多目标识别论文（共12篇）
多目标识别论文 篇1
手是人身上最灵活的部位,将人手作为与计算机之间的交流手段实现人机交互,相对人身体其他部位的交流更为自然、简洁、丰富和直接。手势模式是一类具有相当复杂变化的模式,要体现手势的多样性,需要将人的两只手手势分别识别,这就需要能实现多目标跟踪。
基于视觉的手势识别由于受限于当前计算机视觉技术发展现状,对手势的精确识别、减小光照条件以及其他因素的干扰是一个难点,而在复杂背景下对手势进行一个精确的描述则更加困难,目前存在的难点主要包括以下几个方面[1]:
(1)对复杂背景下的手势进行精确的分割。复杂的背景包括光照的变化、类似的颜色以及多手势出现等,都会对正确手势分割产生一定的干扰。干扰严重时,甚至会导致分割失败。
(2)要使手势能更多样化,需要有双手同时识别跟踪,这需要在Camshift算法上加以改进,实现多目标跟踪,Camshift算法是基于HSV颜色空间[2],而人手颜色是一样的,在两手同时进入时一定会出现混淆无法辨别,加之人脸、胳膊的肤色和手是一样的,在这些肤色同时进入时Camshift无法定位精准,甚至出现跟踪错误,所以要基于肤色来实现Camshift是不行的。
文中给出一种基于Camshift多目标手势识别,前提是要求两只手戴不同颜色的普通手套加以区分实现两手同时识别。优点是能实现两只手同时识别,不容易和肤色例如胳膊和人脸发生混淆,普通手套不像带有传感器的手套价格昂贵、携带不便,这是基于视觉的手势识别,具有视觉识别的优点,也能达到良好的跟踪和定位效果。
1 手势识别关键技术及流程
基于视觉手势识别的一般流程,如图1所示,首先,定义两只手套的颜色,系统通过USB摄像机获取视频图像,系统检测到具有这两种颜色或其中一种进入时,则把手势从图像中分割出来,然后选择合适的手势模型进行分析,最后对手势进行识别。
2 手区域分割
2.1 常用的色彩模型
为有效地将人手区域从整个图像中分割出来,需要建立一个合适的手势模型,这个手势模型要适合需要的颜色模型,而且在光照变换不强的时候也能起到一定的兼容性,在进行手势分割前,有必要了解一下色彩空间,常用的色彩空间有[3]:
(1)RGB颜色模型。人眼所见的各种色彩是因为光线有不同波长所造成的,人眼对其中3种波长的感受最强烈,只要适当调整这3种光的强度,就可以让人感受到几乎所有的颜色,这3种颜色称为光的三原色。
(2)HSV颜色模型。HSV色彩空间是根据色彩的3个基本属性:色相、饱和度和亮度确定颜色的一种方法。色相H是色彩的基本属性,就是平常所说的颜色名称,如红色、黄色等,取0°～360°的数值。饱和度S是指色彩的纯度,越高色彩纯度色彩越醇,低则逐渐变灰,取0～100%的数值。明度V也叫“亮度”,取0～100%。
2.2 颜色模型转换
由于RGB色彩空间对光照亮度变化比较敏感,为减少光照亮度变化对跟踪效果的影响,系统采用的Camshift算法要求将图像由RGB色彩空间转换为HSV色彩空间后进行处理,RGB转换到HSV的算法如下:
max=max(R,G,B)
min=min(R,G,B)
if R=max,H=(G-B)/(max-min)
if G=max,H=2+(B-R)/(max-min)
if B=max,H=4+(R-G)/(max-min)
H=H×60
if H < 0,H=H+360
V=max(R,G,B)
S=(max-min)/max。
2.3 Camshift算法及实现多目标跟踪
Camshift算法流程图如图2所示。
文中系统通过进行一些改动实现了Camshift两手同时跟踪,首先预先定义手套颜色模板目标1和目标2,然后分别将两种颜色模板转换为HSV颜色空间下,根据颜色模板H分量分别计算概率分布,概率分布即为对应某一段颜色区域目标模板中的个数。同样,将原图像转换成HSV颜色空间,根据目标模板颜色概率,分布直方图和原图像的H分量计算图像方向投影图,将图像参考目标1颜色转换为二值化图像。
根据图像方向投影图,以及给定的搜索终止条件、初始搜索框,将整个图像设为搜索区域,对二值化图像进行Camshitf搜索目标,搜索到目标后保存目标图像坐标,并在图像中将目标图像画出来;同样对目标2进行上面处理,得到目标2的图像坐标,并将目标2在图像中画出来,在图7中,右手为搜索到的目标1的区域,左手为搜索到的目标2的区域。这样就完成了一次搜索目标的整个过程,在以后的搜索过程中只需要采用第一次计算得到的目标模板概率分布即可,而初始搜索框分别采用上一次Camshift得到的两个框即可,跟踪结果如图3所示。
3 手势识别及实现PC机鼠标控制
系统采用双手势识别,采用比较简单的手势实现对鼠标的控制,鼠标的操作有移动、左击、右击、双击,这里采用手的握拳和松开,左手握拳控制鼠标左击事件,右手握拳表示鼠标右击事件、双手握拳表示鼠标进行一次双击事件、两手都松开表示鼠标没有点击事件。由于本系统要实现的是对鼠标的控制操作,不需要太多的手势,只需要识别每只手两种手势即可,但为尽少出现鼠标误操作,对于手势识别准确率有很高的要求,本系统采用的是对两个手势区域进行分析,分析区域的形状特征。
根据Camshift跟踪两手区域坐标实时控制鼠标移动,将两个区域的坐标的平均值作为鼠标移动的坐标位置,调用::SetCursorPos(_x,_y)函数控制鼠标,根据手势区域形状判断手势,手在松开和握拳时手势区域的宽高比是不一样的,手在松开时高与宽的比值要比手势在握拳时宽高比要大得多,定义一个宽高比的阈值,当其中一个区域的宽高比值大于这个阈值时,定义该区域的手势为松开手势,当其中一个区域手势的宽高比小于这个阈值时,定义该区域的手势为握拳手势;通过调用函数mouse_event()实现对鼠标的控制。能过对实验室的多名同学在不同光照条件下进行多次实验测试,结果如图8～图11所示,图像左上角显示字符是识别结果,表1为手势识别率。
在测试过程中,发现测试结果仍受光线影响较大,在光线充足时识别率较高,光线较差的条件下识别效果较差。
4 结束语
文中提出了一种基于Camshift的多目标跟踪以及简单的手势识别控制鼠标操作,优点是实现的双手识别,采用视觉识别技术应便捷,同时由于是两手戴有不同颜色的普通手套,不会和人的肤色发生混淆,手套颜色可以多样化以尽可能减小干扰,普通手套价格便宜,识别手势方法直观,准确率高;缺点是仍需戴手套,手势类型不够多样化,但对于控制鼠标实现简单的人机交互是可以满足的。
参考文献
[1]朱继玉.基于单目视觉的静态手势交互技术研究[D].北京:中国科学院软件研究所,2006.
