红外图像中的人体摔倒检测不受环境光照射的影响, 在智能安防领域有着重要的研究意义和应用价值。现有的摔倒检测方法没有充分考虑人体关键点的位置变化规律, 容易对类摔倒动作造成误检。针对这一问题, 本文提出一种基于改进 Alphapose的红外图像摔倒检测算法。该算法使用 Yolo v5s目标检测网络, 在提取人体目标框输入姿态估计网络的同时, 对人体姿态进行直接分类, 再结合人体骨架关键点的位置信息和姿态特征进行判断。通过实验证明, 该算法在准确度和实时性方面都有良好的表现。

针对现有单人姿态估计网络结果缺乏可靠性评估和鲁棒性保障等问题, 提出了一种基于偶然不确定性的测试时增强方法。该方法首先利用随机并行的数据增强和模型推理得到多样化输出, 随后通过计算该输出的偶然不确定性得到其可靠性评估, 最后根据可靠性将该输出及其不确定性进行加权融合以得到更准确鲁棒的结果及其评估。在MPII数据集上的实验表明, 该算法可即插即用地应用于任意现有单人姿态估计网络, 从而得到更精确鲁棒的结果及其不确定性评估。

高危作业现场环境复杂,危险系数高,容易发生跌倒事故,造成人员伤亡。为了检测工人跌倒行为,提出了一种基于Kinect传感器的人体跌倒检测方法。利用Kinect获取深度图像,提取关节点信息,通过计算关节点相对位置熵和速度的变化,判断人体是否发生跌倒。通过对比实验,确定了一组跌倒识别率最高的骨架关节点:头、双肩、双膝、中心点。实验数据表明该方法可以更快速准确地检测出跌倒行为。

针对最近点迭代算法(ICP)在大数据点云下配准效率低及对配准点云初始位置依赖性强的缺点,提出了一种基于快速点云粗配准与 ICP 算法相结合的方法。根据体素对原始点云进行下采样,结合法向量特征提取关键点,使用快速点特征直方图(FPFH)算法描述关键点;根据局部邻域内的关键点匹配对的向量夹角特性进一步对匹配点对进行精简;对精简后的关键点对集使用随机采样一致性算法(RANSAC)获取内点最多的变换参数,从而完成点云粗配准;最后在粗配准点云的基础上使用 ICP 算法完成精确配准。实验结果表明,本算法在高密集点云上的配准效率和精度均有所提高。

针对现有主流检测算法在低光照或光照条件强烈变化情况下对交通标志检测精度不足、漏检现象严重的问题,提出一种改进后的基于图像关键点统计变换(MCT)特征的Adaboost集成算法,以降低样本图像对光照变化的敏感性,通过对图像关键点进行提取并建立弱分类器,增强噪声和部分遮挡情况下算法的抗干扰能力,同时采用多尺度特征融合算法实现交通标志的分类识别。选用德国交通标志数据集(GTSDB、GTSRB)和自建数据集对所提算法性能进行验证,结果表明,在三类数据集中本文算法均具有最佳检测率与识别率,对于低光照条件下的交通标志图像,本文算法的检测精确率为94.96%,在复杂光照环境下具有较好的稳健性。

提出了一种采用分数阶微分与尺度不变特征变换算法(SIFT)相结合的方式进行图像识别及匹配方法。该方法首先采用分数阶微分方法对图像的细节纹理部分进行加强, 从而提高图像的分辨率, 然后采用尺度不变特征变换算法对旋转缩放后的图像进行特征关键点提取和匹配, 从而提高图像识别的准确率。应用该方法对Lena图像进行图像处理实验, 结果表明: 采用阶次为0.6的分数阶微分算法与SIFT相结合可最大化地提取图像的关键点和提高图像匹配的准确率(94.59%)。

采用 SIFT算法匹配视频图像帧前，必须首先提取特征点。如果输入图像的大小和特性变化，特征点的灰度阈值必须随之重新设置，以避免过大的计算量和配准失败。提出了一种视频图像的特征点自适应提取算法。该算法能够将前一帧的视频图像的参数反馈到当前帧，自动设置适当的特征点灰度阈值，使得从当前帧提取的关键点的数量接近预期值。实验结果表明，当输入图像改变时，采用自适应设置阈值方法，从视频帧提取的特征点的数量始终保持在预期值。该方法可以通过 SIFT算法自适应地配准数字视频图像，使特征点数量保持稳定，避免配准失败，减小计算量。

通过分析比较国外Z-pinch装置轴向绝缘堆的设计,对轴向绝缘堆设计中的关键问题进行了归纳与总结.在总体描述绝缘堆研制方法和思路的基础上,详细论述了静电场数值模拟、电感参数计算和电路模拟、闪络概率计算、结构稳定性力学分析以及材料选择等绝缘堆研制中的几个关键问题,并对闪络概率分析方法的完善和拓展应用进行了讨论.

研究了复杂背景下人脸的鲁棒识别，比较了两种常用的人脸识别算法特征脸和弹性匹配方法的性能，在弹性匹配算法的基础上提出了利用关键点信息的改进算法，并在一个真实人脸库上进行了测试。