1037430星載式光電編碼器秉銘

1037430星載式光電編碼器秉銘DFS60B-T5CL02048老人是遭受跌倒侵害的群體,若能及時檢測到跌倒的發(fā)生,則可為救助提供時間上的先機(jī)。近年來,計算機(jī)視覺技術(shù)的飛速發(fā)展為基于視頻的跌倒檢測研究提供了可行的途徑和方法?？紤]到跌倒是一種偶發(fā)性的異常行為,本文將基于自編碼器模型的視頻異常行為檢測框架應(yīng)用到跌倒檢測中。本文的主要工作如下:首先,本文簡要介紹了跌倒事件檢測的研究現(xiàn)狀以及發(fā)展趨勢,并給出了現(xiàn)有方法的不足,從而明確了本文的研究內(nèi)容。其次,本文基于視頻中運(yùn)動目標(biāo)的骨架序列構(gòu)造骨架時空圖,并描述了骨架時空圖上的空間圖卷積操作和時間圖卷積操作。結(jié)合現(xiàn)有自編碼器模型的設(shè)計思路,提出了一種時空圖卷積自編碼器,用于實(shí)現(xiàn)跌倒檢測。再次,針對人體骨架由于遮擋或大形變而無法*提取的問題,提出了一種基于時空約束的骨架補(bǔ)齊方法。在骨架能*補(bǔ)齊的情況下,利用時空圖卷積自編碼器來進(jìn)行跌倒檢測。后,骨架無法補(bǔ)齊的情況,本文水平的提高和科技的發(fā)展,人們對安防提出了更高的要求。人臉識別作為*的生物識別技術(shù)之一,逐漸地應(yīng)用于我們的生活中,將人臉識別技術(shù)與門禁相結(jié)合擁有廣闊的前景。但是常見的門禁系統(tǒng),大都是以PC機(jī)作為系統(tǒng)運(yùn)行平臺,這就給門禁系統(tǒng)帶來成本高昂和安裝繁瑣的劣勢。論文針對現(xiàn)有常見門禁系統(tǒng)的不足,將人臉識別技術(shù)和嵌入式技術(shù)相結(jié)合,研究設(shè)計基于人臉識別的智能門禁系統(tǒng)。論文首先對門禁系統(tǒng)的需求進(jìn)行分析,根據(jù)實(shí)際應(yīng)用需要提出人臉識別的智能門禁系統(tǒng)的技術(shù)指標(biāo),進(jìn)行了系統(tǒng)整體方案設(shè)計。系統(tǒng)以Smart210為主控制器,以Linux操作系統(tǒng)為軟件開發(fā)平臺,使用Video4Linux2框架采集圖像。為去除圖像中的干擾因素,在進(jìn)行人臉識別前加入去噪聲、灰度化、直方圖均衡化等預(yù)處理步驟。仿真測試了現(xiàn)有常見的人臉識別算法,重點(diǎn)考慮識別率和識別耗時,經(jīng)過研究選擇適合系統(tǒng)的Adaboost和PCA算法人臉識別算法。而后重點(diǎn)對Adaboost算法及PCA算法進(jìn)行理論研究,然后將Adaboost算法應(yīng)用于人臉檢測,再訓(xùn)練出人眼分類器用于眨眼檢測,以確定是真實(shí)人臉,排除人臉圖片開門的情況。為提高系統(tǒng)對光照的抗干擾性,提出使用分塊LBP算子和PCA結(jié)合的人臉識別算法。針對PCA算法在側(cè)面人臉識別時成功率低的問題,提出基于自編碼器的正面人臉重建方法,使用MATLAB進(jìn)行仿真實(shí)驗(yàn),重建正面人臉,后結(jié)合PCA算法檢驗(yàn)重建人臉的效果。系統(tǒng)前端基于QT框架設(shè)計了人機(jī)交互界面,結(jié)合OpenCV計算機(jī)視覺庫完成了系統(tǒng)軟件部分的設(shè)計;后臺在Windows環(huán)境下基于VS2013與MySQL數(shù)據(jù)庫完成了信息管理中心的設(shè)計,主要用于對系統(tǒng)管理員信息.

1037430星載式光電編碼器秉銘DFS60B-T5CL02048翻譯是自然語言處理領(lǐng)域重要的研究方向,近年來隨著深度學(xué)習(xí)的飛速發(fā)展,神經(jīng)機(jī)器翻譯逐漸成為研究和應(yīng)用的主流翻譯方法,然而其嚴(yán)重依賴大規(guī)模平行語料才能獲得較好翻譯結(jié)果的弊端依然存在,因此對諸如漢蒙等低資源語言對的翻譯效果不佳。單語語料相較于平行語料具有數(shù)量多、易獲得等特點(diǎn),在平行語料不足的低資源機(jī)器翻譯中有著舉足輕重的作用,但目前單語語料庫還沒有很好地應(yīng)用在神經(jīng)機(jī)器翻譯中。本文針對漢蒙平行語料資源不足和蒙古語形態(tài)復(fù)雜多變等情況,研究了單語語料庫作為平行語料庫的補(bǔ)充在低資源漢蒙神經(jīng)機(jī)器翻譯中的應(yīng)用,提出了多種基于單語語料庫的漢蒙神經(jīng)機(jī)器翻譯方法。本文的主要工作分述如下:（1）提出了一種結(jié)合詞向量對齊和語言建模的漢蒙神經(jīng)機(jī)器翻譯方法。首先利用漢語和蒙語單語語料庫分別訓(xùn)練二者的詞向量,然后使用對齊的漢蒙詞向量來初始化模型的詞向量層,同時模型在進(jìn)行翻譯的過程中使用單語語料進(jìn)行語言建模的訓(xùn)練,從而增強(qiáng)模型的編碼解碼能力。（2）提出了一種基于字符級語言建模的漢蒙神經(jīng)機(jī)器翻譯方法。神經(jīng)機(jī)器翻譯難以處理未登錄詞和低頻詞,因此本文設(shè)計了一種基于字符級語言建模的翻譯方法,將漢語詞和蒙古語詞拆分成字或字符,使得模型能夠處理語料中未出現(xiàn)的詞或低頻詞。此外模型使用對偶結(jié)構(gòu)引入了語言建模,從而可以在翻譯的過程中進(jìn)行字符級的語言建模訓(xùn)練,使翻譯出的結(jié)果更符合語法更通順。（3）提出了一種結(jié)合權(quán)重共享和字符級語言模型預(yù)訓(xùn)練的漢蒙神經(jīng)機(jī)器翻譯方法。為了更好地利用語言之間的共性,本文將模型編碼器的前幾層參數(shù)進(jìn)行共享,同時加入基于字符感知的語言模型預(yù)訓(xùn)練,使用預(yù)訓(xùn)練的模型來對翻譯模型進(jìn)行初始化,后再進(jìn)行翻譯的訓(xùn)練,同時在翻譯的前半段加入字符級語言建模操作來微調(diào)翻譯模型,進(jìn)而提高翻譯的性能。本文研究了單語語料庫在漢蒙神經(jīng)機(jī)器翻譯中的應(yīng)用,提出了結(jié)合詞向量對齊和語言建模、基于字符級語言建模、結(jié)合權(quán)重共享和字符級語言模型預(yù)訓(xùn)練的漢蒙神經(jīng)機(jī)器翻譯方法.