[2]吴晓娟,翟海亭,王磊,等.一种改进的Camshiff手势跟踪算法[J].山东大学学报:工学版,2004(6):120-124.
[3]李玉山.数字视觉视频技术[M].西安:西安电子科技大学出版社,2006.
[4]刘寅,滕晓龙,刘重庆.复杂背景下基于傅立叶描述的手势识别[J].计算机仿真,2005(12):169-172.
[5]方奎,欧阳宁,莫建文.基于椭圆模型的手势识别与仿真[J].计算机仿真,2009(6):289-292,315.
多目标识别论文 篇2
提出了一种用于目标识别与分类的改进算法,以模糊数学和D-S证据理论作为其数据融合的.工具,通过比较基于融合信息进行分类与单传感器分类的结果,说明多传感器数据融合的优越性.
作 者：周洁敏 韩静 肖纪立 作者单位：南京航空航天大学民航学院, 刊 名：吉林工业大学自然科学学报 ISTIC EI PKU英文刊名：MATURAL SCIENCE JOURNAL OF JILIN UNIVERSITY OF TECHNOLOGY 年，卷(期)： 31(4) 分类号：V247.15 V249.121 关键词：D-S证据理论 模糊数学 目标识别与分类 数据融合
多目标识别论文 篇3
摘 要：当今社会，社交网络越来越普遍，Web用户常常会在多个社交网络进行注册，从而留下大量的个人信息，这就出现了Web应用的个性化领域问题。为了充分利用分布于网络上大量的用户信息集，首先我们考虑的是用户识别的问题，解决了用户识别的问题，我们才能整合并利用这些用户信息。然而用户识别的重点又在于多属性权重的判定，同一属性权重的不同，其相似性的判断结果也会有很大差异。文章通过引入熵值确定用户档案多个公共属性的权重，然后经过相似性度量方法获得最终结果。
关键词：多属性权重判定；用户识别；熵值；相似性度量
中图分类号：TP391 文献标识码：A 文章编号：1006-8937（2015）20-0080-03
1 背景概述
社交网络的迅速普及已经改变了人们的交流方式。目前网络提供可能的方式有很多，例如微博上发布的信息，在天猫，京东上的购买物品，同时这些行为也会在网络上留下大量的用户个人数据信息。一个用户可能会注册多个社交网络或应用的账户进行不同的活动，这些注册信息扩展了该用户的不同的个性化特征。
对于一个单独的商业应用而言，就是尽最大努力收集客户的个人信息来满足客户相应的需求，为了获取用户更多的信息首先面对的问题就是跨应用的用户识别。只有同一用户被识别后才能完成用户信息的整合。本文分析了用户识别的关键问题并给出了基于多属性判定的解决方法。提出了熵值确定公共属性权重，并通过相应的相似性度量寻找相同用户。
2 相关研究
目前用于跨应用用户识别领域的主要思想是比较不同应用的用户档案，每个注册用户有一个用户档案描述自己的个人信息，如果两个用户档案相同或在一定程度上类似，就可看作同一用户。
用户档案是由Vosecky等人提出[1]，通过由多个属性字段组成的向量来表示，两个用户的相似性是比较向量里不同字段表示的属性值来计算。但这种方法设计的属性和领域是紧耦合的，从而导致每一次领域的变化或个性化应用的改变都会产生权重的重计算。
Radd等[2]人提出了一种框架，通过判定算法计算两个档案的相似度。如果他们的档案相似度高于预定阀值，则认为是表示同一用户。
这种方法的主要问题是，一般默认所使用的代表用户唯一标识符IFP（Inverse Functional Property）是用户的电子邮件地址，该信息是用户私人的不能被其他人访问获取，因此作者也承认该方法并没有解决用户隐私的问题。
国内关于多属性决策问题也多用于统计学研究上，樊治平等人[3]通过建立主观和客观两个模型，为保证决策权重的最优，线性集成两个模型，并构造相应的模型函数，通过求解该函数最值得出最优权重。但该方法主观模型部分依赖专家权重，在跨应用用户识别上还存在难度。叶娜等人[4]提出的模式无关的用户识别算法则完全舍弃属性权重，实现了无需属性权重依然可以进行用户识别的目的。
3 多属性的相似性度量
用户识别的目的是推断出两个来自不同应用的两个用户档案是否是同一真实世界的实体。我们将用户档案定义为属性值对的向量，如下所示：
其中：
A是用户所有的属性集；
P是属性集对应的属性；
R是属性P的值域。
我们认为用户识别是在一个应用的用户集中找到一个可以匹配另一应用用户Us的用户Ud，在选取比较属性的时候，我们将用户模型分为公共属性部分和个性化属性部分，在比较属性相似度时我们选取公共属性部分进行比较。
但因为不同应用的异构性和语义的差异，例如不同的社交网络有不同的数据表示形式，即使是同一个属性，以生日为例，一些应用程序使用的形式DDMMYY而其他应用使用MMDDYY，所以属性相似度度量之前，用户数据应先进行标准化。此外由于属性值中可能存在近义词或相同意思不同表述的情况，所以在比较之前应该进行统一的语义映射。
两个用户的相似性是由公共属性的相似性决定的，其公式如公式1，式中，分别表示源用户与目标用户的第i个属性，表示该属性的权重。
3.1 属性相似性度量方法
目前用于属性相似性度量的方法多种多样，如Cosin，Euc-
lidean Distance，TF-IDF，simEditDistance，Dice[5]等。对于不同的属性的数据类型必须选择合适的度量方法才能大大增加运算结果的效率和准确率。
如何根据不同的属性数据动态的变换属性相似性度量方法目前依旧没有确定的结果。本文中我们选取Dice系数作为公共属性相似性的度量方法。
3.2 待选用户的筛选
