亚洲国产成人黄色视频,a级毛片在线视频免费观看

基于多特征融合的駕駛員狀態(tài)檢測的實(shí)現(xiàn)[嵌入式技術(shù)][汽車電子]

針對駕駛員狀態(tài)檢測和提取特征單一化以及檢測設(shè)備成本過高的缺陷，提出了一種多特征融合的駕駛員狀態(tài)的實(shí)現(xiàn)。該系統(tǒng)以內(nèi)置DSP芯片的STM32L4低功耗單片機(jī)為核心，首先通過SON1303、MPU6050等傳感器實(shí)時(shí)采集，分別獲取人的脈搏、加速度、角速度以及姿態(tài)角特征參數(shù)；其次，脈搏調(diào)用DSP庫實(shí)現(xiàn)快速傅里葉變換（FFT），利用切比雪夫窗口設(shè)計(jì)濾波器提取頻譜；最后，通過駕駛員狀態(tài)良好、疲勞、分心以及緊張頻譜分析，定義第一主峰B以及頻譜比K，融合B、K、姿態(tài)角、加速度、角速度等特征實(shí)現(xiàn)對駕駛員狀態(tài)的判斷。通過實(shí)驗(yàn)測試，該系統(tǒng)具有抗干擾強(qiáng)、低成本等特點(diǎn)，可以廣泛應(yīng)用于駕駛員狀態(tài)檢測，便于ADAS技術(shù)推廣。

發(fā)表于：5/3/2017 1:47:00 PM

海雜波背景下小目標(biāo)檢測的深度信念網(wǎng)絡(luò)方法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

結(jié)合深度學(xué)習(xí)相關(guān)理論，提出了海雜波背景下小目標(biāo)檢測的深度信念網(wǎng)絡(luò)方法。該方法以無標(biāo)簽數(shù)據(jù)逐層進(jìn)行非監(jiān)督貪婪訓(xùn)練，使每層得到一個(gè)合適的初始值；構(gòu)建深度信念網(wǎng)絡(luò)初步模型，并以帶標(biāo)簽的數(shù)據(jù)對該種模型以誤差反向算法對整個(gè)網(wǎng)絡(luò)的參數(shù)進(jìn)行調(diào)優(yōu)，建立預(yù)測模型；最后利用該種預(yù)測模型檢測湮沒在海雜波背景下的小目標(biāo)信號。以加拿大McMaster實(shí)測的IPIX雷達(dá)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，利用均方根誤差評價(jià)性能。實(shí)驗(yàn)結(jié)果表明，針對第54#海雜波數(shù)據(jù)，文章提出的深度信念網(wǎng)絡(luò)方法所預(yù)測的均方根誤差為0.016，與已有的選擇性支持向量機(jī)集成方法均方根誤差0.026 4和K均值有效極限學(xué)習(xí)機(jī)所得的均方根誤差0.042 8相比，預(yù)測精度有所提高。

發(fā)表于：5/3/2017 12:19:00 AM

基于單片機(jī)和GSM的智能家居系統(tǒng)的設(shè)計(jì)[嵌入式技術(shù)][其他]

介紹了單片機(jī)操作系統(tǒng)、C語言技術(shù)與GSM模塊結(jié)合完成智能家居系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。該系統(tǒng)主要實(shí)現(xiàn)三大功能：監(jiān)控室內(nèi)溫度、防盜和檢測室內(nèi)可燃?xì)庖约盁熿F。首先通過3個(gè)傳感器模塊采集室內(nèi)信息，例如溫度、人體、可燃?xì)馀c煙霧等，然后發(fā)送到以51系列單片機(jī)為核心控制器構(gòu)建的數(shù)據(jù)采集終端上進(jìn)行處理，若發(fā)生特殊情況，系統(tǒng)發(fā)出報(bào)警聲，并通過GSM模塊發(fā)送報(bào)警信息到遠(yuǎn)程接收端。仿真結(jié)果證明，該系統(tǒng)成本低，操作方便，并且達(dá)到了預(yù)期的穩(wěn)定性和可靠性。

發(fā)表于：5/2/2017 9:14:00 PM

非均勻節(jié)點(diǎn)情形下的一類三角B樣條曲線[嵌入式技術(shù)][其他]

給出一類在非均勻節(jié)點(diǎn)情形下帶參數(shù)的三角B樣條基函數(shù)，討論了這類基函數(shù)的性質(zhì)以及在重節(jié)點(diǎn)情形時(shí)的變化,并利用這類基函數(shù)構(gòu)造了相應(yīng)的三角B樣條曲線，這類曲線具有與二次非均勻B樣條曲線相似的性質(zhì)。在控制頂點(diǎn)不變的情況下，可以通過改變形狀參數(shù)取值來調(diào)節(jié)曲線的形狀。此外，它還能精確表示圓、橢圓等曲線。

發(fā)表于：5/2/2017 8:16:00 PM

基于主凹點(diǎn)檢測的血細(xì)胞圖像去粘連分割算法研究[嵌入式技術(shù)][醫(yī)療電子]

