摘要：在视频序列中信息量较大时,当前人体行为模式分类方法存在分类效率低下,分类误差较大的弊端。通过对目标轮廓信息的分析和处理,获取人体目标轮廓精确的位置信息并建立坐标系,在质心-边界距离法对人体轮廓进行描述的基础上,通过固定数采样法平均选取轮廓像素点,消除不必要的像素点,对轮廓像素点的选取进行优化,生成更加准确的质心-边界距离描述子。在人体行为模式分类中,首先使用前期数据进行学习,生成一系列的行为数据集,再通过本文的固定数采样法筛选得到的轮廓点,生成质心-边界距离描述子,与行为数据集中的数据进行相似性度量,得到行为识别结果。所设计方法大大降低了分类的时间,并且提高了识别的准确性;实验证明本文的方法能够对人体行为模式进行较好、高快地识别与分类。

摘要：针对实际环境中干扰因素多和计算量大,导致人脸识别准确度下降和系统算力不足的问题,提出了一种基于深度神经网络与MPI并行计算的人脸识别算法.首先,分析深度神经网络模型,设计关键训练步骤,同时收集各类人脸图像,建立训练样本库.然后,结合深度神经网络模型,对样本库数据进行训练,生成识别框架,并借助TensorFlow开源模型与Python来实现算法,进而达到识别人脸的目的.最后,基于MPI并行计算技术,搭建高性能并行计算平台,对所提算法进行分段优化与集成,实现识别系统的高速计算效率.实验测试结果显示:与已有的相关识别技术相比,所提算法具有更高的人脸识别准确度与抗干扰能力,从而可为高端智能监控系统提供技术基础.

摘要：为了解决车道线识别中环境因素影响图像质量的问题,提出了一种基于图像质量分析与多角点检测融合的车道线识别算法。通过设计基于灰度与频域的图像质量分析函数,建立多阈值判断机制,确保图像中包含所有的车道线且清晰度达标。在此基础上融合多角点特征,对车道线特征点进行定位。基于OpenCV开源函数,实现车道检测算法,采用C#语言完成系统界面开发,并安装于实验平台进行测试。测试结果显示,在实际场景中,此车道识别系统具有较高的识别准确度。

摘要：考虑大连新海上机场的实际工程特点,提出合理的简化模型,采用鼓式离心模型实验,有效地模拟了深厚软粘土地基的长期沉降,同时考察了回填速率、柔性加载幅值和地基厚度及固结时间对沉降的影响。通过实验拟合获得了长期沉降过程中土体不排水剪切强度随含水率的变化关系,分别运用一维固结理论和对数曲线模型推求了时程沉降及最终沉降的理论值,并与离心模型实验结果进行了对比分析。结果表明,回填速率越快,加载幅值越大,地基厚度越大,固结时间越长,对应沉降量越大。同时经过55 a的长期沉降模拟,孔隙水压力尚未消散完毕,沉降仍在继续。对数曲线模型预测地基的工后沉降更为合理,为实际工程建设提供了可靠的技术参考。