简介:摘要地铁自动售检票系统(AutoFareCollectionSystem简称AFC)设备是基于计算机、通信、网络、自动控制等技术,实现地铁交通售票、检票、计费、收费、清分、管理等过程的自动化系统。然而,随着人工智能、生物识别技术的不断发展,AFC设备的更新换代离不开高端人工智能和生物识别技术的结合,使设备更智能化,以方便用户体验的提升。本文从地铁自动售检票系统、设备发展的现状出发,探讨地铁自动售检票设备结合生物识别技术的人工智能应用,更好的推动地铁售检票系统设备的发展。
简介:目的探究热射病的早期识别和临床特征。方法选取某医院自2016年4月至2017年4月收取的30例热射病患者作为研究对象,其中按照门诊顺序分成老年组和中年组各15例,分析2组患者的易感因素和检验以及影像学检测结果等。结果老年组发病因素较高的是经典型热射病,男性患者要比女性患者更容易引发疾病,若是病情比较重的患者延误治疗时间,会形成死亡的情况。而中年组患者也是男性患者多,而老年组热射病患者大多都出现脱水的症状,严重会形成肾功能衰竭或是休克等。结论针对热射病患者可以通过地区以及环境等因素进行综合判断,需要注重老年患者的居住环境,并且对于身体出现异常情况要及时就诊,做好早期的识别和预防措施。
简介:传统基于Gabor滤波器的SAR目标识别方法根据图像全局特征进行目标识别,忽略图像局部纹理特征,容易受到噪声因素的干扰,获取的SAR目标识别结果精确度较低。因此,提出基于图像局部纹理特征的SAR目标识别算法,对SAR图像纹理特征进行提取,提取SAR图像纹理特征时,采用优化的TPLBP特征描述器提取图像局部纹理特征,获取TPLBP局部纹理特征向量;通过基于ELM分类器的SAR目标识别算法,对TPLBP局部纹理特征向量进行SAR目标分类与识别,获取理想的SAR目标识别结果。实验结果表明,所提方法在SAR目标识别方面具有准确率高、误判率低的优势。
简介:为了解决当前工业仪表示数在采图环境恶劣和样本数据量大的情况下所导致的算法识别不准确的问题,分别从特征学习与机器学习识别的角度出发,提出了基于特征学习与支持向量机的工业仪表状态识别算法。首先,提取仪表图像区域字符的几何特征和颜色特征,对这些提取出的特征进行归一化处理,设计出特征提取分析算子,达到精准提取有用特征数据的目的。然后,基于支持向量机,计算出分类器的最优平面和约束条件,从而建立仪表识别算子,进一步精确识别仪表示数。最后,基于软件开发环境QT实现算法,并系统集成。实验测试结果显示:与当前仪表识别技术相比,此算法拥有更高的准确性与稳定性,能够准确地根据仪表数字识别出电压,从而确定仪表工作状态是否正常。
简介:为进一步提高弹道导弹目标多传感器综合识别正确率,提出了一种基于二维主成分分析(Two-DimensionalPrincipalComponentAnalysis,2DPCA)的多传感器特征级综合识别方法。该方法将多个传感器的特征集经标准化后组合成二维特征矩阵,引入图像压缩技术中的2DPCA方法进行特征提取,然后将其用于弹道导弹目标特征级融合识别。以3部雷达部署下弹头目标的雷达散射截面积(RadarCrossSection,RCS)特征融合为例进行仿真验证,结果表明:相比于传统的主成分分析(PrincipalComponentAnalysis,PCA),2DPCA的识别率更高,计算复杂度更低,为弹道导弹目标识别提供了一种新的思路。