針對醫(yī)學(xué)中血細(xì)胞圖像研究中粘連細(xì)胞難以分割的問題，提出一種基于主凹點(diǎn)檢測的分割算法。通過濾波預(yù)處理去除圖像的噪聲以改善圖像質(zhì)量，基于改進(jìn)的活動輪廓模型初步提取細(xì)胞輪廓，通過尋找主凹點(diǎn)的方法準(zhǔn)確定位粘連細(xì)胞凹點(diǎn)位置，標(biāo)記并融合細(xì)胞圖像輪廓、粘連形狀等特性，實(shí)現(xiàn)粘連細(xì)胞分離。實(shí)驗(yàn)結(jié)果表明，該方法具有很好的分割準(zhǔn)確度和完整度，且該算法具有普適性。

發(fā)表于：5/2/2017 8:05:00 PM

雨天環(huán)境基于HOG-SIFT特征稀疏表示的行人檢測[嵌入式技術(shù)][其他]

針對雨天環(huán)境下監(jiān)控視頻因雨水噪聲、圖像的灰度值削弱使行人輪廓特征丟失而出現(xiàn)的目標(biāo)行人漏檢誤檢情況，建立了一種基于HOG-SIFT特征稀疏表示的行人檢測算法。通過直方圖均衡化降低雨水噪聲；提取圖像HOG-SIFT融合特征表征視頻圖像中的行人信息，減少輪廓特征的丟失；利用稀疏表示降低融合特征的維數(shù)，減小計(jì)算量并保留有效的行人特征，結(jié)合AdaBoost分類器降低漏檢率和誤檢率。實(shí)驗(yàn)結(jié)果表明，該算法在雨天環(huán)境下有效地提高了行人檢測的準(zhǔn)確率。

發(fā)表于：5/2/2017 6:17:00 PM

基于Kinect 2.0深度圖像的快速體積測量[嵌入式技術(shù)][其他]

為了滿足現(xiàn)實(shí)生活中對物體體積實(shí)時(shí)測量的需求，提出了一套基于Kinect 2.0深度圖像處理的快速體積測量方案。首先，使用Kinect 2.0 深度傳感器獲得深度圖像及對應(yīng)的點(diǎn)云數(shù)據(jù)矩陣，并對深度圖像進(jìn)行增強(qiáng)、二值化、目標(biāo)提取等預(yù)處理，定位出目標(biāo)物體。然后，通過像素點(diǎn)的統(tǒng)計(jì)和點(diǎn)云數(shù)據(jù)的處理得到目標(biāo)物體的面積、高度。最后由面積和高度完成目標(biāo)物體的體積計(jì)算。經(jīng)驗(yàn)證這種方法的體積測量誤差控制在3%以內(nèi)，完全滿足實(shí)時(shí)性的誤差要求，又由于深度圖像較彩色圖像不易受光線、背景的干擾，使得該方法具有很強(qiáng)的魯棒性。

發(fā)表于：5/2/2017 6:00:00 PM

基于STC單片機(jī)的角度控制[嵌入式技術(shù)][智能電網(wǎng)]

利用STC12系列單片機(jī)作為控制核心，減速電機(jī)作為執(zhí)行機(jī)構(gòu)，以單圈電位器作為檢測元件，在有限范圍內(nèi)實(shí)現(xiàn)了角度的精確控制。經(jīng)過實(shí)驗(yàn)測試，在0°~235°的控制范圍內(nèi)，最大誤差控制在±1°，保證了控制精度和控制速率；經(jīng)過實(shí)際使用驗(yàn)證了該方案安全、可靠。

發(fā)表于：5/2/2017 5:39:00 PM

基于多尺度重采樣的車道線檢測[嵌入式技術(shù)][汽車電子]

提出了一種適用于輔助駕駛的高魯棒性車道線檢測算法。算法采用了根據(jù)距離的影像金字塔，有效提高了檢測效率和準(zhǔn)確率，實(shí)現(xiàn)了Android平臺的實(shí)時(shí)檢測，使用水平方向暗-亮-暗特征、二次曲線車道模型和基于卡爾曼濾波的跟蹤實(shí)時(shí)提取跟蹤路面車道線，實(shí)現(xiàn)相機(jī)俯仰角的快速標(biāo)定。實(shí)驗(yàn)證明，基于簡單特征和車道線模型算法在Android系統(tǒng)的行車記錄儀上可穩(wěn)定地進(jìn)行車道跟蹤。

發(fā)表于：5/2/2017 11:04:00 AM

手機(jī)ADAS：基于OpenCL的車道線檢測應(yīng)用評估[嵌入式技術(shù)][汽車電子]

先進(jìn)駕駛輔助系統(tǒng)(Advanced Driving Assistant System，ADAS)有利于提高駕駛安全性。如今，Open Computing Language(OpenCL)框架以及集成Graphics Processing Unit（GPU）手機(jī)的出現(xiàn)，使得在手機(jī)上高效運(yùn)行ADAS應(yīng)用成為可能?；贠penCL框架實(shí)現(xiàn)了ADAS最典型的一個(gè)功能——車道線檢測，并運(yùn)行在三款手機(jī)上。通過比較該應(yīng)用的檢測準(zhǔn)確度、幀處理速度、應(yīng)用能效，根據(jù)實(shí)驗(yàn)結(jié)果手機(jī)設(shè)備非常適合運(yùn)行基于視覺的ADAS應(yīng)用。

發(fā)表于：5/2/2017 10:53:00 AM