【摘 要】
：
针对公共场所的监控视频中烟头目标较小并且吸烟产生的烟雾易发散，仅依靠目标检测算法检测烟头或者烟雾来判定吸烟行为存在较大难度的问题，考虑到利用骨骼关键点来进行姿态估计的算法越来越成熟，提出一种利用人体骨骼关键点和吸烟行为之间的关系来进行吸烟行为检测的算法。该算法首先利用AlphaPose和RetinaFace分别检测出人体骨骼关键点和脸部关键点信息，根据手腕到两嘴角中点和手腕到眼睛的距离之比，提出一
论文部分内容阅读
针对公共场所的监控视频中烟头目标较小并且吸烟产生的烟雾易发散，仅依靠目标检测算法检测烟头或者烟雾来判定吸烟行为存在较大难度的问题，考虑到利用骨骼关键点来进行姿态估计的算法越来越成熟，提出一种利用人体骨骼关键点和吸烟行为之间的关系来进行吸烟行为检测的算法。该算法首先利用AlphaPose和RetinaFace分别检测出人体骨骼关键点和脸部关键点信息，根据手腕到两嘴角中点和手腕到眼睛的距离之比，提出一种计算人体的吸烟动作比例（SAR）是否属于吸烟动作黄金比例（GRSA）的方法以区分吸烟与非吸烟行为；再利
其他文献
针对多视角渲染任务超实时可视仿真这一难题，先从理论上分析了面向多视角渲染任务的超实时仿真实现原理及可行性，进而提出了一种仿真计算与渲染计算分离的超实时可视仿真系统架构；提出了一种基于并行渲染的超实时可视仿真方法，解决了渲染任务分配、仿真世界同步、渲染时机选择等关键问题。实现了基于虚幻引擎（UE4）主从模式的超实时可视仿真系统；设计了系统应用案例，测试了超实时仿真性能，验证了该超实时可视仿真系统在多
针对社交媒体平台上消息内容普遍很短、传播结构中存在大量空转发、用户角色与内容间的失配等条件约束，提出了一种基于传播网络中的用户属性信息和消息内容的谣言检测模型GMB＿GMU。首先以用户属性为节点、传播链为边构建用户传播网络，引入图注意力网络（GAT）得到用户属性增强表示；同时，基于此用户传播网络，利用node2vector得到用户的结构表征，并使用互注意机制对其进行增强。另外，引入BERT建立源帖
针对从“人在回路”兵棋推演的复盘数据中提取推演者战术经验高价值知识的问题，提出一种基于深度神经网络从复盘数据中学习战术机动策略模型的方法。该方法将战术机动策略建模为在当前态势特征影响下对目标候选位置进行优选的分类问题：首先梳理总结影响推演者决策的关键认知因素，定义了由机动范围和观察范围等7个属性构成的基础态势特征，建立了带有正负样本标注的态势特征数据集；进而设计了基于卷积神经网络的分类器，以分类概
无人车配送可有效缓解目前末端配送效率低、人力成本高、安全隐患多等问题。本研究以城市社区网购生鲜无人车配送为研究对象，搭建了网购生鲜时空需求数据驱动的多智能体仿真平台，构建了基于实际路网的仿真环境及无人车、客户、配送站三类智能体，以运营成本最小及客户满意度最大为优化目标，设计并测试了动静态订单分配策略及距离最近或时间最紧配送路径规划策略。最后基于上海某生鲜电商实际订单数据，对不同策略展开情景模拟及敏
三峡上游大规模梯级水库群的建成,极大地改变了三峡水库入库洪水的原始形态,使得三峡水库实际运行时的来水情况与最初设计时发生了很大变化,对下游荆江地区的防洪风险造成了显著的影响.本文通过建立三峡水库入库洪水随机模型和动库容调洪模型,结合三峡水库对城陵矶地区进行防洪补偿的调度规则,从入库洪水形态、调洪计算模型、防洪调度规程三个方面探究在三峡水库与上游乌东德、白鹤滩、溪洛渡、向家坝梯级水库群联合调度下荆江
针对传统显著性检测算法分割精度低以及基于深度学习的显著性检测算法对像素级人工注释数据依赖性过强等不足，提出一种基于图割精细化和可微分聚类的无监督显著性目标检测算法。该算法采用由“粗”到“精”的思想，仅利用单张图像的特征便可以实现精确的显著性目标检测。首先，利用Frequency-tuned算法根据图像自身的颜色和亮度对比信息得到显著粗图，然后根据其统计特性进行二值化并结合中心优先假设得到显著目标的
氮、磷营养素过度排放诱发的水体富营养化是当前全球性水污染问题,污水脱氮除磷势在必行.传统硝化/反硝化是最主要技术手段,而随着世界各国污水排放标准愈加严格,传统脱氮工艺效率不足、能耗巨大及其带来的二次污染问题日益凸显,经济、高效与可持续的处理技术已成为污水处理领域的迫切需求. 20世纪90年代发现的厌氧氨氧化(anaerobic ammonium oxidation, Anammox)工艺无需曝气与
针对基于三元组损失的单一深度距离度量在多样化数据集环境下适应性差，且容易造成过拟合的问题，提出了一种优化三元组损失的深度距离度量学习方法。首先，对经过神经网络映射的三元组训练样本的相对距离进行阈值化处理，并使用线性分段函数作为相对距离的评价函数；然后，将评价函数作为一个弱分类器加入到Boosting算法中生成一个强分类器；最后，采用交替优化的方法来学习弱分类器和神经网络的参数。通过在图像检索任务中
针对传统无能耗约束的多无人机路径规划方法难以适应复杂山地作业环境的应急救援要求，提出了一种基于LSTM-DPPO(Long Short-Term Memory-Distributed Proximal Policy Optimization)框架的多无人机三维路径规划算法。该算法利用LSTM长短期记忆神经网络提取出多无人机在各自飞行过程中的重要特征状态信息序列，经过多次迭代更新后得到一个最优网络参
多无人机协同规划已成为如今无人作战的研究热点。在复杂环境中，基于异构目标不同侦察方式的需求，以改进的PSO-AFSA(Particle Swarm Optimization-Artificial Fish Swarms Algorithm)求解单无人机航迹规划模型，建立多无人机代价矩阵，利用匈牙利算法完成各架无人机侦察任务协同分配。仿真结果表明，该算法能在优化单无人机航迹的同时，实现与任务协同分配