简介:首先采用基于混合高斯模型与椭圆肤色模型进行手势分割,分割出手势区域,使用卡尔曼滤波器进行手势跟踪,获得手势中心点的位置。在此基础上,记录各帧中心点位置,得到运动轨迹,利用提出的轨迹模板匹配方法对动态手势进行识别。该方法利用基本的几何特征便可完成手势运动轨迹的设置与识别,无需特征选择或训练样本的搜集。最后,采用基于Zynq-7000的Zedboard平台对该算法进行实现,并采用HLS硬件加速工具进行算法加速。实验结果表明,该算法可实现较精确的手势识别,接受弹性的输入采样,识别正确率在95%以上,且通过硬件加速后,可在嵌入式平台中实时识别,具有较好的实时性。
简介:摘要本文主要针对装配式建筑全寿命周期风险因素识别展开分析,思考了识别的一些具体的理念和识别的思路,对于如何更好的提升装配式建筑全寿命周期风险因素识别效果进行了总结。
简介:摘要基于深度学习的变电站设备部件的识别,是利用深度学习的高层语义特征提取模型,构建从图像底层视觉特征到高级语义特征逐层迭代、逐层抽象的深度网络映射模型,旨在减小语义鸿沟,得到图像语义特征,然后利用全局特征预测每个位置可能的设备目标,不断进行迭代回归调整,再通过一系列的识别分析后得到最终的识别结果。该研究可以大大提高变电站设备部件识别率,从而更加针对性的进行变电站的故障检测。
简介:摘要日益增多的数据显示冠脉微血管功能障碍(coronarymicrovasculardysfunction,CMVD)与许多临床症状相关。本文将就目前用于识别存在于正常冠脉中微血管功能障碍的主要侵入性技术方法作一综述,并阐述其在临床实践运用中的适应症。
简介:风电机组状态监测部位多,数据分析工作量大,人工故障识别的方式使得风电机组状态监测报告滞后.本研究提出一种基于幅值调制比率的风电机组齿轮箱失效自动识别方法,针对风电机组转速不平稳的特点首先对齿轮箱振动加速度信号进行时频分析得到机组的瞬时转速,然后进行阶比处理将等时间间隔信号序列重采样转换成等角度间隔信号序列,频域变换后选择一倍啮合频率和两倍啮合频率幅值较大值,计算调制间隔为转频的多频率点幅值累加和,再将与较大啮合频率处的幅值调制比率作为特征值表征齿轮箱的失效状态.恒速和变速风电机组齿轮箱振动数据分析结果都表明该特征值具有良好的故障与正常状态区分能力,且不同转速下该特征值具有稳定性.