發(fā)布時間：2022-02-17 17:22

　　信息物理融合系統(tǒng)（CPS,Cyber-Physical Systems）是一種將信息空間和物理空間緊密結(jié)合的系統(tǒng),它通過集成信息技術(shù)和自動控制技術(shù),打造“狀態(tài)感知-融合多源信息實時分析-決策執(zhí)行”的數(shù)據(jù)閉環(huán)。環(huán)境狀態(tài)感知是CPS的基礎(chǔ),被感知的物理對象包括人員和各種設(shè)備。隨著深度學習技術(shù)的發(fā)展,目標識別技術(shù)逐漸成熟,研究目標識別技術(shù)在CPS中的應用,將能有效減少人工值守、巡檢疏忽帶來的安全問題,為傳統(tǒng)系統(tǒng)改造成CPS提供了可能。并且能提供給CPS用于多源信息融合,從而提高決策的可靠性、準確性和安全性。作為目標識別技術(shù)的一個分支,人臉識別技術(shù)已得到廣泛應用。CPS中基于監(jiān)控攝像頭的人臉識別不同于目前廣泛應用的場景,人臉姿態(tài)存在較大變化,無法要求現(xiàn)場人員配合識別。為了改善監(jiān)控場景下多姿態(tài)人臉識別準確率,本文提出了一種基于姿態(tài)估計的人臉識別算法。該算法在從圖像中檢測出人臉后,先將人臉分類到樣本庫中最接近的姿態(tài)類別,然后在子樣本庫中進行分類識別。針對該算法的姿態(tài)估計需求,本文設(shè)計了一種基于人臉關(guān)鍵點的姿態(tài)估計算法,該算法將人臉關(guān)鍵點映射到二值圖上,使用改進的AlexNet訓練姿態(tài)分類器。在CA... 

【文章來源】：電子科技大學四川省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：94 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 CPS介紹
        1.2.2 多姿態(tài)人臉識別
        1.2.3 設(shè)備狀態(tài)檢測
    1.3 論文研究內(nèi)容
    1.4 論文章節(jié)安排
第二章 目標識別技術(shù)相關(guān)理論
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 基本概念
        2.1.2 典型網(wǎng)絡(luò)結(jié)構(gòu)
    2.2 目標識別
        2.2.1 目標分類
        2.2.2 目標檢測
    2.3 評價指標
        2.3.1 混淆矩陣
        2.3.2 ROC曲線
        2.3.3 mAP
    2.4 本章小結(jié)
第三章 CPS中多姿態(tài)人臉識別問題
    3.1 CPS中人臉識別場景分析
    3.2 基于人臉關(guān)鍵點的姿態(tài)估計算法
        3.2.1 人臉姿態(tài)特征圖
        3.2.2 AlexNet網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.3 基于Pytorch框架的算法仿真測試
            3.2.3.1 Pytorch簡介
            3.2.3.2 CAS-PEAL數(shù)據(jù)集
            3.2.3.3 算法建模
            3.2.3.4 實驗結(jié)果及分析
    3.3 結(jié)合姿態(tài)估計的人臉識別算法
        3.3.1 算法建模
        3.3.2 基于Pytorch框架的仿真測試
    3.4 基于邊緣節(jié)點的人臉識別系統(tǒng)
        3.4.1 部署架構(gòu)
        3.4.2 人臉識別軟件系統(tǒng)設(shè)計
        3.4.3 系統(tǒng)測試
    3.5 本章小結(jié)
第四章 CPS中設(shè)備狀態(tài)實時監(jiān)測問題
    4.1 問題分析
    4.2 指示燈檢測
        4.2.1 基于霍夫變換的圓形指示燈檢測
            4.2.1.1 基本原理
            4.2.1.2 基于OpenCV框架的霍夫變換測試
        4.2.2 基于SSD的兩階段指示燈檢測算法
            4.2.2.1 基于Pytorch的 SSD建模
            4.2.2.2 基于自建數(shù)據(jù)集的訓練和測試
        4.2.3 多幀融合檢測算法
    4.3 基于LeNet的顏色識別算法
        4.3.1 算法建模
        4.3.2 訓練測試
    4.4 設(shè)備狀態(tài)監(jiān)測測試
    4.5 本章小結(jié)
第五章 CPS中多源信息融合問題
    5.1 問題分析
    5.2 場景介紹
    5.3 基于決策樹的多源信息融合方法
        5.3.1 基本原理
        5.3.2 場景建模
        5.3.3 數(shù)據(jù)生成及仿真測試
    5.4 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻
攻讀碩士學位期間取得的成果


【參考文獻】：
期刊論文
[1]多源信息融合技術(shù)研究綜述[J]. 李洋,趙鳴,徐夢瑤,劉云飛,錢雨辰.  智能計算機與應用. 2019(05)
[2]基于Faster R-CNN的設(shè)備故障檢測與識別[J]. 高露,馬元婧.  計算機系統(tǒng)應用. 2019(04)
[3]多尺度卷積神經(jīng)網(wǎng)絡(luò)的頭部姿態(tài)估計[J]. 梁令羽,張?zhí)焯?何為.  激光與光電子學進展. 2019(13)
[4]基于紅外圖像分析的電力設(shè)備熱故障檢測技術(shù)研究[J]. 蘆竹茂,王天正,俞華,馬麗強,劉永鑫.  現(xiàn)代電子技術(shù). 2017(11)
[5]頭部姿態(tài)估計技術(shù)研究綜述[J]. 陳書明,陳美玲.  泉州師范學院學報. 2015(06)
[6]基于圖像分析的電力設(shè)備故障檢測技術(shù)研究[J]. 馮俊.  現(xiàn)代電子技術(shù). 2015(24)
[7]基于聲音識別的設(shè)備狀態(tài)檢測算法[J]. 李晶,孫農(nóng)亮,滕升華.  信息技術(shù). 2015(06)
[8]基于視頻圖像的指示燈狀態(tài)監(jiān)測識別技術(shù)研究[J]. 黃戰(zhàn)華,姜永奎,張旺,張昊.  傳感技術(shù)學報. 2010(04)
[9]一種面向設(shè)備系統(tǒng)指示燈的狀態(tài)識別方法[J]. 張永合,程健.  計算機仿真. 2009(03)

碩士論文
[1]多姿態(tài)表情的人臉識別算法研究[D]. 曹雯靜.西安理工大學 2018



本文編號：3629812