摘要：常规空中目标轨迹识别方法能够识别单一轨迹样式,但对于复杂轨迹样式识别效果差。文中提出一种基于Softmax多分类网络的空中目标自适应分段轨迹识别算法。首先,通过滑窗在时间上遍历整条复杂轨迹序列,在窗内利用设计的拟合方程对窗内轨迹进行拟合,得到方程参数;然后,基于方程参数训练Softmax分类网络模型,完成基于方程参数的窗内轨迹样式识别;最后,考虑到窗内识别错误及其特征,将识别结果进行同类合并,并基于Haar小波重构对识别结果进行修正,消除离散错误识别结果。仿真结果表明:文中所提方法能有效地对复杂轨迹样式进行分段识别。

摘要：合作靶标点三维轨迹的跟踪识别是实现室内环境中多飞行器位姿估计的关键,为此,提出了一种基于时空一致条件下的多目标三维轨迹跟踪识别算法。该方法包括运动轨迹跟踪与识别两部分,对于合作靶标点三维轨迹跟踪,提出了一种基于运动目标位移矢量一致的数据关联方法,该方法首先利用运动平滑性假设计算得到的数据关联概率值,结合匈牙利算法求解得到目标的数据关联关系,然后在贝叶斯滤波框架下实现合作靶标点的三维轨迹跟踪。对于合作靶标点的三维轨迹识别,又可以分为粗细两部分,利用运动轨迹Hankel矩阵的秩实现运动轨迹的粗识别,利用运动轨迹之间的Hausdorff距离实现运动轨迹的细识别,最终实现对每一个飞行器的轨迹识别与注册。实验结果表明,在三维测量手段为机器视觉,测量空间大小为2 m×2 m×2 m,提出的多目标跟踪算法的三维轨迹跟踪误差小于4 mm(3σ)时,轨迹识别正确率为100%。因此,所提出的算法可以有效地实现多飞行器上合作靶标点三维轨迹的跟踪识别。

摘要：针对现有的鱼类游动轨迹提取方法在提取效率和准确率方面不能同时兼顾的问题,提出了一种改进的DeepLabCut方法用于鱼类背部关键点识别和定位。首先,选择了轻量级卷积神经网络模型EfficientNet-B0作为DeepLabCut的主干网络模型,用于提取鱼类背部关键点的特征,为了增强EfficientNet-B0的表征能力,在网络模型中引入了改进的CBAM(Convolutional Block Attention Module)注意力机制模块,将CBAM中的空间注意力模块和通道注意力模块从原来的串行连接方式改为并行连接,以解决两种注意力模块之间因串行连接而导致的互相干扰问题。其次,基于MSE(Mean Squared Error)损失函数提出了一种分段式损失函数H_MSE用于模型的训练,分段式损失函数H_MSE相对于传统的损失函数具有较强的鲁棒性,其在处理数据中的异常值时能表现出较低的敏感性。最后,采用了半监督学习方法对关键点进行自动标记来减少人工标记数据时产生的误差。结果显示:相比于DeepLabCut原始算法,识别误差RMSE(Root Mean Squared Error)平均降低了4.5像素;与目标检测算法Faster RCNN、SK-YOLOv5、ESB-YOLO、YOLOv8-Head-ECAM相比,识别误差RMSE平均降低了11.5像素,检测效果优于其他目标检测网络和原始网络,平均每张图像的检测时间为0.062 s,能够快速准确提取鱼道内鱼类的游动轨迹,为优化鱼道的水力设计指标提供了重要依据。

摘要：利用OpenCV计算机视觉库在vs2008平台上设计了一个基于实时摄像头的集动态手势检测、动态手势跟踪、动态手势轨迹识别的应用。首先,该应用基于静止的背景更新,利用背景差分检测运动手势,再结合颜色直方图的粒子滤波进行动态手势跟踪,最后利用隐马尔可夫模型(HMM)进行运动轨迹识别。在运动检测部分结合了背景差分图与通过颜色直方图获得的反投影图,达到比较满意的实时运动检测效果;在运动手势跟踪部分,改进的颜色直方图的粒子跟踪能够在经过类肤色人脸的干扰后迅速地找回运动手势,基本达到了跟踪的要求,但是同时对于HMM识别轨迹时需要的运动轨迹序列采集造成了影响;在识别轨迹部分,HMM的训练达到了识别的要求,但是识别的效果主要取决于实时运动轨迹序列的采集工作与采集方法的优化。