在进行用户识别时，我们要做的是比较源应用的某个用户与目标应用的所有候选用户，但众所周知的是很多大型社交网站注册用户数都是非常庞大的，如Facebook拥有超过7.5亿的活跃用户，逐一比较是不现实的。根据观察，社交网络上用户经常使用相同的昵称或全名以方便互相联系。所以我们在筛选候选用户集时以昵称或全名作为关键字进行。
3.3 多属性用户相似性度量
对于相似性度量我们依据并扩展了Dice系数，Dice系数法的计算方式：两个候选集合X，Y的交集信息的2倍除以X，Y的元素的总和。公式如下：
对于本文中属性值都是字符串的相似性的计算，（2）式可扩展为如下表示：
对于单值属性，我们定义N为一组字符形式的双字母组，他们是字符串S中相邻的双字符。因此公式计算两个单值字符串S1和S2的相似性：共同的双字母组字符个数的2倍除以两个字符串双字母组字符集的总和，而对于多值属性，N是字符串S中的词集，两个多值字符串S1和S2的相似性可以通过两个字符串共同单词数的2倍除以两个字符串单词数的总和。
例如对于单值的字符串Tom和Tomy的相似性，Tom相邻的字母对是{‘To，‘om}，而Tomy是{‘To，‘om，‘my}。这两集合共同的字符对是2，所以这两个字符串相似性就是2×2/5=0.8。两个多值属性”red green white”和”blue yellow red”共同词的数目是1，所以相似性是2×1/6=0.33。
4 熵值确定属性权重
多属性权重的确定大致可分为两类：一类是主观赋权法，评价人员根据主观上对各属性的重视程度来决定权系数；另一类是客观赋权法，即根据各属性间的相关关系或各值的变异程度来确定权数。刘业政等人[6]提出的自适应方法结合主客观赋权法，在专家决策的前提下，根据熵权系数计算属性权重，并根据该权重计算新的决策结果与之前结果比较，重复多次后得出最优值。
传统的系统论中的熵越大说明系统越混乱，携带的信息越少，熵越小说明系统越有序，携带的信息越多，当系统可能处于几种不同状态，每种状态出现的概率为Pi（i=1，…，n）时，则系统的熵为：
其中：
Ej表示第j个事件。
本文中我们要根据待选用户各属性的相似度确定该属性的权重，所以熵值越大，信息越混乱，该属性对用户识别的判断就越模糊，其权重应该越小，所以在这里我们对公式（4）做了扩展，将Pi替换成属性相似度指标概率。那么扩展后的公式就变成式（5）。其中表示第i个用户第j个属性的相似度。
（5）
通过扩展后的公式我们计算出待选用户每种属性的熵值，为了确保熵值最小，我们构建扩展熵值Ij：
Ij=1/Ej（6）
通过构建扩展熵值我们确定待选用户的每个公共属性结果，最后我们根据该扩展熵值构建最终权重？棕：
具体过程如下：
构建属性相似度矩阵A，其中A中的元素aij代表候选用户Xi与源用户之间公共属性的相似度。
拆分矩阵A，组成单属性相似度矩阵B，其中B中元素代表候选用户Xi与源用户之间单个公共属性的相似度。
根据矩阵B计算出每种属性熵值Ej，最终得到变种最小熵值Ij。
确定相似性权重？棕j。
带入公式（1），并确定最相似用户。
5 算 例
本节中我们提供了一个来说明如何根据上述方法进行权重判定及用户识别，源用户数据见表1。
根据源用户数据进行标准化后的待选用户数据见表2。
我们先计算待选用户属性相似度矩阵A，以U1为例，通过式（3）我们求得Nickname的相似度：2×3/（4+3）=0.8571，interest属性相似度：2×2/（3+2）=0.8。
完成用户相似度矩阵并拆分后可得四组单属性相似度矩阵：
将单属性相似矩阵中的值带入式（5），求得每一组属性的熵值Ej，其结果为：
E1=0.7722，E2=0.7067，E3=0.5786，E4=0.5749。
再根据式（6）求得：
I1=1.2950，I2=1.4150，I3=1.7283，I4=1.7394。
最后我们根据公式7，求得每一种属性的权重分别是：
得出各属性权重后，依据公式1，得用户相似度矩阵：
通过比较U1的相似度最大，所以我们认定在待选y用户中，与Us成功匹配的是U1，也就是说，U1与Us是同一用户。
6 结 语
本文提出了一种解决用户识别中多属性权重判定的方法，并给出了具体算例。通过相似值计算熵值，通过熵值求得属性权重并得出最终的用户识别结果。
这里需要单纯的使用Dice系数在复杂的多个社交网络中进行用户属性相似度的计算并不是特别准确，所以我们下一步工作的重点就是研究如何动态调整不同类型属性的相似性度量。
参考文献：
[1] Vosecky J，hong D，shen V Y.User Identification Across Multiple Social Networks[A].Proceedings of the 1st International Conference on Networked Digital Technologies：July 28-31，2009. Ostrava，Czech Republic[C].2009.[2]RAAD E，CHBEIR R，DIPANDA A.User Profile Matching in Social Networks[A].Proceedings of the 13th International Conference on Network-Based Information Systems：September 14-16，2010[C].Takayama， Gifu，Japan.IEEE Press，2010.
