摘要：为实现天然地震和非天然地震分类识别,利用云南省及周边地区范围内测震台站所记录的302次天然地震和308次非天然地震事件(爆破、塌陷、强夯土等)为神经网络模型测试集、训练集数据,设计了VGG19卷积神经网络模型对天然地震和非天然地震进行分类识别。结果表明:VGG19对训练集与测试集数据的识别准确率达92%以上;天然地震的识别准确率为96%以上,非天然地震的识别准确率约为98%。通过实验说明,VGG19神经网络模型对天然地震和非天然地震识别具有实用意义。

摘要：针对地震救援机器人目前的研究现状,为进一步研究地震救援机器人的实际应用,利用Leap Motion与Android这2种外接设备,根据摄像头回传的实时画面远程操控机器人。用Leap Motion手势识别手臂动作控制机器臂,用Android手机控制机器人行走,为机器人配备摄像头进行实时监控,利用无线通信系统远程控制机器人在复杂地震环境下开展救援。实验结果表明,Leap Motion手势识别率高,可同步机械臂手势动作,Android手机可较为准确地控制机器人行走,摄像头可清晰拍摄救援环境。此地震救援机器人在地震应急救援中具有一定的研究与应用价值。

摘要：行人检测分类是一种利用计算机视觉算法对图像或视频序列中的人物数量、年龄、性别以及衣着进行统计分类的技术。为了准确获取行人属性信息,降低行人漏检问题,经过分析现有数据集及行人所处的实际场景,提出基于深度学习的行人检测分类方案。首先使用行人检测算法检测行人身体属性,人脸识别算法识别人脸属性,然后结合身体属性与人脸属性对行人进行分类,最后总结了基于深度学习的行人检测分类以及发展前景。