虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

准确率

  • 视觉图像和可穿戴计算数据融合的跌倒检测技术及应用

    人口老龄化是世界各国正在面对的一个普遍问题。随着我国老龄化程度的持续加剧,对于老年人群体的医疗资源投入会不断提高。而与此同时,跌倒已经成为老年人日常生活中最为常见的危险行为活动。所以,跌倒检测系统的研究和应用对降低老年人受到的身心伤害和医疗成本具有显著的意义。目前解决老年人跌倒检测的方案仍存在许多不足。其中,基于计算机视觉的跌倒检测技术在无干扰的场景下检测较为有效,但其易受环境变化(如背景光线影响、人遮挡问题等)影响。此外,基于可穿戴计算的跌倒检测技术受限于算法稳定性和识别准确率,系统的灵敏度和特异性难以同时得到保证。针对上述问题本文提出一种融合计算机视觉和可穿戴计算数据的跌倒检测新的方法。首先,设计并开发了集成三轴加速度计、三轴陀螺仪和蓝牙的活动感知模块,实现实时采集、传输人体活动数据:其次,使用深度学习算法从摄像头采集的图像数据提取人体姿态特征数据:最后,对采集的人体活动数据和姿态数据进行规范化和时序化处理,设计了两个深度学习网络分别对数据进行特征提取,并将两特征进行特征层数据融合,在此基础上构建神经网络对融合数据进行活动本文搭建了实验平台并进行了算法测试,其中,本文跌倒检测算法针对离线测试数据的准确率为992%,平均敏感度为995%、平均特异性为99.8%:针对在线数据系统测试准确率为98.9%、平均敏感度为99.2%、平均特异性为99.5%实验结果证明了利用计算机视觉和可穿戴计算数据融合的跌倒检测具有较高的准确率和鲁棒性。

    标签: 视觉图像 数据融合

    上传时间: 2022-03-14

    上传用户:bluedrops

  • 基于数据融合的模拟电路故障诊断

    (1)介绍了模拟电路故障诊断技术发展和现状,对现有的主要诊断方法以及近年来先进的神经网络理论和技术以及数据融合技术在模拟电路故障诊断领域中的应用进行了简单的论述(2)对神经网络方法的基本原理及其在模拟电路故障诊断中的优势进行了详细的介绍,包括神经网络的分类和神经网络的学习规则。详细说明在电路故障诊断中应用最广泛的BP神经网的设计、训练和测试方法,并对一个两级RC耦合放大器电路例进行了测试、神经网络训练和诊断。(3)介绍了数据融合技术的概念、优缺点、基本方法及其在各个领域的应用情况。然后对于数据融合具体方法,着重研究了 Bayes统计融合方法Dempster-Shafer证据理论融合方法以及模糊集理论融合方法。最后采用基于待定系数法的隶属度构造法以及模糊融合的方法对实例电路进行了故障诊断。(4)提出了一种新的利用包含元件直流特性信息的静态工作点电压和包含元件交流特性信息的不同频率激励下输出电压峰值与输出电压峰值的比值两类信息进行数据融合诊断的方法,保证故障信息量的同时降低了获取难度,应用模糊数学的理论,通过模糊变换将两类故障信息通过两个神经网络诊断得出的故障求属度进行决策层的数据融合,较好的解决了了单神经网络诊断信息量不足,由于电路元件互相影响而产生的故障诊断不确定性的问题以及待融合故障信息隶属度获取困难的问题,使得诊断准确率得到较为明显的提高本文提出的基于数据融合和神经网络的方法可以实现对模拟电路的故障进行准确实时快速诊断,具有一定的实用价值。关健词:模拟电路;数据融合;神经网络;模糊集理论

    标签: 数据融合

    上传时间: 2022-03-17

    上传用户:

  • 基于人脸识别算法的门禁系统的设计与实现

    随着信息技术的发展以及嵌入式、人脸识别、计算机网络等技术的提高,人们正在感受着科技带来的便利和益处。  该系统通过摄像头获取人脸图像,在后台应用系统完成图像识别,然后给单片机发送命令来控制门禁系统。软件上首先利用小波变换对人脸图像进行2次小波分解,然后对低频分量进行离散余弦变换(DCT)提取特征值,最后利用欧氏距离和最近邻分类器进行识别。采用OpenCV人脸识别算法进行处理输出。达到该系统构建简单、方便,识别速度快且准确率较高。  本文主要介绍了基于人脸识别算法的门禁系统的设计与实现。在对人脸识别算法研究的基础上,进一步对整个门禁系统设计与实现进行了详细阐述。主要内容包含以下几点:  1.简单的介绍了课题研究的背景、目的及意义,介绍了人脸识别的背景,阐述了国内外人脸识别的现状以及人脸识别的难点,还介绍了相关的技术。  2.人脸识别算法的研究:主要对Gabor滤波算法、K-L变换算法、Haar特征提取算法这三种特征提取算法进行了详细介绍,也对PCA和LDA这两种人脸识别算法进行了详细的阐述和实验的对比。  3.门禁系统的设计与实现:从需求分析入手对系统的总体模式、总体结果、功能模块、数据库设计等各部分进行了简单的介绍。  4.系统的测试:在对核心算法人脸识别进行了详细的研究以及整个门禁系统的设计和实现结束后,对于整合实现的系统,进行了详细的测试,并给出了功能测试报告和性能测试报告。  本文设计的基于人脸识别的门禁系统,在一定程度上可以较好的识别人脸.