[3] 樊治平，张全，马建.多属性决策中权重确定的一种集成方法[J].管理科学学报，1998，（3）.
[4] 叶娜，赵银亮，边根庆，等.模式无关的社交网络用户识别算法[J].西安交通大学学报，2013，（12）.
[5] 张宇，刘宇东，计钊.向量相似度测度方法[J].声学技术，2009，（4）：.
基于多站互扰的目标识别方法研究 篇4
目前测控任务一般需要多站采取组网方式完成外测任务, 根据测控任务需要和测量要求, 势必存在多站设备同时跟踪目标的情况。针对这种多站工作的情况, 由于同时触发应答机工作, 会在各站目标识别时, 产生相互干扰, 加上低仰角跟踪时近距杂波大、箭船分离时应答Ⅰ信号与应答Ⅱ信号干扰, 都会增加操作人员识别目标的难度, 而且盲目地移相, 会对他站和自身带来不必要的干扰和影响。因此, 有必要对目标识别方法进行研究, 主要研究内容是移相策略 (自动移相和手动移相方式的选择运用、操作人员之间的行为规则和约束等) 。
1多站互扰
多站设备跟踪目标时, 由于近距杂波和应答机的原因, 会产生相互干扰, 下面分别进行逐一分析。
1.1近距杂波
所谓近距杂波[1], 就是设备功率通过主瓣、副瓣、尾瓣发射到海浪、云层、雨区等近距的障碍物, 并反射回来被接收, 形成的杂波信号。其特点是即使天线朝天 (仰角90°) , 由于副瓣的功率输出, 也会接收到较强的杂波, 当天线对准地平 (仰角0°) 附近时, 近距杂波范围、幅度最大。当目标距离较近时, 如果设备采用了STC (时间灵敏度控制) 体制, 可以削弱近距杂波的不利影响。测量船海上执行任务时, 当天气晴朗时, 近距杂波很小。但是当气候条件恶劣、下雨、风浪大时, 近距杂波较大, 特别是当低仰角时近距杂波特别大。克服近距杂波的对策如下:
① 采用较大的盲距。避盲时会自动移相半个周期, 可以避开近距杂波对回波的干扰;
② 在仰角较高时才开始捕获跟踪;
③ 降低发射机功率输出, 以减小杂波大小。由于历次任务上行余量很大, 一般为20～30 dB, 适当降低功率输出也可以满足触发箭上应答机的门限。
但在多站工作时会出现新的干扰。当前站即将退出跟踪前, 由于采用自动移相方式, 近距杂波特别大, 进入前卫门后, 被认为是他站信号, 从而触发移相动作。因为近距杂波是由本站的功率反射回来形成的, 移相后杂波相对与回波的时间关系不会改变, 所以会不停地自动移相, 影响本站及他站的正常跟踪。
1.2箭船分离
飞船任务中, 在火箭和飞船分别产生了应答Ⅰ与应答Ⅱ信号。若前站跟踪应答Ⅰ信号, 后站跟踪应答Ⅱ信号, 箭船分离前, 应答Ⅰ与应答Ⅱ信号存在固定的时延关系, 但是箭船分离后的一段时间内, 火箭和飞船之间距离越来越远, 应答Ⅰ与应答Ⅱ信号就不存在固定的时延关系, 应答Ⅰ信号会被当成他站信号, 后站可能对进入前卫门中的应答Ⅰ信号做自动移相动作, 从而造成后站连续非正常自动移相。
1.3搜索目标
当后站开始搜索目标时, 由于后站的自动移相方式无效, 对前站正常工作会产生干扰。任务中曾经出现后站信号从后侧接近前站跟踪波门, 后站信号不断后跳又反复从后冲击前站信号, 多次影响前站跟踪。通常外站从后侧接近本站时, 外站前卫门不起作用, 而本站又没有后卫门检测它, 所以就会出现对本站信号的直接冲击干扰。
2目标识别方法
针对上述多站工作时带来的若干相互干扰情况, 为保证任务顺利完成, 必须制定新的移相策略。首先介绍移相方式。
2.1自动移相和手动移相
脉冲相参应答机触发响应恢复有一定时间, 当2台频率相近的设备同时工作时, 一台先触发应答机, 在恢复时间内将无法响应另一台的触发脉冲, 所以需要将2台设备的询问信号在时间上错开。因此采取移相来解决, 移相有自动和手动2种方式。
采用自动移相方式时, 测距机在跟踪波门前设置了一定宽度的前卫门, 在前卫门内检测到任何干扰信号后, 测距机自动移相, 即发射机主脉冲、跟踪波门等本机的波门信号提前一个相位[2,3], 以此保证多站工作时的协同工作, 如图1所示。
设备前卫门如图2所示, 可将其看作是由一个宽度约为T0的脉冲中间开了2个宽度为T1、间隔为T2的免检窗 (宽度是T3) 形成的, 分别对应于本站反射信号和应答Ⅰ信号。只要有干扰信号进入卫门时, 能够触发本站提前发射移相脉冲, 但是不能区分他站信号和本站信号, 因此必须设法保证避免自身的信号 (如反射、应答Ⅰ、应答Ⅱ信号以及近距杂波) 进入卫门引起自触发移相发射。
手动移相功能可以人为改变本机的相位。由于改变相位后, 本站的主脉冲相对于本站的回波信号的时间关系不会改变, 相对他站的回波信号的时间关系发生了变化, 所以在显示器上随“左移”、“右移”动作而左右移动的回波就是他站的回波。因此操作人员可以利用手动移相功能来判别目标。
