学科分类
/ 2
22 个结果
  • 简介:(二)以金旁命名的元素111个元素中具有金属性质的较多,因而以金旁命名的元素占相当大的比例。元素汉文名的造字方法一般采用左右结构左形右声的合体字,少量的名称也采用左、中、右结构的合体字,如:铍、锕、锚、铷。这些字均属于形旁和声旁组合而成的形声字。后期发现的新元素,大体上按照这样的规律造新字。

  • 标签: 元素名称 金属性质 新元素 合体 结构
  • 简介:摘要: 采用综合机械化放顶煤开采开采期间,由于块段存在煤与瓦斯突出、冲击地压、自然发火及高瓦斯的灾害耦合的情况,为了保证块段安全顺利回采,创造经济效益,一方面进行理论研究,另一方面进行现场实践验证,以理论指导现场,实践验证理论的为原则,最终获得成功,达到了灾害治理的效果及目的。

  • 标签: 灾害治理 火灾 耦合灾害 冲击地压 突出
  • 简介:丁福保、周云清编写的《四部总录·算法编》出版于1956年,它的结构是除了自己编撰的正文之外,又将梅文鼎、刘铎等人的书挑选后列入书目中,称为“补遗”,还将一些散见的书目收集起来作为“拾补”,从而使古算书目趋于完善。它的内容的最大特点是标明了所列书的存佚状况,并将一些书目按现代分类法进行了分类。

  • 标签: 《四部总录·算法编》 书目 存佚 丁福保 周云清 中国古典数学
  • 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

    2.2人脸检测算法 (MTCNN) 所谓人脸检测,就是给定一张图像,找到其中是否存在一个或多个人脸,并返回人脸置信度和人脸框位置。它是从待识别图像上获取有用信息的第一步,是实现实时、高精度人脸识别系统的前提和基础。网络实现人脸检测(人脸分类、边框回归)和关键点定位分为三个阶段: 第一阶段:由 P-Net获得了人脸区域的候选窗口和边界框的回归向量,并用该边界框做回归,对候选窗口进行校准,然后通过非极大值抑制( NMS)来合并高度重叠的候选框 第二阶段: P-Net得出的候选框作为输入,输入到  R-Net,网络最后选用全连接的方式进行训练,利用边界框向量微调候选窗体,再利用 NMS去除重叠窗体。 第三阶段:使用更加强大的 CNN( O-Net),网络结构比 R-Net多一层卷积,功能与 R-Net作用一样,只是在去除重叠候选窗口的同时,显示五个人脸关键点定位。 ONet 是网络的最后输出。 图 2 人脸检测阶段流程图

    三、系统结构设计 ( 1)数据输入层。本部分通过采集或导入已有人脸数据库,为系统提供待测人脸数据及人脸比对基础库。涵盖一切提供数据的前端及数据库。 ( 2)算法引擎层。人脸识别平台系统是人脸识别系统的核心 ,主要包括人脸数据的建模,比对分析和存储。 ( 3) 平台服务层。平台服务层向下对接算法引擎,向上提供业务数据接口。主要包括接受客户提出的任务,调用相关底层算法引擎,对算法层反馈的结果进行分析,并提供相关的业务服务。 ( 4)大数据业务层。大数据业务层主要负责数据仓储及数据检索服务。数据仓储及数据检索服务。数据仓储指将系统中产生的人脸图片、人脸特征数据、告警推送信息,包括目标数据库的相关数据进行结构化存储;数据检索服务指与平台服务对接,提供结构化的快速检索,与安防业务相结合,实现对数据时间、空间信息的充分利用,且平台业务功能可在庞大的数据库中快速反馈检索结果。 固定摄像头拍摄图像上传至数据处理系统,数据处理系统通过目标检测算法、人脸检测算法、人脸识别算法将图像中的人脸识别出来并与数据库中的信息进行比对,并根据比对结果决定是否报警,同时将处理后的数据上传至可视化一体平台。更为重要的一点,可以对监拍对象进行数据提取分析,形成对象分析报告,高效准确地将其信息提供给客户。 图 3 系统结构流程图

    小结 随着科学技术的不断提高,人脸实时识别监控系统在使用时,依据人面像本身所固有的生理特征 ,利用目标检测算法、人脸检测算法和人脸识别算法来达到身份验证和识别的目的。 参考文献 [1]严杰支持人脸检测的智能视频监控系统的设计与实现 [D].重庆大学 . [2]李苗在,谷海红 .人脸识别研究综述 [J].电脑知识与技术 :学术交流 ,2011,07(8X):5992-5994.

