期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
含不确定动态观测的异构无人舰艇系统固定时间编队控制
1
作者 王广旭 蔡伟 +1 位作者 李永琪 周星宇 《电光与控制》 北大核心 2025年第5期103-110,共8页
针对由多艘欠驱动水面无人舰艇组成的异构多智能体系统,研究了异构无人舰艇系统动态存在不确定性的分布式固定时间编队协同跟踪控制问题。首先,对被控异构无人舰艇系统进行模型坐标变换,转换成全驱动的二阶异构多智能体系统。然后,针对... 针对由多艘欠驱动水面无人舰艇组成的异构多智能体系统,研究了异构无人舰艇系统动态存在不确定性的分布式固定时间编队协同跟踪控制问题。首先,对被控异构无人舰艇系统进行模型坐标变换,转换成全驱动的二阶异构多智能体系统。然后,针对每个异构多智能体系统的不确定模型动态,设计了固定时间动态观测器。结合反步法和虚拟领导者模型,对每个异构无人舰艇系统的跟随者控制器设计了基于固定时间不确定性动态估计的固定时间分布式协同跟踪控制协议。通过构建合适的李雅普诺夫函数,分析了在固定时间内异构无人舰艇系统编队协同跟踪误差的收敛性。最后,分别在定常编队和时变编队情形下进行编队协同跟踪控制的数值仿真,验证了所设计固定时间编队控制算法的有效性。 展开更多
关键词 欠驱动无人舰艇 编队控制 异构多智能体系统 固定时间
在线阅读 下载PDF
面向小目标的多空间层次安全帽检测 被引量:3
2
作者 李嘉信 胡杨 +1 位作者 黄协舟 李洪均 《计算机工程与应用》 CSCD 北大核心 2024年第6期230-237,共8页
由于目标视频中存在目标小、距离远等影响检测效果的因素,对小目标的捕捉难度较大,提出一种面向小目标的多空间层次安全帽佩戴检测算法,该算法将在Yolov5s的网络模型基础上进行个性化改进。设计一种多空间注意力模块,从不同角度考虑空... 由于目标视频中存在目标小、距离远等影响检测效果的因素,对小目标的捕捉难度较大,提出一种面向小目标的多空间层次安全帽佩戴检测算法,该算法将在Yolov5s的网络模型基础上进行个性化改进。设计一种多空间注意力模块,从不同角度考虑空间特征的效果并加以融合,加强显著性特征的空间位置关系;融合多空间尺度的特征,同时结合特征提取过程中的多种特征,适应对不同空间层次目标的捕捉,提高对小目标的检测能力;利用数据增强提高数据集的泛用性,使训练目标适应更多样的情景;优化损失函数,增强回归能力,提高训练效果。实验结果表明,所提算法的平均准确率达到91.5%,明显地减少了漏检情况。除此之外,将其部署到实际施工现场,展现了出对小目标优越的检测性能,具有极大的应用价值。 展开更多
关键词 安全帽检测 Yolov5s 多空间注意力模块 数据增强 多空间尺度融合
在线阅读 下载PDF
复杂环境下课堂多人状态检测算法研究 被引量:6
3
作者 冯文宇 张宇豪 +2 位作者 张堃 费敏锐 徐胜 《电子测量与仪器学报》 CSCD 北大核心 2021年第6期53-62,共10页
新冠肺炎疫情背景下课堂多人佩戴口罩及姿态识别问题,提出了基于YOLO和OpenPose模型的课堂多人状态检测算法。提出的Efficient-YOLO模型,通过采用CBAM注意力模块、SPNET-NEW模块,解决了多人遮挡和无规则化目标的口罩佩戴检测精度问题。... 新冠肺炎疫情背景下课堂多人佩戴口罩及姿态识别问题,提出了基于YOLO和OpenPose模型的课堂多人状态检测算法。提出的Efficient-YOLO模型,通过采用CBAM注意力模块、SPNET-NEW模块,解决了多人遮挡和无规则化目标的口罩佩戴检测精度问题。此外,提出了一种轻量化的Class-OpenPose模型检测学生上课姿态,该算法在OpenPose模型基础上,使用ShuffleNetV2-NEW对传统模型在底层特征提取方面进行改进,实现了复杂环境下关键姿态点的实时准确检测。实验表明,在课堂多人异常状态检测任务中,Class-OpenPose模型平均准确率高于传统模型,为79.0%,检测速度达到13.5 F/s;Efficient-YOLO口罩识别模型达到83.1%的平均准确率,检测时间仅需31.54 ms,为课堂学生状态检测提供了不错的算法思路。 展开更多
关键词 多人异常检测 姿态识别 口罩识别 YOLO模型 OpenPose模型
在线阅读 下载PDF
无人CT智能姿态识别算法研究 被引量:8
4
作者 冯文宇 朱洪堃 +2 位作者 殷佳炜 费敏锐 张堃 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第8期188-195,共8页
针对新冠肺炎疫情中肺部CT检查需要医生人工指导矫正姿态和交叉感染风险大的问题,提出基于人体姿态识别的无人CT智能姿态识别算法。通过CT-OpenPose模型检测人体姿势,该算法在OpenPose模型基础上,解决了传统模型硬件性能要求高、检测速... 针对新冠肺炎疫情中肺部CT检查需要医生人工指导矫正姿态和交叉感染风险大的问题,提出基于人体姿态识别的无人CT智能姿态识别算法。通过CT-OpenPose模型检测人体姿势,该算法在OpenPose模型基础上,解决了传统模型硬件性能要求高、检测速度慢和复杂环境下检测精度下降等问题,使用带自适应软阈值残差网络、跨层连接机制和权值修剪的方法对传统模型在底层特征提取方式、底层特征处理流程、模型训练和压缩方面进行改进。实验结果表明,在无人CT姿态识别任务中,CT-OpenPose模型检测精度高于传统模型,为83.6%,尤其在人体关键部位被臃肿的衣物或防护衣物遮挡的情况下,检测速度是传统模型的近3倍,达到42.2 f/s,具备较高的实用性。 展开更多
关键词 无人CT姿态识别 OpenPose模型 残差网络 跨层连接 权值修剪
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部