正常情况下, 由于自动移相方式具有基本不需人工干预等优点, 测量链上的2站或多站设备一般设置为自动移相方式。同时可以按“左移”、“右移”, 利用手动移相来区分信号是否本站的回波 (自动移相方式下也可以手动移相) 。距离跟踪后, 如果成功判N, 即可判定跟踪的是本站的回波信号。
但是因为存在前面叙述的干扰情况, 为保证任务顺利高效完成, 必须制定新的移相策略。
2.2移相策略
2.2.1 近距杂波
(1) 2站同为自动移相方式工作
由于采用自动移相方式后, 近距杂波进入前卫门后, 被认为是他站信号, 从而触发不停地自动移相动作, 影响本站及他站的正常跟踪。所以在近距杂波多的情况下, 应当采用手动移相。也可以在任务前约定仰角低于一定角度就转为手动移相方式。具体操作时要注意以下几点:
① 前站。双站触发时, 前站根据近距杂波的强弱, 视情在低仰角时改为手动移相方式, 以防止近距杂波的干扰, 及时脱开自跟踪, 且脱开自跟踪后及时降功率, 同时天线方位偏离目标;
② 后站。双站触发时, 后站根据近距杂波的强弱, 视情在低仰角时改为手动移相方式, 以防止近距杂波的干扰。高仰角时如果近距杂波变小, 可以视情转为自动移相方式。如果脱离双站触发区间, 变为单站工作, 可以转为自动移相方式;
③ 2站操作人员的配合。双站操作人员进行手动移相操作, 使回波与其他站的回波保持安全距离。2站距离操作人员要注意配合, 进行手动移相操作时, 将回波与其他站的回波保持一定间隔以上, 防止相互干扰。移相方向必须为远离他站设备的方向, 禁止相对移相, 即要求回波信号位于左面的设备左移, 回波信号位于右面的设备右移。本站的回波与他站的回波也禁止处于相互固定间隔的位置, 以防止他站避盲后自动移相半个周期, 干扰本站的回波信号。
(2) 某一站为手动移相方式工作
正常情况下2站都使用自动移相方式, 但是如果由于特殊原因, 如近距杂波大, 有一站处在手动移相方式, 由于本站改为手动移相方式的时机无法被他站及时了解, 所以不能期望他站移相, 而应当主动进行手动移相操作, 使2站的信号保持安全距离。如果通过事先约定等途径明确了解到他站处在手动移相方式, 也应当进行相应的配合。
2.2.2 箭船分离
由于箭船分离后的一段时间内, 应答Ⅰ与应答Ⅱ信号不存在固定时延关系, 应答Ⅰ信号会被当成他站信号, 后站可能对进入前卫门中的应答Ⅰ信号做自动移相动作, 从而造成后站连续非正常自动移相。所以当箭船分离后的一段时间内, 应当设置为手动移相方式, 待一段时间后, 视情转回自动移相方式。
2.2.3 搜索目标
由于后站开始搜索目标时, 后站信号不断后跳又反复从后冲击前站信号, 多次影响前站跟踪。所以前站要在任务前估算出后站的搜索时段, 在此时段提高注意力, 发现有从后冲击本站的信号就迅速向左移相, 远离后站的信号。
3其他方法
3.1增加盲距范围
多站工作时, 如遇到气候条件恶劣、下雨、风浪大时, 近距海杂波较大, 海杂波在距离上呈现为分布式的, 其特征可用平均表面截面积 (它在一个均值上下轻微起伏) 来描述。海杂波信号的强度随入射余角的增大而增大, 随风速 (或海表面状态) 的增强而增强, 并且在垂直极化和逆风-顺风方向时杂波信号强度通常较大。常表现为孤立 (或离散) 的类似于目标的时变回波, 在高分辨情况下, 通常认为分布式海杂波是由密集的离散回波序列组成的。
特别是当低仰角时近距杂波特别大时, 如果不采取措施, 近距杂波范围甚至可达100 km以上, 严重影响操作人员。针对这一情况, 也可以从盲距上入手, 盲距是常规单一重复频率脉冲体制设备能够达到的最大作用距离, 是指在发射脉冲信号的时间Ta内, 收发转换开关连接发射机, 接收机不能工作, 那么Ta对应的双程距离Ra= (C*Ta) /2就是该设备的盲距, 在离天线最近的0～Ra范围内是“瞎子”。采用可行的方案是适当的增大盲距范围, 将32 km增加到80 km。
3.2后卫门
在多站工作时, 由于发射脉冲的起始时间不同, 且目标相对于不同站有不同的径向速度, 因此从显示终端上经常会产生目标信号的交会。由于前卫门宽度与应答机时延可能不匹配的现象, 导致前卫门检测到信号, 还未满足移相准则时, 后面的目标信号已进入前面触发信号的恢复时间内, 产生信号偷漏现象, 可能会引起目标丢失[4]。
对于搜索目标时, 外站从后侧接近本站时, 外站前卫门不起作用, 而本站又没有后卫门检测它, 所以就会出现对本站信号的直接冲击干扰。可以考虑修改自动移相方式的的体制, 设立前后卫门, 前卫门检测到信号时向左移相, 后卫门检测到信号时向右移相。这样就可以避免搜索目标时出现的信号冲击问题。增加后卫门也可以解决双站工作时, 一站自动移相一站手动移相出现的问题, 采用自动移相方式的可以通过后卫门防止另一站的干扰。