  • 标签:
  • 简介:摘要:根据对现实问题的分析,提出了具有载重和体积约束的车辆路径问题的数学模型,通过对节约算法的总结分析,指出原算法的不足,然后提出一种新的改进节约算法,并用改进算法来解决具有载重和体积约束的车辆路径问题,取得了良好的效果。

  • 标签: 车辆路径问题 节约算法 重量 体积
  • 简介:摘要电梯现如今在人们的生活中是不可或缺的一部分,电梯的安全性也越来越受到人们的重视与关注。检验人员在负责检验的过程中应当注意个人安全问题,尽可能的避免在工作过程发生危险。为此,本文通过对电梯检验过程中存在的坠落伤害、机械伤害、电气伤害等电梯检验中的危险进行了主要分析,依据不同的检测情况对不同的电梯结构给予不同的预防措施。

  • 标签: 电梯检验 危险源 防范对策
  • 简介:

  • 标签:
  • 简介:摘要随着对电梯的使用越来越普遍,且近期媒体对电梯出现的安全事故和伤害的报道也时不时的出现,对电梯用户造成不小的恐慌,电梯的安全也引起越来越多的关注。电梯是机电合一的一种空间垂直运输设备,需要高度的安全性能,因此在电梯的使用和检验过程中,必须高度重视安全保护,防止不必要的危险发生。文章将从电梯检验入手分析危险和安全保护措施。

  • 标签: 电梯检验 危险源分析 安全控制
  • 简介:摘 要:本文阐述了雷达跟踪系统中滤波器模型的建立方法,介绍了卡尔曼滤波器的工作原理,通过仿真方法,用卡尔曼滤波方法对单目标航迹进行预测,即搜索目标并记录目标的位置数据,对观测到的位置数据进行处理,自动生成航迹,并预测下一时刻目标的位置。基于此方法的仿真实验获得了较为满意的结果,可以应用于雷达目标跟踪定位。

  • 标签: 卡尔曼滤波 滤波模型 定位跟踪
  • 简介:

  • 标签:
  • 简介:摘要电梯在人们日常生活与工作中扮演着非常重要的角色。定期对电梯进行检验是保障电梯安全运行的重要基础。本文在分析电梯检验中存在的各种危险的基础上,浅谈了电梯检验安全防护的对策。

  • 标签: 电梯检验 危险源 防护
  • 简介:

  • 标签:
  • 简介:

  • 标签:
  • 简介:

  • 标签:
  • 简介:摘要:在我国工业迅猛发展下,对环境的污染逐渐加重,严重影响人类赖以生存的生态环境。其中,废气污染物对环境、人体健康的影响较为严重,需要采取有效的措施有效控制废气污染。目前,我国针对废气采取的控制措施是监测废气排放,如果废气排放总量或排放浓度超过规定的标准,须采取有效的措施进行干预,从而降低废气对环境及人类的影响。

  • 标签: 环境污染源 废气监测 安全防护 质量控制
  • 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。

  • 标签: SURF 特征匹配 FLANN匹配 RANSAC。
  • 简介:摘要:本研究对比了几种不同的非动物蛋白胨和动物蛋白胨对兽疫链球菌产透明质酸的影响。采用 3L六联发酵罐培养,对 4种非动物蛋白胨及 2种动物蛋白胨进行了对比研究。结果表明,非动物蛋白胨 FP501能很好的对生产用的牛骨胨进行替换,发酵 18h,透明质酸产率能达到 9.55g/L,优于现在生产用的骨胨。

  • 标签: 兽疫链球菌 透明质酸 非动物源蛋白胨 酵母蛋白胨
  • 简介:

  • 标签: