1037430星載式光電編碼器秉銘DFS60B-T5CL02048老人是遭受跌倒侵害的群體,若能及時(shí)檢測(cè)到跌倒的發(fā)生,則可為救助提供時(shí)間上的先機(jī)。近年來(lái),計(jì)算機(jī)視覺(jué)技術(shù)的飛速發(fā)展為基于視頻的跌倒檢測(cè)研究提供了可行的途徑和方法。考慮到跌倒是一種偶發(fā)性的異常行為,本文將基于自編碼器模型的視頻異常行為檢測(cè)框架應(yīng)用到跌倒檢測(cè)中。本文的主要工作如下:首先,本文簡(jiǎn)要介紹了跌倒事件檢測(cè)的研究現(xiàn)狀以及發(fā)展趨勢(shì),并給出了現(xiàn)有方法的不足,從而明確了本文的研究?jī)?nèi)容。其次,本文基于視頻中運(yùn)動(dòng)目標(biāo)的骨架序列構(gòu)造骨架時(shí)空?qǐng)D,并描述了骨架時(shí)空?qǐng)D上的空間圖卷積操作和時(shí)間圖卷積操作。結(jié)合現(xiàn)有自編碼器模型的設(shè)計(jì)思路,提出了一種時(shí)空?qǐng)D卷積自編碼器,用于實(shí)現(xiàn)跌倒檢測(cè)。再次,針對(duì)人體骨架由于遮擋或大形變而無(wú)法*提取的問(wèn)題,提出了一種基于時(shí)空約束的骨架補(bǔ)齊方法。在骨架能*補(bǔ)齊的情況下,利用時(shí)空?qǐng)D卷積自編碼器來(lái)進(jìn)行跌倒檢測(cè)。后,骨架無(wú)法補(bǔ)齊的情況,本文水平的提高和科技的發(fā)展,人們對(duì)安防提出了更高的要求。人臉識(shí)別作為*的生物識(shí)別技術(shù)之一,逐漸地應(yīng)用于我們的生活中,將人臉識(shí)別技術(shù)與門禁相結(jié)合擁有廣闊的前景。但是常見(jiàn)的門禁系統(tǒng),大都是以PC機(jī)作為系統(tǒng)運(yùn)行平臺(tái),這就給門禁系統(tǒng)帶來(lái)成本高昂和安裝繁瑣的劣勢(shì)。論文針對(duì)現(xiàn)有常見(jiàn)門禁系統(tǒng)的不足,將人臉識(shí)別技術(shù)和嵌入式技術(shù)相結(jié)合,研究設(shè)計(jì)基于人臉識(shí)別的智能門禁系統(tǒng)。論文首先對(duì)門禁系統(tǒng)的需求進(jìn)行分析,根據(jù)實(shí)際應(yīng)用需要提出人臉識(shí)別的智能門禁系統(tǒng)的技術(shù)指標(biāo),進(jìn)行了系統(tǒng)整體方案設(shè)計(jì)。系統(tǒng)以Smart210為主控制器,以Linux操作系統(tǒng)為軟件開(kāi)發(fā)平臺(tái),使用Video4Linux2框架采集圖像。為去除圖像中的干擾因素,在進(jìn)行人臉識(shí)別前加入去噪聲、灰度化、直方圖均衡化等預(yù)處理步驟。仿真測(cè)試了現(xiàn)有常見(jiàn)的人臉識(shí)別算法,重點(diǎn)考慮識(shí)別率和識(shí)別耗時(shí),經(jīng)過(guò)研究選擇適合系統(tǒng)的Adaboost和PCA算法人臉識(shí)別算法。而后重點(diǎn)對(duì)Adaboost算法及PCA算法進(jìn)行理論研究,然后將Adaboost算法應(yīng)用于人臉檢測(cè),再訓(xùn)練出人眼分類器用于眨眼檢測(cè),以確定是真實(shí)人臉,排除人臉圖片開(kāi)門的情況。為提高系統(tǒng)對(duì)光照的抗干擾性,提出使用分塊LBP算子和PCA結(jié)合的人臉識(shí)別算法。針對(duì)PCA算法在側(cè)面人臉識(shí)別時(shí)成功率低的問(wèn)題,提出基于自編碼器的正面人臉重建方法,使用MATLAB進(jìn)行仿真實(shí)驗(yàn),重建正面人臉,后結(jié)合PCA算法檢驗(yàn)重建人臉的效果。系統(tǒng)前端基于QT框架設(shè)計(jì)了人機(jī)交互界面,結(jié)合OpenCV計(jì)算機(jī)視覺(jué)庫(kù)完成了系統(tǒng)軟件部分的設(shè)計(jì);后臺(tái)在Windows環(huán)境下基于VS2013與MySQL數(shù)據(jù)庫(kù)完成了信息管理中心的設(shè)計(jì),主要用于對(duì)系統(tǒng)管理員信息.

