下载文档原格式
基于计算机视觉的下肢运动检测系统设计张钰佳;王伟;秦涵书;胡磊【期刊名称】《医疗卫生装备》【年(卷),期】2024(45)2【摘要】目的:设计基于计算机视觉和人体关键点检测神经网络模型的人体下肢运动检测系统,以非接触的方式实现三维空间中的人体下肢运动情况检测。
方法:首先,搭建运动数据采集平台,获取人体下肢运动图像,并基于OpenPose神经网络模型提取每一帧图像中下肢关键点的二维图像坐标。
其次,结合运动数据采集平台中的视觉传感器的位姿信息,基于计算机视觉算法解算关键点的空间坐标,解析三维空间中的下肢运动情况。
最后,以骑行运动为例、以动作捕捉系统同时采集的运动数据为标准,分析该系统在不同运动速度时的数据解算情况。
结果:骑行速度为0.8、1.3、2.1 m/s时,该系统解算的数据和动作捕捉系统获得的数据的皮尔逊相关系数分别为0.950、0.917、0.828,均在强相关范围内。
结论:该系统解算的数据可反映下肢运动情况,对三维空间的下肢运动检测有一定效果。
【总页数】6页(P22-27)【作者】张钰佳;王伟;秦涵书;胡磊【作者单位】重庆医科大学附属第一医院信息中心;重庆邮电大学生物信息学院;重庆邮电大学重庆市医用电子与信息技术工程研究中心;重庆医科大学医学数据研究院【正文语种】中文【中图分类】TP3【相关文献】1.基于压电薄膜传感器的肘部运动检测系统设计2.基于蓝牙技术的运动检测系统设计3.基于Dragonboard 410C的智能物体运动检测系统设计4.基于Hi3519的实时监控系统设计及运动检测算法改进5.基于OpenCV自动运动检测控制系统设计因版权原因，仅展示原文概要，查看原文内容请购买。
集料图像测量系统(AIMSⅡ)的评价指标研究与合理性验证陈甲康; 高俊锋; 汪海年; 卜胤【期刊名称】《《筑路机械与施工机械化》》【年(卷),期】2019(036)009【总页数】6页(P100-105)【关键词】集料检测; 图像测量系统; 形态特征; 合理性验证【作者】陈甲康; 高俊锋; 汪海年; 卜胤【作者单位】长安大学道路结构与材料交通行业重点实验室陕西西安 710064; 江西省天驰高速科技发展有限公司江西南昌 330103【正文语种】中文【中图分类】U414.030 引言近年来，裂缝、车辙、坑槽等沥青路面病害问题日益突出，严重影响沥青路面的服务质量。
沥青混合料是一种多项复合材料，集料是其主要组成部分，对沥青混合料的各项性能会产生重要影响[1-3]。
集料的料源特性(如岩性、磨耗值、磨光值等)是甄选集料的重要依据，用以确保拌合出来的沥青混合料达到相应的技术要求，然而集料的棱角、形状以及表面纹理等形态特征对沥青混合料性能的影响尚未得到足够的重视[4]。
国内外相关规范，如《公路沥青路面施工技术规范》(JTG F40—2004)、美国ASTM D4791，依旧采用直接手工测量与间接物理力学测量的试验方法用来评价集料的形态特征[5-8]。
随着数字图像处理技术的发展，研究人员开始重视利用该技术来评价集料的形态特征，以解决传统试验方法精度低、耗时长、工作量大的问题。
李晓燕等使用自主研制的粗集料形态特征研究系统(MASCA)，发现粗集料的分形维数能够合理评价粗集料形态特征的最优定量指标[7]；杨芬等设计了“无影灯箱”，并发现数码相机和计算机图像处理软件(Image-Pro Plus)在测定针片状颗粒含量方面具有良好的可行性和较高的准确度[8]；Yufeng Liu等分别利用傅里叶级数的不同取值、不同振幅和频率值来评价集料的形状、棱角性和表面纹理[9]；Hyoungkwan Kim等利用基于激光技术的激光断面扫描系统对集料的形态特性进行了测量，并与人工测量结果进行了对比，发现2种测试方法具有良好的一致性[10]；对于新一代图像测量系统的应用，需要对其内置的指标进行直观性的验证。
二维目标视觉检测与跟踪系统设计的开题报告一、题目背景近年来，随着机器人技术的不断发展，机器人已经广泛应用于各个领域，如工业、医疗、服务等。
在机器人领域中，视觉检测与跟踪技术是非常重要的一部分，对于机器人的感知、判断和决策都有着至关重要的作用。
在物体检测与跟踪中，二维目标视觉检测与跟踪系统是关键技术之一，可以在机器人场景中高效、准确地实现对目标的检测、追踪和识别。
因此，设计一种高效、准确的二维目标视觉检测与跟踪系统对于推进机器人技术的发展和应用具有重要的意义。
二、研究目的和意义本研究的主要目的是设计一种高效、准确的二维目标视觉检测与跟踪系统。
为了达到这一目的，我们将运用深度学习等相关技术，对图像进行特征提取和分类，采用跟踪算法对目标进行跟踪，以实现对目标的检测、追踪和识别。
该系统可广泛应用于机器人领域中，如自主导航、工业自动化、智能监控等各个方面。
三、研究内容和方法1. 系统需求分析：分析机器人应用场景和用户需求，确定系统设计的目标和功能。
2. 图像采集与预处理：使用相机或其他采集设备获取场景图像，并对图像进行预处理，如噪声过滤、亮度调整等。
3. 物体检测与分类：基于深度学习等相关技术，对图像中的目标进行特征提取和分类，实现目标物体的快速、准确检测。
4. 目标跟踪算法：根据目标特征和运动状态，采用跟踪算法对目标进行跟踪，实时更新目标位置和状态。
5. 系统实现与测试：在实际场景中实现系统功能，并进行测试，评估系统性能和效果。
