ADAS(汽车辅助驾驶)部分检测项目
使用 Faster-RCNN 算法对车辆、行人、非机动车进行检测,对算法进行优化。
基于深度学习进性部队训练姿态预估算法研究 项目负责人
使用采用自底向上的方法,采用 openpos 算法,先检查关节点再对人体检测,特征提取采用 Hrnet 网络,之后将特征图给关节点检测网络与肢体场网络,再对关节点与肢体场对应组成人体,最后实现对士兵训练姿态图像进行人体检测,姿态检测,姿态预估。
基于机器学习技术航天器故障诊断系统设计 项目负责人
对航天天器进行参数转换处理(均值、方差、斜率、频谱等),数据标注,对特征进行选取、剪裁、合并等处理,采用 Kmeans、决策树等聚类算法获取参数判据及数据变化特征知识,采用 SVM 等算法进行关联规则学习,获取关联规则知识,采用 CART 树回归算法,构建趋势预测模型。
飞行控制系统故障诊断算法设计 项目负责人
基于 PCA(主要成分分析)对数据降维并提取特征,采用 PSO(粒子群优化算法)优化的 RBF(径向基函数)神经网络,训练模型应用飞行控制故障诊断,算法实现关键解决了参数编码策略选取,适应度函数的选取,算法终止条件选取。
飞行器对装甲车目标识别与跟踪 项目负责人
基于 AdaBoost 算法进行分类器训练,采用背景差分法、帧间差分法、三帧差分法、高斯背景等算法进行目标检测,采用 Meanshift 算法、Camshift 算法、Kalman 滤波技术进行目标跟踪。
军用车牌号检测 项目负责人
构建数据集,使用 YOLO 算法首先对车牌区域检测,再对字符检测,识别率 95%,识别耗时 13ms。
一维安检门超宽带雷达信号分类算法设计 项目负责人
基于小波进行特征提取,并使用 XGBoost 和混合高斯等算法实现多目标分类。
穿墙雷达智能场景识别 项目负责人
首先使用 Python 对数据集进行扩增,然后在 Caffe 框架下编写设计 4 层卷积神经网络+1 层全连接网络实现穿墙雷达场景的智能识别任务,并在嵌入式平台实现。
车内乘客检测系统中的目标识别算法 项目负责人
基于 Faster-Rcnn 算法在地面站 windows 系统实现了对目标的检测,检测精度为 99%。
检门系统中深度学习目标检测算法设计 项目负责人
使用 Faster RCNN、SSD 等算法对安检门毫米波图像进行目标检测,检测精度为 95%;在 C++平台设计人体到人偶的模型映射,包括人体边缘检测、人体模型融合、人偶模型融合等功能模块,实现了危险品目标到模型的映射功能。
XX 弹的目标锁定与控制一体化方案设计 项目负责人
包括积相关图像识别跟踪算法,控制策略,姿态调整等,主要有自动目标识别流程,控制流程及算法的正确性。