4结束语
综上所述, 对于新的测量任务和工作要求, 以及设备的相参工作方式等, 多站工作方式较多, 当然会存在一定的相互干扰, 如果不对这一干扰现象采取有效方法, 必然对目标的识别和操作人员的正确判断处置带来很大影响, 甚至影响测量任务的完成。本文针对这一情况, 从多站工作相互干扰的来源入手, 分别从近距杂波、箭船分离和搜索目标3个方面逐一分析, 并且对信号干扰时的目标识别方法进行了研究, 提出了有效的解决方法, 主要是移相策略和操作人员的行为准则等, 并在实际中实施, 得到了明显的效果。
参考文献
[1]SKOLNIK M.雷达手册[M].王军, 译.北京:电子工业出版社, 2003.
[2]王德纯, 丁家会, 程望东, 等.精密跟踪测量雷达技术[M].北京:电子工业出版社, 2006.
[3]钱志强.距离跟踪回路的研究[J].现代雷达, 2004, 18 (7) :41-43.
银行业机构参考识别师(多选题) 篇5
A.货币识别师 B.货币鉴别师 C.货币鉴定师 “三师队伍”建设中应坚持的原则是（ABD）。A.明确目标 B.抓住重点 C.统一行动 D.因材施教
反假货币联席会议制度主要职责是（BCD）。
A.抓捕假币犯罪分子 B.负责组织和协调各成员单位开展打击、防范假币犯罪活动 C.部署反假货币宣传、教育 D.落实反假货币管理
4.近年来，假币犯罪活动具有（ACDE）等特点。
A.作案方式和犯罪手法不断翻新 B.犯罪区域相对分散 C.假币伪造的对象是大面额人民币 D.假外币威胁加大 E.犯罪组织严密
5.我国反假货币的对外宣传教育工作严格遵循（BD）原则。
A.打防结合 B.内紧外松 C.内松外紧 D.内外有别
6.识别真假人民币的简易方法有（ABCD）。
A.看—真币对照法 B.摸—手感触摸法 C.听—纸张分析法 D.测—工具测量法
7.硬币有以下情形的不宜流通：（ABDE）
A.穿孔、裂口 B.变形 C.划痕、弄脏
D.文字、面额数字、图案模糊不清 E.磨损、氧化
8.水印从艺术效果看，可分为（ABC）等类型。
A.黑水印 B.白水印 C.多层次水印 D.固定水印 E.模压水印 9.以下防伪措施是在纸张抄造过程中实现的：（BCE）
A.手工雕刻头像 B.水印 C.荧光安全线 D.磁性号码 E.特种安全纤维
10.以下防伪措施需迎光透视观察：（BD）。
A.光变油墨 B.水印 C.隐形面额数字 D.胶印对印图案 E.凸印缩微文字
11.常见的安全线实施技术有（ABC）。
A.全埋式施放 B.开窗式施放 C.双安全线施放 D.全息式施放 E.半埋式施放
12.第五套人民币采用（ABCD）的发行原则。
A.一次公告 B.分次发行 C.新旧版混合流通 D.逐步回收旧版 13.第五套人民币2005年版50元纸币正面（ABCE）是采用雕刻凹版印刷的。
A.头像 B.行名 C.国徽 D.对印图案 E.含隐形面额数字的装饰图案
14.第五套人民币100元纸币在设计上突出了（BCE）。
A.大国徽 B.大人像 C.大水印 D.大盲文标记 E.大面额数字 15.第五套人民币采用固定人像水印的有（AB）。A.100元 B.50元 C.20元 D.10元 E.5元
16.第五套人民币采用固定花卉水印的有（CDE）。
A.100元 B.50元 C.20元 D.10元 E.5元
17.第五套人民币纸币背面右上方印有汉语拼音和（BCDE）少数民族的“中国人民银行”字样。
A.回 B.蒙 C.壮 D.藏 E.维
18.第五套人民币1999年版（ABDE）元面额纸币采用的是双面凹印。1.2.3.A.100元 B.50元 C.20元 D.10元 E.5元 19.第五套人民币1999年版纸币采用的安全线有（ABD）。
A.磁性微缩文字安全线 B.明暗相间的安全线 C.隐性彩色线条安全线 D.全息磁性开窗安全线 E.磁性荧光安全线
20.第五套人民币2005年版100元纸币与1999年版100元纸币相比，增加了哪些防伪特征？（ABC）
A.白水印 B.凹印手感线 C.特种标记 D.双色异形横号码
21.第五套人民币2005年版20元纸币与1999年版20元纸币相比，增加了哪些防伪特征？（ABC）
A.白水印 B.凹印手感线 C.胶印对印图案 D.双色异形横号码 22.第五套人民币2005年版20元纸币与1999年版20元纸币相比，调整的公众防伪特征有哪些？（ACD）
A.雕刻凹版印刷 B.双色异形横号码 C.全息磁性开窗安全线 D.隐形面额数字
