【摘 要】
：
本文针对新冠病毒疫情状况下的小区居民出入大门、陌生人随意进出小区等情况带来的安全隐患,通过对现在门禁装置存在的安全问题进行分析,结合服务设计理念,从出入人员的安全需求出发,提出一种基于服务设计的小区出入门禁自动监测装置系统,实现对行人、车辆进出小区时所需进行的身份信息进行快速地核对和记录的同时,还具有测温、数据信息记录、消毒等功能;并通过服务系统上传出行人员相关的出行信息,减少小区门卫人员人与人之
论文部分内容阅读
本文针对新冠病毒疫情状况下的小区居民出入大门、陌生人随意进出小区等情况带来的安全隐患,通过对现在门禁装置存在的安全问题进行分析,结合服务设计理念,从出入人员的安全需求出发,提出一种基于服务设计的小区出入门禁自动监测装置系统,实现对行人、车辆进出小区时所需进行的身份信息进行快速地核对和记录的同时,还具有测温、数据信息记录、消毒等功能;并通过服务系统上传出行人员相关的出行信息,减少小区门卫人员人与人之间直接接触带来的安全隐患,从而提高住户生活体验,推进小区服务科技化。将服务设计与门禁系统相结合,打造小区
其他文献
古代壁画艺术价值高、内容丰富,对壁画种类进行准确分类是研究者的难题之一。传统的壁画分类任务繁重且需要有经验的研究者完成;现有的图像分类算法已不适于分类含有较强背景噪声的壁画图像。针对以上问题提出了一种新的多通道可分离网络模型(multi-channel separable network model,MCSN)的解决方案。以GoogLeNet网络模型为基本框架,用小卷积核对壁画背景特征进行浅层提取
航拍图像目标检测存在多尺度目标检测精度低、检测速度慢、漏检和误检严重等问题。针对这些问题,提出一种融合卷积注意力机制和轻量化网络的目标检测算法(pro-YOLOv4),并应用于多尺度航拍图像目标检测。首先,利用K-means聚类算法对航拍数据集进行聚类分析并优化锚框参数,以提高对目标检测的有效性;其次,采用轻量级网络结构,精简网络复杂度,提高检测速度;最后,引入卷积注意力模块来解决复杂场景对于航拍
为了平衡跟踪器的分类与估计模块间的性能差距,提出一种模块性能均衡的跟踪器。首先,通过大量离线学习,将高阶特征纳入目标估计中;然后,对目标估计模块进行训练,预测目标对象与估计跟踪框之间的重叠。为了提高所提分类模块在面对干扰物时的鲁棒性,引入在线训练的分类模块,采用了难分样本挖掘方法,确保较高的区分能力。在OTB100、VOT2016和TrackingNet三个公开数据集上进行实验,结果表明,与相关滤
彩色图像引导的深度图像超分辨率方法通过利用高分辨率彩色图像的高频信息来重建深度图像,取得了不错的重建效果,但当深度图像和彩色图像边缘不(完全)一致或彩色区域纹理丰富时,重建图像普遍存在边缘模糊和纹理拷贝问题。针对这一问题,提出一种边缘图像引导的双模式联合三边滤波器(DMJTF)方法。该方法利用单幅低分辨率深度图像构建了一个边缘图像金字塔字典,然后利用MRF模型构建了一个高分辨率边缘图像,该图像确定
跨年龄人脸识别因其在现实生活中的广泛应用而成为人脸识别领域的热门话题。针对跨年龄人脸识别精度较低的问题,引入解纠缠表示学习,提出了一个基于生成对抗网络的解纠缠表示学习(IPDRL)网络来实现人脸图像的识别。该网络由编码器、生成器和鉴别器构成。编码器在对特征中的年龄变化进行解纠缠的同时,对人脸图像的身份信息进行编码,提取只利于身份鉴别的特征,实现身份特征和年龄特征的解纠缠;生成器根据输入的年龄特征生
针对低分辨率模糊图像实施超分辨率重建后出现大量伪影和边缘纹理不清晰问题,提出了一种双分支融合的反馈迭代金字塔算法。首先采用不同的分支模块分别提取低分辨率模糊图像中潜在的去模糊特征和超分辨率特征信息;然后采用自适应融合机制将两种不同性质的特征进行信息匹配,使网络在去模糊和超分辨率重建模块中更加关注模糊区域;其次使用迭代金字塔重建模块将低分辨率模糊图像渐进重建为逼近真实分布的超分辨率清晰图像;最后重建
针对当前的图像字幕方法只能够用一种黑盒的、从外部难以控制的架构描述图像的问题。创造性地将图像字幕问题转换为seq2seq问题,达到了可控生成图像字幕的效果。设计一个由图像区域构成的实体集合或实体序列作为控制信号,在实体块切换的块哨兵和带视觉哨兵的自适应注意力机制的指导下,将控制信号有规律地输入到双层的长短期记忆网络(long short term memory,LSTM)中,以可控的方式指导模型生
为解决真实图像转换为动漫风格图像出现的参数量大、图像纹理和颜色损失的问题,提出了一种多通道卡通生成对抗网络(MC_CartoonGAN)。首先,使用HSCNN+(advanced CNNs for the hyperspectral reconstruction task)和遗传算法重新构建多通道图像数据集,丰富图像信息。其次,利用DenseNet网络进行特征复用减少参数的内存占用率及缓解梯度消失
为逐步建立公安行业视频AI应用关键技术指标参考基线,为视频AI算法及系统优化提供科学指导,视频图像信息智能分析与共享应用技术国家工程实验室(以下简称"视频国家工程实验室")组织了首个亿级规模的实际无约束场景FAT-AI应用测试。在第二期特约专稿《FAI-AI人脸识别应用测试结果及基线报告》中已围绕测试进行了整体分析。今年,视频国家工程实验室又与中国图象图形学学会共同主办了针对口罩遮挡条件下的人脸识
X射线CT (computed tomography)成像技术中常遇到尺寸、形状或是材料特殊的检测对象,此时只能在有限的角度内进行数据采集.在不满足CT精确重建条件时,常规的重建算法表现出严重的滑坡伪影,难以为实际应用提供有价值的信息参考.为了更好地消减图像中的伪影,文章提出了一种基于ResNet网络模型的有限角CT图像重建方法,其采用残差学习方法,可用来对输入的图像进行特征提取,获取足够的细节信