1037430星載式光電編碼器秉銘DFS60B-T5CL02048翻譯是自然語(yǔ)言處理領(lǐng)域重要的研究方向,近年來(lái)隨著深度學(xué)習(xí)的飛速發(fā)展,神經(jīng)機(jī)器翻譯逐漸成為研究和應(yīng)用的主流翻譯方法,然而其嚴(yán)重依賴大規(guī)模平行語(yǔ)料才能獲得較好翻譯結(jié)果的弊端依然存在,因此對(duì)諸如漢蒙等低資源語(yǔ)言對(duì)的翻譯效果不佳。單語(yǔ)語(yǔ)料相較于平行語(yǔ)料具有數(shù)量多、易獲得等特點(diǎn),在平行語(yǔ)料不足的低資源機(jī)器翻譯中有著舉足輕重的作用,但目前單語(yǔ)語(yǔ)料庫(kù)還沒(méi)有很好地應(yīng)用在神經(jīng)機(jī)器翻譯中。本文針對(duì)漢蒙平行語(yǔ)料資源不足和蒙古語(yǔ)形態(tài)復(fù)雜多變等情況,研究了單語(yǔ)語(yǔ)料庫(kù)作為平行語(yǔ)料庫(kù)的補(bǔ)充在低資源漢蒙神經(jīng)機(jī)器翻譯中的應(yīng)用,提出了多種基于單語(yǔ)語(yǔ)料庫(kù)的漢蒙神經(jīng)機(jī)器翻譯方法。本文的主要工作分述如下:（1）提出了一種結(jié)合詞向量對(duì)齊和語(yǔ)言建模的漢蒙神經(jīng)機(jī)器翻譯方法。首先利用漢語(yǔ)和蒙語(yǔ)單語(yǔ)語(yǔ)料庫(kù)分別訓(xùn)練二者的詞向量,然后使用對(duì)齊的漢蒙詞向量來(lái)初始化模型的詞向量層,同時(shí)模型在進(jìn)行翻譯的過(guò)程中使用單語(yǔ)語(yǔ)料進(jìn)行語(yǔ)言建模的訓(xùn)練,從而增強(qiáng)模型的編碼解碼能力。（2）提出了一種基于字符級(jí)語(yǔ)言建模的漢蒙神經(jīng)機(jī)器翻譯方法。神經(jīng)機(jī)器翻譯難以處理未登錄詞和低頻詞,因此本文設(shè)計(jì)了一種基于字符級(jí)語(yǔ)言建模的翻譯方法,將漢語(yǔ)詞和蒙古語(yǔ)詞拆分成字或字符,使得模型能夠處理語(yǔ)料中未出現(xiàn)的詞或低頻詞。此外模型使用對(duì)偶結(jié)構(gòu)引入了語(yǔ)言建模,從而可以在翻譯的過(guò)程中進(jìn)行字符級(jí)的語(yǔ)言建模訓(xùn)練,使翻譯出的結(jié)果更符合語(yǔ)法更通順。（3）提出了一種結(jié)合權(quán)重共享和字符級(jí)語(yǔ)言模型預(yù)訓(xùn)練的漢蒙神經(jīng)機(jī)器翻譯方法。為了更好地利用語(yǔ)言之間的共性,本文將模型編碼器的前幾層參數(shù)進(jìn)行共享,同時(shí)加入基于字符感知的語(yǔ)言模型預(yù)訓(xùn)練,使用預(yù)訓(xùn)練的模型來(lái)對(duì)翻譯模型進(jìn)行初始化,后再進(jìn)行翻譯的訓(xùn)練,同時(shí)在翻譯的前半段加入字符級(jí)語(yǔ)言建模操作來(lái)微調(diào)翻譯模型,進(jìn)而提高翻譯的性能。本文研究了單語(yǔ)語(yǔ)料庫(kù)在漢蒙神經(jīng)機(jī)器翻譯中的應(yīng)用,提出了結(jié)合詞向量對(duì)齊和語(yǔ)言建模、基于字符級(jí)語(yǔ)言建模、結(jié)合權(quán)重共享和字符級(jí)語(yǔ)言模型預(yù)訓(xùn)練的漢蒙神經(jīng)機(jī)器翻譯方法.