23.第五套人民币2005年版10元纸币与1999年版10元纸币相比，保留了哪些公众防伪特征（ABCDEF）
A.固定花卉水印 B.白水印 C.全息磁性开窗安全线 D.手工雕刻头像 E.胶印缩微文字
24.第五套人民币2005年版100元纸币保留的公众防伪特征是（ABCD）
A.固定人像水印 B.手工雕刻头像 C.胶印缩微文字 D.雕刻凹版印刷
25.第五套人民币2005年版100元纸币调整的公众防伪特征是（ABCDE）
A.光变油墨面额数字 B.胶印对印图案位置 C.隐形面额数字观察度 D.全息磁性开窗安全线 E.双色异形横号码
26.第五套人民币2005年版100元纸币增加的公众防伪特征是（AB）
A.白水印 B.凹印手感线 C.胶印对印图案 D.双色异形横号码
27.第五套人民币2005年版20元纸币保留的公众防伪特征是（ABCE）
A.固定花卉水印 B.手工雕刻头像 C.胶印缩微文字 D.雕刻凹版印刷 E.双色横号码
28.第五套人民币2005年版20元纸币调整的公众防伪特征是（ACD）
A.雕刻凹版印刷 B.胶印对印图案位置 C.隐形面额数字观察度 D.全息磁性开窗安全线E.双色异形横号码
29.第五套人民币2005年版20元纸币增加了公众防伪特征是（ABC）
A.白水印 B.凹印手感线 C.胶印对印图案 D.双色异形横号码
30.第五套人民币2005年版10元纸币增加防伪特征是（BD）
A.隐形面额数字 B.凹印手感线 C.胶印对印图案 D.特种标记 31.第五套人民币2005年版100、50元纸币公众防伪特征调整了（BC）的位置。
A.隐形面额数字 B.光变油墨面额数字 C.胶印对印图案 D.手工雕刻头像 E.盲文标记
32.第五套人民币2005年版哪些券别纸币采用了胶印对印图案的防伪措施。（ABCD）
A.100元 B.50元 C.20元 D.10元 E.5元
33.第五套人民币2005年版哪些券别纸币采用了透光性很强的白水印防伪特征。（ABCDE）
A.100元 B.50元 C.20元 D.10元 E.5元 34.第五套人民币2005年版哪些券别纸币采用了双色异形横号码。（AB）
A.100元 B.50元 C.20元 D.10元 E.5元
35.第五套人民币1999年版哪些券别纸币采用了胶印对印图案的防伪措施。（ABD）
A.100元 B.50元 C.20元 D.10元 E.5元
36.第五套人民币2005年版哪些券别纸币在冠字号码下方新增了白水印防伪特征（ABC）
A.100元 B.50元 C.20元 D.10元 E.5元 37.第五套人民币1999年版哪些券别纸币采用横竖双号码（AB）。
A.100元 B.50元 C.20元 D.10元 E.5元 38.第五套人民币1999年版哪些券别纸币采用双色横号码（CDE）。
A.100元 B.50元 C.20元 D.10元 E.5元 39.第五套人民币2005年版哪些券别纸币采用双色横号码（CDE）。
A.100元 B.50元 C.20元 D.10元 E.5元
40.第五套人民币1999年版纸币哪些券别采用磁性缩微文字安全线（AB）。
A.100元 B.50元 C.20元 D.10元 E.5元
41.第五套人民币1999年版纸币哪些券别采用全息磁性开窗安全线（DE）。
A.100元 B.50元 C.20元 D.10元 E.5元
42.第五套人民币2005年版哪些券别纸币采用正开式全息磁性开窗安全线（CDE）。
A.100元 B.50元 C.20元 D.10元 E.5元
43.第五套人民币2005年版哪些券别纸币采用背开式全息磁性开窗安全线（AB）。
A.100元 B.50元 C.20元 D.10元 E.5元 44.第五套人民币1999年版纸币哪些券别未采用凹印手感线（ABCDE）。
A.100元 B.50元 C.20元 D.10元 E.5元 45.第五套人民币纸币采用光变油墨面额数字的券别有（AB）。
A.100元 B.50元 C.20元 D.10元 E.5元 46.第五套人民币1999年版纸币哪些券别采用胶印对印图案（ABD）。
A.100元 B.50元 C.20元 D.10元 E.5元 47.第五套人民币2005年版哪些券别纸币采用胶印对印图案（ABCD）。
A.100元 B.50元 C.20元 D.10元 E.5元 48.《中华人民共和国人民币管理条例》所称人民币，是指中国人民银行依法发行货币，包括（CD）。
A.外币 B.本币 C.纸币 D.硬币
49.从事人民币的（ABCDE）等活动，应当遵守《中华人民共和国人民币管理条例》。
A.设计 B.印刷 C.发行 D.流通 E.回收
50.中国人银行发行新版人民币应当公告的内容包括（ABCD）规格、主色调和主要特征等。
