简介：摘要：针对传统的图像匹配算法存在误匹配率高，特征提取信息也比较少的问题。本文基于 BOW+SVM框架组合设计并实现了物品识别算法。对目标物体利用无监督学习的方法构造目标物体的识别模型，再与环境图像进行识别模型的特征点匹配，最后确定并且框选出目标物品。使用 SURF算法将目标物品的特征点提取出来，再结合 FLANN算法、特征点二次筛选算法与 RANSAC算法对目标物体进行识别与框选。

简介：

简介：摘要：本文主要对人脸识别技术进行介绍，旨在讨论一种更安全更方便的AFC系统在地铁的应用，以进一步创新实现多元化支付，推进智慧车站的设施，进一步加强车站客运管理。

简介：摘要：本文从检验检测机构风险识别、风险控制两个方面进行分析与描述，并提出相应措施，提高检验检测机构风险预知及控制能力，进而发展壮大检验检测机构。

简介：

简介：随着人们对手机屏占比的追求,屏下指纹识别技术应运而生。文章介绍了屏下指纹识别技术的概念、光学屏下指纹技术和超声波屏下指纹技术及其实现原理,并指出了两种方式的优缺点。

简介：

简介：摘要： 近年来，社会经济的发展推动了化工行业的进步，作为化学实验，在化工工艺设计中需要注意规范操作，避免发生危险事故。基于此，本文以安全管理的危险识别作为研究对象，结合化工工艺设计的内容与特征，对物料、工艺路线、管道设计、生产装置中的危险因素加以识别，并采取有效的措施优化化工工艺设计流程。

简介：本文就体育教育中美育教育的意义、功能与依据、框架与运用进行了阐述。提出了有关体育教育中美育目标的构建的具体设想，强调了美育的体育教育中的重要性及其应用价值。

简介：师范院校教育实习要实践检验、学习培养学生的的职业素质、团队协作精神、教育理念、教育教学技能、教育教学艺术等。

简介：师范院校教育实习要实践检验、学习培养学生的的职业素质、团队协作精神、教育理念、教育教学技能、教育教学艺术等。

简介：

简介：摘要：视觉和红外相机具有互补的属性，将它们一起使用可以提高人脸识别的性能。这项研究提出了一种新的有效人脸识别方法，融合了来自两个领域的互补信息。第一步，通过基于区域分割和 PCNN的新图像融合方法获得融合图像。第二步，根据熵的贡献，通过 ECA和 2DECA提取融合图像的特征。该方法已在 OTCBVS数据库上进行了测试，实验结果的比较表明，该方法在人脸识别中表现良好。

简介：

简介：有效教学既是一种教学理念，也是一种教学策略和评价标准。目标教学作为一种目标导向、反馈矫正为基本特征的教学模式和教学方法,体现了有效教学的基本理念，是一种有效的教学策略和教学方法。作者从有效教学的理念出发，探讨了目标教学的有效性及其在历史课堂教学中的应用，提出了历史课堂教学交流互动四步教学模式和教学方法,对于新课程背景下教师如何改进课堂教学，提高教学效益具有一定的现实意义。

简介：以航空英语为例，采用信息检索领域常用的准确率、召回率等指标对四种常用的专业技术词汇识别方法（使用专业词典、借助语境线索、分类排除法和主题词分析法）的识别有效性进行评估。结果显示，上述几种方法的平均识别率均不高，完全依靠某一种方法来识别专业技术词汇不可避免地存在不足或缺陷，建议开展多方法相结合的综合研究。

简介：摘要：高速处理器和高分辨率相机的出现引领了针对各种应用的面部识别系统设计的研究。人脸识别系统根据应用程序使用离线数据或实时输入。本文提出了一种基于卷积神经网络（ CNN）的实时人脸识别系统的设计与评估。使用标准 AT＆ T数据集对提议的设计进行了初步评估，随后将其扩展到实时系统的设计中。还报告了有关调整 CNN参数以评估和增强所提出系统识别准确性的详细信息。还提出了一种系统的方法来调整参数，以增强系统的性能。最大识别精度为 98.75％和 98％。

简介：摘 要 : 针对于当今监控系统大多只起拍摄作用而无智能监控手段的问题，提出了基于目标检测算法的智能监控系统。在运用目标检测算法与人脸检测算法的基础之上，利用这些算法实现了能够检测移动目标并进行图像之中人脸的检测与提取，从而当陌生人进入时系统能够精确识别。实现了智能化监控，极大提升了监控的准确性与安全性。 关键词：目标检测、人脸检测、 智能监控 引言 智能视频监控系统无需监控人员持续地盯着屏幕，减轻了工作人员的负担，并具有主动性和实时性的优势。智能视频监控系统的主要职责是利用计算机视觉技术从视频图像中检测、跟踪、识别人脸，并对该主体的行为进行理解。 一、系统设计原理 该系统在原视频系统的监控功能基础上，还增加了以下功能： 包括固定传感器布控预警、华为云平台 Atlas200DK智能摄像头、数据处理系统、可视化一体平台。其中可视化一体平台包括人员属性检测采集系统和视频结构化回溯系统实现人脸信息采集的智能化分析及预警。 （ 1）视频监控系统具有人脸识别能力。要求系统能够自动捕捉出入监控范围的人员脸部图像与数据库信息进行比对 , 并自动识别判断是否为可疑人员上传至数据库处理系统。数据处理系统通过算法模型进行人脸识别并与云数据库中的信息比对，若信息不匹配，则智能启动无人机，无人机将进行目标追踪。 （ 2）系统会将收集到的信息上传至可视化一体平台。固定摄像头拍摄图像信息上传到数据处理系统，数据处理系统通过数据处理算法和可视化数据分析上传至可视化一体平台。无人机拍摄可疑人员后自行处理并上传至可视化一体平台呈现给用户。 二、算法分析 2.1目标检测算法（ YOLO v3） YOLO v3采用帧间差分法进行图像提取，且采用多个 scale融合的方式做预测。原来的 YOLO v2有一个层叫： passthrough layer，假设最后提取的 feature map的 size是 13*13，那么这个层的作用就是将前面一层的 26*26的 feature map和本层的 13*13的 feature map进行连接，有点像 ResNet。当时这么操作也是为了加强 YOLO算法对小目标检测的精确度。这个思想在 YOLO v3中得到了进一步加强，在 YOLO v3中采用类似 FPN的 upsample和融合做法（最后融合了 3个 scale，其他两个 scale的大小分别是 26*26和 52*52），在多个 scale的 feature map上做检测，对于小目标的检测效果提升还是比较明显的。 YOLO v3中对前面两层得到的 feature map进行上采样 2倍，将更之前得到的 feature map与经过上采样得到的 feature map进行连接，这种方法可以让我们获得上采样层的语义信息以及更之前层的细粒度信息，将合并得到的 feature map经过几个卷积层处理最终得到一个之前层两倍大小的张量。 图 1 帧间差分法算法流程图

简介：

简介：