基于CenterNet的跑步姿态鉴别系统的设计

为了改善目前大众跑步姿势普遍不规范的现状,提出了一种基于CenterNet的跑步姿态鉴别系统。首先,通过截图、拍照的方式自制数据集,并对数据集进行清洗、标注和分析,消除数据无关信息与简化数据。其次,引入多尺度通道注意力机制与添加十字星变形卷积2种方式改进CenterNet算法模型,将动作图像转化为数字信息和特征向量,并以此为基础,利用KNN（K-nearest neighbors）算法对跑步姿态类型进行分类。最后,与经典模型方案进行对比,验证改进CenterNet算法鉴别系统的有效性。结果表明：改进的CenterNet模型的精确率与召回率都有所提升,其参数量与计算量降低。所提算法模型能够对大多数不良姿势作出及时、准确反馈,有效帮助跑步爱好者发现问题,从而改善跑步姿态、提高运动效率、预防伤病。     

数据挖掘在静电放电防护理论中的应用

研究了应用遗传算法进行关联规则挖掘的方法,提出了对遗传算法中适应度函数的构造、数据的编码等的改进方案,将改进的自适应P_c,P_m算法应用到遗传算法中来,从而提高了算法的效率；将其应用到静电放电防护的实验中去,取得了良好效果。     

人体静电电位信号数据对齐方法研究

针对多传感器检测系统相关试验中存在的多个传感器在数据采集过程中数据读取时间不同步以及采样频率不统一,导致数据对齐存在偏差,无法进行精确解算的问题,以人体静电电位信号采集试验的数据对齐操作为例,通过函数计算、波形分析、特征点提取等方法对3组不同传感器数据进行滤波清洗和对齐处理。结果表明,上述方法能够得到有效数据的起始点和终止点,解决数据采集过程中读取不同步的问题,提高了多传感器数据的对齐精度,为试验后续信号的识别提供更加准确的数据支持。所设计的数据对齐方法可应用于静电检测、运动健康、行为识别等具有多个传感器的数据采集系统中,为系统数据的对齐处理提供了有效的理论参考与方法依据。     

协同工作(CSCW)中的访问控制模型

计算机支持的协同工作(CSCW)就是地域分散的一个群体借助计算机及其网络技术,共同协调与协作来完成一项任务。传统的访问控制不能很好地适用于CSCW系统,笔者对传统模型进行改进,提出了一个基于任务与角色的访问控制模型,并用实例对该模型进行了验证。     

在UNIX和Windows系统之间实现文件及打印机共享

Samba是一组能够运行在UNIX操作系统上的程序,利用这组程序可以实现UNIX和Windows系统之间的文件及打印机共享。介绍了Samba软件的原理及安装,以实例阐明了在UNIX和Windows系统之间实现文件及打印机共享的具体步骤。     

基于改进YOLOv5的驾驶员疲劳状态检测

为了减少因疲劳驾驶而造成的意外交通事故,提出了一种基于改进的YOLOv5网络模型,对驾驶员的疲劳状态进行检测。首先,使用轻量型网络MobileNetV3替换原YOLOv5主干网络;其次,在颈部网络各个C3模块中融入ECA注意力机制;最后,通过检测网络对眼睛的开合度和嘴巴有无打哈的状态进行定位和识别,使用多指标对驾驶员进行疲劳判定,并自建疲劳检测数据集进行实验。结果表明：改进的YOLOv5模型参数量、计算量、体积分别减小至原模型的48%、38%、50%,解决了原模型参数量、计算量、体积过大的问题;mAP值由98.6%提升至99.1%,精确率由95.9%提升至96.8%,检测速率由115 f/s提升至119 f/s,进一步提高了模型的检测精度和检测速度。改进的YOLOv5模型具备轻量化、高精度、高速率的特点,可为疲劳驾驶预警提供参考。     

一种基于感受野增强的人脸检测方法

为了解决多任务级联卷积神经网络（MTCNN）算法网络模型在小人脸检测方面鲁棒性较低的问题,提出了一种基于感受野增强的网络模型。首先,为MTCNN算法模型中的R-Net网络和O-Net网络添加感受野模块（receptive field blocks,RFB-S）。其次,通过添加批量标准化和全局平均池化,加速网络模型的收敛,防止模型过拟合。最后,调整网络任务的权重,P-Net和R-Net网络用于人脸区域粗筛选,O-Net网络用于人脸区域精筛选以及人脸关键点回归。实验结果表明,与MTCNN算法网络模型相比,所提模型缩小了16%,但检测速度提升了9%,在FDDB数据集上的检测精度提高了2.3%。因此,基于感受野增强的网络模型能有效完成人脸的检测任务,增强对小人脸检测的鲁棒性,可为人脸识别、表情识别等提供技术支持。