其中基于Transformer模型的图像描述生成方法,通过引入自注意力机制,大幅度提升了图像描述的质量,迅速发展成图像描述生成的主流方法。本文基于Transformer模型提出了一种多特征融合的图像描述生成方法。针对标准Transformer模型中的注意力机制没有充分
随着社会的不断发展,信息呈现爆炸式增长,同时由于人力成本的逐年上升,因此对于从大量文本中快速获取文本信息并帮助总结文本的能力便成为了相关工作人员迫切需要的一个的需求。而随着深度学习技术的不断发展,自然语言处理技术也得到了不断的发展,特别是使用自然语言处理处理摘要和文本改写方向更是成为了研究热点。基于以上背景,本文设计与实现了一套基于BERT的辅助阅读系统,能够有效地辅助用户获取原文重要信息,同时生
形式化建模是解决软件模型可信性的重要技术手段,然而当前的形式化模型普遍存在抽象程度高、建模复杂、不支持并发建模等问题。在大型软件的设计开发中,这些问题将进一步地导致建模工作的难度大、无法建立复杂系统模型以及代码质量差等问题。因此,提出一种便于理解、支持简化模型规模以及并发建模的形式化模型是一项十分必要的研究内容。本文提出了一种名为事件处理表格(Event Processing Form,EPF)的
近年来,行人重识别(Person Re-Identification,Re-ID)作为跨摄像头行人追踪和智能安全监控的一项基本任务,受到研究人员的广泛关注。此任务旨在不同的时间、场景和摄像头下检索出相同行人,通常被认为是图像检索的子问题。随着卷积神经网络的发展,行人重识别任务也完成了从传统手工方法向深度学习方法的转变。目前,对于行人重识别研究的挑战在于如何从天气、光照、背景杂乱、遮挡等复杂环境因素
城市交通方式的革新扩大了人们的出行范围,也使人们的出行目的地有了更多的选择。大量充斥在社交网络上的推广信息给人们出行带来了选择困难的问题。兴趣点推荐系统则是解决这一问题的良方。然而,目前的兴趣点推荐多为分析社交网络中用户在兴趣点处的签到历史和用户关系网络进行推荐,城市人群出行规律无法被有效利用,推荐结果偏离出行规律。本文的目的是研究城市中人群移动模式的提取方法,设计基于人群移动模式先验的兴趣点推荐
水下视觉是近距离高精度海洋作业的重要感知信息来源,然而,多种降质因素耦合使得水下视觉图像普遍存在颜色失真、对比度低等问题,进而影响水下视觉勘探、精确作业等任务的性能和效率。水下图像增强、目标检测等人工智能感知技术的出现有助于增强水下感知信息,然而传统的手工设计的神经网络难以满足水下作业对方法鲁棒性、高效性的需求。本文面向实际水下作业需求,针对神经网络性能不足、效率低下等问题,本文旨在通过神经网络搜
Wi-Fi已在全国各区域大范围覆盖和部署,利用Wi-Fi信号对静态目标用户进行感知和定位,不仅成为了学术界重点的研究领域,而且也成为了实现智慧城市的必要技术。采集并处理Wi-Fi信号中信道状态信息(Channel State Information,CSI)可以完成被动人体感知。但由于CSI感知是细粒度范畴,因此如何通过CSI数据完成静态目标用户精准定位和检测非常重要。所以本文的主要研究工作和创新
近几年,深度卷积神经网络已被广泛应用于视频行为识别领域。现在的方法通常是在基于图像识别的骨干网络上做提升,尽管取得了一定进展,但究竟什么样的网络结构能够既有效又快速地处理视频,仍然是一个有待解决的问题。借助神经网络架构搜索(NAS),本文在Res Net网络的基础上搜索了视频网络架构中三个超参数的选择,它们分别是神经网络各阶段输入的帧数、每个阶段的卷积层层数以及这些卷积层的通道数。本文NAS方法是
<正>为推进全市"平安家庭"创建工作深入开展,发挥志愿者和家庭在排查化解各类婚姻家庭矛盾纠纷和安全隐患中的重要作用,丹东凤城市爱民社区按照上级部署,在辖区内推广"平安家庭瞭望哨"。在思想上,"平安家庭瞭望哨"对促进"平安家庭"创建、推动平安凤城建设具有重要意义。社区高度重视,成
低曝光环境下的图像会遇到一系列的视觉退化,例如低能见度、颜色偏差、伪影和噪声,但人类视觉系统需要高质量的视觉图像。因此近年来,提高低照度图像的视觉质量引起了人们极大的关注。然而处理低光图像不仅涉及调整亮度,也要考虑通常隐藏在暗处的颜色偏差和噪声,只调整图像的亮度将不可避免地放大这些噪声及颜色偏差,同时会造成伪影的现象。大部分现有利用Retinex理论的图像增强方法在估计光照仅仅考虑了单一的光照,这