四、研究进度安排阶段目标时间安排1. 系统需求分析和文献调研第一周 ~ 第二周2. 图像采集与预处理第三周 ~ 第四周3. 物体检测与分类第五周 ~ 第六周4. 目标跟踪算法第七周 ~ 第八周5. 系统实现与测试第九周 ~ 第十周6. 系统优化和性能评估第十一周 ~ 第十二周七、参考文献[1] Gao Y, Bronstein M, Bronstein A, et al. Deep learning for object tracking: A survey. arXiv preprint arXiv:1809.04436, 2018.[2] Ren S, He K, Girshick R, et al. Faster R-CNN: towards real-time object detection with region proposal networks[J]. IEEE transactions on pattern analysis and machine intelligence, 2017, 39(6): 1137-1149.[3] Li W, Li J, Lu H, et al. DeepID-Net: Object detection with deformable part based convolutional neural networks[J]. IEEE transactions on pattern analysis and machine intelligence, 2017, 39(7): 1320-1334.[4] Bagdanov A D, del Bimbo A. Fast and effective object detection under low illumination conditions[C]//4th International Workshop on Visual Surveillance. 2007: 23-30.[5] Chu D, Porikli F. Small target detection using L1-norm maximization[C]//European conference on computer vision. Springer, Cham, 2014: 439-454.。
基于物联网的人工智能图像检测系统设计研究目录一、内容描述 (2)1.1 研究背景 (3)1.2 研究意义 (4)1.3 文献综述 (5)二、物联网与人工智能概述 (7)2.1 物联网技术发展 (8)2.2 人工智能技术发展 (10)2.3 物联网与人工智能的结合 (11)三、人工神经网络基础 (12)3.1 人工神经网络基本原理 (14)3.2 常见人工神经网络结构 (15)3.3 深度学习与卷积神经网络 (17)四、图像检测技术 (18)4.1 图像检测方法概述 (19)4.2 图像检测技术分类 (21)4.3 图像检测应用领域 (22)五、基于物联网的人工智能图像检测系统设计 (23)5.1 系统架构设计 (25)5.2 数据采集与传输 (26)5.3 图像处理与特征提取 (27)5.4 模型训练与优化 (28)5.5 系统测试与应用 (30)六、系统实例分析 (31)6.1 案例一 (32)6.2 案例二 (34)6.3 案例三 (35)七、结论与展望 (36)7.1 研究成果总结 (37)7.2 存在问题与不足 (38)7.3 未来发展趋势与展望 (40)一、内容描述本文档旨在研究并设计一种基于物联网的人工智能图像检测系统。
随着物联网技术的飞速发展，人工智能与图像检测技术在各领域的应用越来越广泛，尤其在智能监控、工业自动化、智能交通等领域。
本研究致力于将物联网技术与人工智能图像检测技术相结合，实现更高效、准确的图像检测系统设计。
系统架构设计：设计基于物联网的图像检测系统架构，包括数据采集层、数据传输层、数据处理层和应用层。
其中数据采集层负责图像数据的采集，数据传输层负责数据的传输和共享，数据处理层负责图像数据的处理和分析，应用层则负责将处理结果应用于实际场景。
人工智能技术集成：集成人工智能算法，如深度学习、机器学习等，以实现图像检测系统的智能化。
通过训练和优化模型，提高系统的准确性和效率。
目录1 航摄新技术应用 (2)2 DMC特点与技术优势 (3)2.1DMC系统介绍 (3)2.2DMC全数字航摄仪的主要技术性能 (4)2.3采用DMC相机基本作业流程 (5)2.4利用DMC相机航摄比例尺选取 (6)2.5可提供的成果类型 (7)2.6与传统航摄相机的比较 (7)2.7选用DMC全数字航摄仪所具备的优势 (12)1 航摄新技术应用北京国遥新天地信息科技有限公司是国内唯一同时拥有LIDAR和DMC两种设备的公司。
公司于2003年率先在国内引进第一台DMC全数字航摄仪，目前已完成多个不同比例尺的航摄项目，拍摄航摄数码照片10万余张，覆盖范围近50万平方公里,具有丰富的数码航摄经验。
公司目前拥有3台DMC全数字航摄仪和1台从加拿大OPTECH 公司引进的ALTM3100机载激光三维测高系统，其设备和技术在数码航摄领域处于国内领先地位。
国遥新天地公司近年来承担的主要项目情况如下:2 DMC特点与技术优势2.1 DMC系统介绍数字航摄相机（DMC）系统是一个专门用于航空摄影测量的高分辨率和高精度数字摄影系统，它的设计思想基于取代传统的胶片式航摄相机，从美国Z/I公司引进，其设备、软件组成如下：DMC地面后处理系统Ground-based postProcessing system1 美国／Z/I公司DMC图像数据复原系统Ground-based missondata receiveal system1 美国／Z/I公司DMC图像转换应用软件Turnkey past-processingAppsication1 美国／Z/I公司作为航空摄影仪，其经历了如下发展过程：1918年：手持式航摄相机 1922年：RMK C1 1956年：RMK1989年：RMK TOP 2001年：DMC2.2 DMC全数字航摄仪的主要技术性能（1）基于面阵CCD的设计Z/I公司研制DMC的目标是取代传统的胶片式光学航摄相机，为了达到胶片分辩率的水平，DMC系统必须同时适合大比例尺和小比例尺测图要求，这一新的相机系统用较长的曝光时间来适应各种不同的照相条件。