摘要：针对船舶航行轨迹识别,为提高识别率,进行深入研究,提出一种采用附加动量法和自适应学习速率法的改进BP神经网络方法。采用附加动量不断修正BP神经网络的权重,加快网络收敛速度,在迭代过程中进行学习率自适应调整,减少迭代次数。运用改进BP神经网络和传统BP神经网络对船舶自动识别系统(automatic identification system,AIS)信息进行训练,分别建立分类识别模型。以安徽巢湖水域为例进行实验,实验结果表明,改进BP神经网络对船舶轨迹识别具有更高的准确率。

摘要：为实时阻止针对自动取款机的犯罪行为发生,设计一种基于手部轨迹识别的ATM智能视频监控系统。对于采集所得的监控区域内的视频图像,利用混合高斯背景建模方法为视频图像建立背景模型,通过背景剪除法和跟踪算法得到监控区域内的人体信息,分析进入监控区域的人体面积变化情况,由此判断是否有异常行为发生,存在异常则报警,否则采用基于颜色空间的皮肤检测算法和位置约束检测人手部分,利用隐马尔可夫模型对分段的手部运动轨迹分别进行匹配识别,进一步判断是否存在犯罪行为。实验结果表明,该方法对于犯罪行为的识别率能达到88%。

摘要：针对医院设备间安全管理的重要性,以及医疗改革的信息化需求,结合图像处理方法,提出一种目标检测与跟踪的设备间视频监控及报警系统。其中,运用YOLO网络实现设备间走廊行人的检测,然后结合多目标跟踪算法,实现行人轨迹的跟踪提取;最后通过位移差的长度判断行人是否徘徊和是否跨越警戒线,以此实现异常行为的报警。结果表明,通过以上方案,可清晰查看医院设备间走廊实时界面,同时通过测试,准确报警率可达到98%以上。由此得出,设计的医院设备间视频监控及报警系统可行。

摘要：在生产过程中,工业机器人需要在三维空间中找到位置和姿态,并以此为基础来执行移动和操作。但目前的定位系统存在发射信号模块和接收信号模块必须始终同步、接收模块时延长、定位精度差、需要采集待测目标到至少3个不同固定点的距离等问题。为此提出采用云计算的三维定位算法来解决机器人难以移动到预定位置或姿态的问题。首先通过位置测量来获得目标物体的精确位置或姿态,采用基于特征、坐标系和运动学的3种方法来实现工业机器人在三维空间中的定位。然后,结合智能线性模组、智能传感器、工业相机、物联网数据应用,在三维定位技术的基础上加入云计算高精度定位算法,设计了一款云计算的机器人三维定位软件系统并嵌入机器人。测试结果表明,系统接收信号强、识别度精准,信号发射的能量强度增强,其大小与标签距离成正比,定位准确,无须手动操作。多次型式试验并结合物联网数据分析验证了云计算的机器人三维定位软件的功能,证明所提方法有效解决了接受信号慢、定位偏离轨迹等问题,精度达到±0.5 mm,反应速度小于或等于0.02 m/s,重复定位无须编程控制,传感器能够与智能线性模组互相感应协同作业。

摘要：针对传统弧焊机器人复杂焊缝轨迹识别及自主规划不足,智能化和自动化水平不高的问题,将机器视觉引入弧焊机器人系统,提出一种焊缝轨迹识别及路径生成算法。首先,工控机通过相机采集焊接对象图像,并进行图像灰度化、直方图均衡化和阀值分割等图像预处理操作;其次,通过Canny算子从预处理后图像中提取出焊缝像素边缘线,并设计了一种焊缝中心线提取算法;最后,提出一种自适应多项式焊缝曲线拟合算法,并通过坐标转换模型把拟合曲线的像素坐标转换成机器人坐标,发送坐标数据给弧焊机器人。实验结果表明,改进的弧焊机器人系统可自主识别复杂的焊缝轨迹并生成焊接路径,引导弧焊机器人完成焊接作业,最大误差值不超过0.30 mm,满足焊接精度要求,具有一定的应用和参考价值。

摘要：本文以STEAM教学任务设计理念,结合坪山同心外国语学校的校本课程,将探究智能送餐机器人工作状态等作为单元教学任务,对单元教学任务进行设计和课例分析,解释STEAM单元教学任务是什么,如何在STEAM教学任务设计理念下设计本任务。通过此案例的STEAM教学任务设计培养学生的实际操作能力、沟通展示能力、自主学习能力和举一反三的思辨能力,体验团队合作解决真实问题所带来的成就感,提高学生的学习兴趣,培养学生的信息意识,促进个性发展,为尝试STEAM单元教学任务设计的教师提供参考。