提出一种基于深度目标检测方法的口罩佩戴识别检测系统,以有效监督人们佩戴口罩情况。该系统首先通过对大量不同场景下正确佩戴口罩、错误佩戴口罩、未佩戴口罩三类图片数据进行网络训练,然后利用训练好的离线网络模型即可对监控视频中的人员口罩佩戴情况进行实时自动监督,当检测出错误佩戴口罩以及未佩戴口罩人员时,自动发出报警,提醒相关区域人员正确佩戴口罩。
为了提高交通标志识别效率及准确性,在研究了深度神经网络、特征提取模基础上,设计了一种包含主干网络和辅助网络的孪生网络.孪生网络中主干网络和辅助网络使用相同的训练集.首先对主干网络进行训练,使其收敛于交通标志训练集;其次,通过知识提取帮助辅助网络进行训练,从而获得更好的交通标志识别率;最后,对辅助网络模型进行剪枝,从而降低总体网络计算成本.仿真分析结果表明,所提方法在保证一定识别率情况下,能够大幅降低网络参数.仿真结果进一步验证了所提系统的有效性.
介绍了以FPGA和DSP为主要芯片的双模接收机的整体方案设计。系统主要分为三个模块:射频前端模块、基带信号处理模块和定位解算模块。系统充分利用FPGA和DSP各自的优势完成了接收机对卫星信号的捕获、跟踪和定位解算功能。通过粗略的本地时间、本地位置和有效星历进行发射时间预测的快速定位,在不经过导航电文位同步和帧同步的情况下,对信号发射时刻进行预测,实现快速定位。
针对人脸在不断运动的情况下难以实时有效跟踪的问题,提出了一种基于面部特征点分析与采用模糊PID控制算法的三自由度舵机云台进行运动中人脸实时跟踪检测与对齐的方法。该方法根据面部特征点的数据分析确定人脸相对摄像头的坐标位置及面部角度,智能云台根据以上信息使用模糊PID控制算法调整自身位置,对人脸进行跟踪检测与对齐。实验结果表明,该方法对于运动人脸的检测与对齐效果良好,且易于实现,具有人脸识别准确率高、