    标签: 人脸识别 门禁系统

    上传时间: 2022-05-28

    上传用户:

  • 基于二维码的自动化立体仓库管理系统及AGV控制器研制

    随着现在物流技术的成熟和目前知识型劳动力的发展,传统意义上的仓库管理与运输系统由于其库存统计复杂繁琐、运输效率低下等原因,已经渐渐不能适应时代的发展。本课题以学校实验室仓库为背景,设计一套基于QR二维码的自动化立体仓库管理与AGV运输系统,一方面解决目前实验室仓库管理的繁琐性和低效性;另一方面大大降低系统开发成本,使得该系统能为中小型立体仓库所使用。  本系统的研究内容主要包括二维码生成器、仓库管理系统以及AGV运输系统。二维码生成器主要用于仓库管理的前期准备工作,将需要入库的详细物品信息存储到二维码图片,依据QR码的结构特性和编码流程采用Qt5.3为开发软件,设计一套界面良好、方便录入和准确率高的二维码生成与打印系统;仓库管理系统是整个自动化立体仓库的核心控制系统,负责物品的盘点以及出入库调度操作。在对实验室仓库管理的功能需求深入分析的基础上,对系统进行整体架构设计并对各个关键模块和数据库进行详细设计,采用MySQL数据库以及Qt5.3为软件开发系统,对系统的功能进行实际实现;AGV运输系统是整个系统的执行结构,采用STC12C5410AD单片机为主控芯片,利用其AD采集、PWM信号发生模块和高速SPI接口,完成了主控板电路、PWM驱动器、无线通讯和工位检测模块的硬件设计,并利用keil开发调试工具,采用模块化的设计方式,完成AGV系统软件设计。  最后搭建整个系统的实验平台,在室内铺设模拟现场环境的导引路径,对各个模块单独测试的基础上进行系统整体联调。实验表明,二维码生成器准确率与纠错能力强,仓库管理系统基本信息管理、库存统计和出入库管理功能正常,AGV接收上位机调度指令自动循迹行走与定点停止,整个系统满足自动化立体仓库的出入库调度和监管要求,基于QR码的自动化管理与AGV运输系统对中小型自动化立体仓库的后续开发与应用有着重要的意义。

    标签: AGV控制器

    上传时间: 2022-05-28

    上传用户:trh505

  • 基于触摸屏的的人机交互行为与机制研究

    本文以触摸屏的人机交互设计为与机制为课题背景,对不同触摸设备的交互特征和用户使用行为进行分析,包括手机(小尺寸触摸设备)及平板(大尺寸触摸设备),从而总结出触摸设备的交互设计原则。通过实例总结手机为例的小尺寸屏幕的6种典型界面结构,平板为例的大尺寸触屏设备的6种典型界面结构。大部分的应用界面都是以此为基础展开设计。详细介绍了各个框架的优势和劣势,以及对应的使用场景,适合的应用类型。填补了触摸屏界面结构库眼动研究的空白。并通过眼动实验分析用户进行触屏操作时的眼动规律,经过数据分析进一步探索界面结构的应用场景和交互操作特性,得出一套完整的界面结构选择规律。最后应用前文的研究结论,通过实例设计一款未来的家庭厨房生活的概念产品。选择与其匹配的界面结构,进行交互界面及流程设计。本文的研究结论对改善触屏设备的交互设计是非常有意义的,符合科技发展趋势且具有一定的应用价值。随着信息社会的发展,触摸屏设备逐步进入人们的视线。越来越多的触屏设备将投入市场并被用户所使用,触摸设备也将更多的影响和改变人们的生活方式。触摸屏作为一种最新的电脑输入设备,是目前最简单、自然的一种人机交互方式。它赋予了多媒体以崭新的面貌。触摸屏的人机交互和个人电脑的交互方式有着天壤之别,个人电脑的输入设备主要是由键盘和鼠标操作完成,点击式交互是个人电脑上的主要交互方式;而触摸屏则是以手指的手势操作为主。手势操作更直接、有效,但是由于手指触击屏幕的面积较大,相比鼠标更容易造成误操作。同时,不同材质的触摸屏灵敏度也决定了手势交互是否友好。研究表明,用户用食指和拇指进行操作也是有区别的,拇指的触及范围相对食指会更大,触击准确率更低11。因此对触摸屏进行针对性的设计研究,而不是直接将桌面设备的界面设计规则照搬过来是有一定实践意义的。本文的研究以触屏界面结构为落脚点,设计的最终目的是提出一套触屏界面结构的选择规范,为触屏人机界面资源库添加结构库的部分。让产品有着更加良好的用户体验,有效方便的解决开发人员在设计一款新的应用时不知选取怎样的界面结构问题,减少开发人员的重复工作量和不必要的创新和滥用,规范用户界面结构使产品在不同的触摸设备上保持一致的交互体验。这对于产品的最终用户,体验将起到很重要的作用。

    标签: 触摸屏 人机交互

    上传时间: 2022-06-18

    上传用户:zhanglei193