2024年第48卷第2期Journal of Mechanical Transmission基于MTF-ResDSCNN二维图像的故障诊断方法胡孟楠1杨喜旺1黄晋英2胡宏俊1王成3（1 中北大学大数据学院，山西太原030051）（2 中北大学机械工程学院，山西太原030051）（3 陆军装备部驻北京地区某军代室，北京100000）摘要为了有效捕获旋转机械振动信号中蕴含的故障特征，进而高效地完成故障诊断任务，设计了一种将二维特征图像和轻量化神经网络相结合的故障诊断模型。
首先，将采集到的一维振动信号以改进的集成经验模态分解（Modified Ensemble Empirical Mode Decomposition，MEEMD）算法进行分解，得到本征模态函数（Intrinsic Mode Function，IMF）分量，并筛选相应的IMF分量进行求和重构，以增强振动信号的幅值波动，进而使得马尔科夫变迁场（Markov Transition Field，MTF）能够更为有效地表征重构信号中的故障特征；然后，将MTF生成的二维特征图像输入到残差深度可分离卷积神经网络（Residual Depth Separable Convolutional Neural Network，ResDSCNN）模型中，进行特征提取与故障诊断。
使用行星齿轮箱故障数据集验证了模型性能。
结果表明，该模型对于各类齿轮故障的诊断正确率可达98%以上。
关键词马尔科夫变迁场深度可分离卷积故障诊断改进的集成经验模态分解Fault Diagnosis Method Based on MTF-ResDSCNN Two-dimensional Image Hu Mengnan1Yang Xiwang1Huang Jinying2Hu Hongjun1Wang Cheng3(1 School of Big Data, North University of China, Taiyuan 030051, China)（2 School of Mechanical Engineering, North University of China, Taiyuan 030051, China）（3 Representative Office of Army Equipment Department in Beijing District, Beijing 100000, China) Abstract In order to effectively capture the fault features contained in the vibration signals of the rotating machinery and complete the fault diagnosis task efficiently, a fault diagnosis model combining two-dimensional image features and lightweight neural network is designed. Firstly, the collected one-dimensional vibration signals are decomposed by modified ensemble empirical mode decomposition (MEEMD) to obtain the intrinsic mode function (IMF) components, and the corresponding IMF components are selected for sum reconstruction to enhance the amplitude fluctuation of vibration signals. Then, Markov transition field (MTF) could be used to more effectively characterize the fault features in the reconstructed signals. Secondly, the 2D feature map generated by MTF is input into residual depth separable convolutional neural network (ResDSCNN) for feature extraction and fault diagnosis. The planetary gearbox fault data set is used to verify the performance of the model, and the results show that the diagnosis accuracy of the model for all kinds of gear faults can reach more than 98%.Key words Markov transition field Depth separable convolution Fault diagnosis MEEMD0 引言随着现代科学技术的不断发展，与国民经济相关行业的机械装备日益大型化、集成化和自动化。
