摘要：为解决传统标牌自动避让算法导致标牌频繁跳动以及严重浪费内存等方面的问题,提出了一种标牌优化的思想,抛弃原有栅格法,对传统的标牌自动避让算法进行改进。该算法运用包围盒以及低维空间的简易相交性原理,实现标牌的碰撞检测。运用避让算法将标牌显示方式格式化,同时对标牌的避让方式进行合理的优化。该算法脉络清晰,程序实现简单易行。实验结果表明,该算法大大提高了标牌自动避让的效率,有效地解决了传统的标牌避让算法存在的问题。

摘要：神经网络是机器学习领域的一个重要分支,因其优秀的性能在很多基于嵌入式设备的应用中大放异彩。尽管已经有很多研究已经成功地将神经网络算法移植到小型化平台中,但是大多数的方法依然是基于某个固定模型的设计。本文提出了一种可配置的激活函数模块,比较了不同拟合方法的误差和耗费的资源,选择使用分段四阶多项式拟合激活函数的方法,拟合了6种常用激活函数,可以满足绝大多数神经网络的激活部分。这样在设计可配置神经网络的芯片时,通过配置该模块即可满足不同神经网络的需求。

摘要：人脸姿态通常表达着有用的信息,准确地把握人脸的姿态,往往在人脸对齐、人类行为分析以及司机疲劳驾驶监控等方面有着重要的作用。文中方法与以往姿态估计方法不一样,是一种基于卷积神经网络,应用深度学习做人脸姿态分类的方法。首先,第一次网络对姿态在yaw方向上进行5分类,同时在roll方向具有鲁棒性。之后,将第一次输出正脸的结果进入第二次网络,对姿态在pitch方向进行3分类。所有的输出结果对光照都具有鲁棒性。文中采用级联的方法在公开库上做测试,准确率高达95%以上。在实际监控视频中,姿态估计不仅有较高的准确率,而且有惊人的速度。由于本身实验的设计独特性,只做了自身实验对比。结果充分展示了用合理的神经网络与网络级联的方法在姿态估计上面的发展潜力。

摘要：针对MTCNN人脸检测方法有部分人脸漏检的情况,提出一种在不同网络结构内部进行特征融合的方法。基于改进MTCNN,设计一套动态人脸识别系统,在客户端中利用KCF目标跟踪算法,降低客户端GPU压力。

摘要：针对立体显示技术迅速发展的现状,提出了一种实时采集两路视差视频并将其转换为合成立体视频后实时输出显示的立体视频实时处理系统设计方案。该方案采用现场可编程门阵列(FPGA)实现视频数据采集、存储、合成和显示,并协调系统各部分的工作,通过充分利用高速大容量同步动态随机存储器(SDRAM)的乒乓操作解决了视频数据的缓存,并且采用地址查找表合成方式完成了两路视差视频合成立体视频。仿真结果表明该立体视频实时处理系统结构灵活、性价比高、扩展性强,具有良好的应用价值和广阔的市场前景。

摘要：日益增长的航班流量给机场的维护带来了巨大压力的同时,也极大地影响乘客的体验。为了缓解机场的拥堵状况,结合人工智能算法,提出采用强化学习模型对终端区进港航班的序列进行优化。航班排序采用强化学习中的期望Sarsa算法,针对航班的延误考虑设计延误时间、延误成本、尾流类型等因素的奖励函数,以航班的预计达到时刻为状态,延误的分钟数为动作,对成都双流国际机场连续进港的20架航班进行仿真实验,结果表明优于现有的基于优先级的先到先服务算法和常见的启发式算法。

摘要：数字图片伪造已经逐渐成为信息可信度的威胁之一,如何衡量图片信息的可信度变得越来越重要。在各种各样的伪造图片中,人脸照片的拼接伪造有着非常重要的影响。针对此类伪造图片,提出一种新颖的基于室外光照分析的图片伪造检测算法来进行鉴别。通过人脸三维建模、光线追踪加速算法等对人脸图片进行预处理,采用改进后的普利兹天空模型结合漫反射模型设计能量方程并对光照模型参数进行优化,进而计算人脸所处环境光照条件。通过判断每张人脸还原出的光照是否一致,得出图像的真伪结论。对于室外光照下的人脸图片,该方法更具有优势,能够准确地还原出拍摄人脸照片当时的光照环境。

摘要：滑行路径优化是提升机场场面运行效率与安全水平的有效途径。为研究管制意图、监控范围对航空器滑行路径优化的影响,基于实际管制规定,同时考虑冲突和拥堵影响,定义优先级反映滑行道通行能力,定义动态期望值量化管制员意图,设计航空器滑行路径变更机制及实施步骤,构造基于动态期望的航空器滑行路径变更模型。采用Visual C++及Mathlab混合编程仿真,得到航空器分布密度、监控范围等参数改变时,不同模型的仿真结果对比及关键统计分析值的变化趋势。结果表明,上述模型能对低密度下的滑行道变更进行抑制,能提高中密度下的滑行道变更比例,并减少滑行速度变化幅度。扩大监控范围能有效增加航空器滑行路径变更比例,减少滑行速度标准差,提高机场场面运行保障能力。

摘要：本文提出并设计一种基于三维人脸变形方法的三维人脸采集系统。在实际应用环境中,人脸表情的变化会对人脸识别算法造成较大的识别精度影响,为了降低精度损失并提高鲁棒性,本文提出基于三维人脸解耦学习的方法,在保持模型的身份信息最大程度不损失的前提下,生成该身份的多个带不同表情的人脸模型,该方法可以较为准确地扩充用户的三维人脸样本,提高用户的识别精度并可以大幅度扩充三维人脸研究容易出现的三维人脸数据不足的问题。

摘要：智能辅助驾驶,其关键技术之一在于对行人和车辆实时准确的检测。针对传统行人车辆检测方法存在的精度低,实时性不高等问题,提出一种基于改进SSD的多尺度检测算法。主干网络由VGG16替换为DenseNet,设计特征融合模块,修改损失函数。在扩充后的KITTI数据集进行对比测试,与原SSD算法相比,mAP提高1.9%,检测速度达到39FPS,该改进算法精度更高,小目标检测效果也有一定的提升。