摘要：为优化视频配准工作中的静态图像配准算法,本文应用深度学习的卷积神经网络VGGNet设计了一个静态图像配准算法。通过仿真实验结果可知,VGGNet能够被很好地应用于静态图像配准工作中;结合均方根误差和Nred结果可知,基于Conv5、FC1或者FC2输出特征的静态图像配准算法具有良好的性能,基于FC2的配准算法性能最好,其均方根误差值为0.03122,Nred值为74。通过视频缩放和亮度转换后,静态图像配准算法的性能有所下降,在亮度变换后基于FC2输出特征的配准算法性能较高。与传统HOG、LBP特征提取的图像配准算法相比,本文算法具备较好的配准精度和正确率。研究结果可为当前基于深度学习卷积神经网络的静态图像配准算法提供参考。

摘要：以自行研发的福州市旅游出行网站为基础,设计并实现一种基于词频统计的旅游资讯推荐方法.基于node环境,在几大主流旅游网站上抓取当前热门出行资讯文章,利用盘古分词技术对文章进行分词并产生分词库,最后基于TF_IDF算法进行分词库的词频统计,并根据统计结果进行福州市旅游出行网站的资讯推荐.研究结果表明该方法具有运算速度快,推荐准确性高的优点,改善了用户体验.

摘要：雨伞作为居家必备品,价格低廉,携带方便,但也存在易丢失、易损坏等问题,雨雾天路行安全也得不到充分保障。为改善上述情况,笔者设计出一款"变色龙"智能雨伞。该雨伞的可替换结构,使用户可对损坏部件进行简易更换;卡扣式设计使伞体更加稳定。当用户与雨伞的距离超过设定范围时,雨伞就会发出蜂鸣声,同时手机振动提醒用户。伞柄底端的天气环条也是亮点之一,其会根据手机APP数据的实时更新来变换颜色,直观反映天气状况。为了避免雨伞表面大量存水,同时降低雨雾天交通事故风险,伞布采用新面料,实现一甩就干,雨伞的反射灯光可以提醒周围车辆注意避让行人。

摘要：针对现有的球员侦测与追踪方法中颜色信息的提取容易受到目标与噪声之间的色差及光照变化的干扰,从而影响侦测准确度的问题,提出了一种球员侦测与追踪的新方法.首先运用较为可靠的边缘信息侦测网球球场的场线,重建场地信息.其次运用重建场地信息设计过滤器,过滤球场噪声;运用场线信息,定义上下半场球员侦测的范围与两种不同尺寸的搜寻视窗.然后通过提取图像边缘密度信息,在搜寻窗内利用模板匹配方法估测球员位置.最后利用3种场地类型对本文方法进行了验证,结果表明本方法的平均正确率(92.3%)高于文献[3]的方法(91.12%),且比文献[3]更具有普适性.

摘要：针对传统导航系统中导航方式不够直观及导就路线无法自动生成等不足,采用电子罗盘芯片、倾角传感器、蓝牙4.0、智能控制技术及机器学习技术,设计了一个智能引路手环系统,包括智能手环、手机端及服务器端三大部分,实现了抬手就能找出前进方法的新型导航模式和陌生路段路径信息的自动生成.应用结果表明该系统能够学习任何一条陌生路段并用于实时导航而不受环境限制,与普通导航方式相比该系统更加直观形象.

摘要：为了提高支持向量机(SVM)在多类分类中的分类效果,提出了一种基于改进粒子群优化(IMPSO)算法和协作式递归神经网络(CRNN)的多类SVM分类方法(IMPSO_CRNN_SVM算法).首先引入自适应惯性权重及自适应粒子变异,以此改进粒子群优化算法(PSO)在优化SVM参数过程中存在的容易陷入局部最优和早熟等问题;然后基于多类SVM设计一个CRNN,并利用随机分配的训练集对该网络进行训练并构建最终决策函数,从而实现多类数据的"一次性"分类.最后利用3种数据集和实际应用对IMPSO_CRNN_SVM算法进行验证,结果表明IMPSO_CRNN_SVM算法的分类精度优于未进行参数优化的传统SVM算法、基本PSO进行SVM参数优化的算法和未进行PSO参数优化的基于CRNN的多类支持向量机算法,因此IMPSO_CRNN_SVM算法具有一定的实用性.