A.发行时间 B.面额 C.图案 D.式样 E.发行目的 51.中国人民银行发行的纪念币包括（AC）
A.普通纪念币 B.特殊纪念币 C.贵金属纪念币 D.硬币 52.假币一般分为（BD）。
A.机制币 B.伪造币 C.复印币 D.变造币
53.下列哪些行为是《中华人民共和国人民币管理条例》所禁止的。（ABCD）
A.伪造、变造人民币 B.故意损毁人民币 C.持有伪造、变造人民币 D.制作、仿制、买卖缩小的人民币图样 E.经中国人民银行批准后，装帧流通的 人民币
54.单位和个人持有假货币，应当及时上交到（ABC）。
A.办理货币存取款和外币兑换业务的金融机构 B.中国人民银行 C.公安机关 D.司法机关 E.工商管理机关
55.（ABC）单位可以收缴或没收假币。
A.人民银行 B.商业银行 C.信用社 D.证券公司 E.收费站 56.金融机构在收缴假币过程中发现（ACDE）情况，应当立即报告公安机关。
A.一次性发现假人民币20张（枚）（含20张、枚）以上，假外币10张（枚）（含10张、枚）以上的 B.一次性发现假人民币10张（枚）以上的 C.属于利用新的造假手段制造假币的 D.有制造、贩卖假币线索的 E.持有人不配合金融机构收缴行为的情况
57.假币收缴必须遵循（ABCD）操作程序。
A.在持有人视线范围内当面收缴 B.加盖“假币”章或用专用袋加封 C.出具《假币收缴凭证》 D.向持有人告知其权利 E.将盖章后的假币退还持有人
58.假币印章应盖在假币的（AD）位置。
A.正面水印窗 B.正面中间 C.背面水印窗 D.背面中间 E.正面右侧
59.有权办理人民币真伪鉴定业务的金融机构是（BDE）业务机构。
A.浦东发展银行 B.中国工商银行 C.深圳发展银行 D.中国银行 E.中国建设银行
60.对盖有“假币”字样戳记的人民币，经鉴定为假币的，由鉴定单位予以没收，并向收缴单位开具（AC）。
A.《假币没收收据》 B.《假币收缴凭证》 C.《货币真伪鉴定书》 61.金融机构有（ABCD）行为之一，但尚未构成犯罪的由中国人民银行给予警告、罚款：
A.发现假币而不收缴的 B.未按照《中国人民银行假币收缴、鉴定管理办法》规定程序收缴假币的 C.应向人民银行和公安机关报告而不报告的 D.截留或私自处理收缴假币的，或使已收缴的假币重新流入市场的62.故意损毁人民币的行为有（BCDE）。
A.装帧人民币的 B.将完整人民币纸币故意用烟火部分或全部烧毁的 C.在人民币上乱写乱画的 D.用人民币制作工业品 E.熔炼硬币
63.伪造货币有下列情形之一的，处以十年以上有期徒刑、无期徒刑或者死刑，并处五万元以上五十万元以下罚金或者没收财产。（ABE）
A.伪造货币集团的首要分子 B.伪造货币数额特别巨大的 C.伪造并运输贩卖的 D.伪造外币的 E.有其他特别严重情节的
64.人民币纸币具有以下（ABD）情形的不宜流通。
A.脱色、变色、变形 B.票面纸质软绵 C.票面有折痕 D.票面起皱明显
65.在中华人民共和国境内依法建立的法人在具备（ABC）情况下可申请装帧流通人民币。
A.宣传国家政策 B.进行爱国主义教育 C.弘扬民族优秀文化和反映国内外新的科学文化成果 D.三年内连续盈利 E.无违法经营纪录
66.申请装帧流通人民币1万枚（套）以上的法人，在符合申请装帧流通人民币申请的 一般要素外，还应具备：（AD）。
A.获得经营流通人民币许可，并连续经营三年以上 B.营业面积不得低于100平方米 C.注册资本金不得低于1000万元人民币 D.注册资本不得低于500万元人民币 E.最近两年连续盈利。
67.获得经营流通人民币许可的法人依法终止的，审批机关应当（AB）。
A.注销其经营流通人民币的行政许可 B.收回经营流通人民币许可证 C.公告申明其经营流通人民币的行政许可作废 D.公告登记债权，组织清算 E.收取注销费
68.申请装帧流通人民币的申请人，应向中国人民银行当地分支机构提出申请，并提交申请报告。报告中说明装帧流通人民币的（ABCD）等内容；
A.用途、目的 B.制作单位名称 C.装帧单位名称 D.数量、品种、样式 E.销售单位名称
69.2005年版100元、50元纸币对专业防伪特征（BCD）进行了调整。
A.雕刻凹版印刷 B.凹印微缩文字 C.磁性号码 D.专用纸张 E.胶印对印图案
70.（ABC）面额欧元纸币采用了珠光油墨技术。
A.5欧元 B.10欧元 C.20欧元 D.50欧元 E.100欧元 71.（BCDE）欧元采用了光变油墨技术。
A.2欧元 B.50欧元 C.100欧元 D.200欧元 E.500欧元 72.（DE）面额欧元纸币采用了凹印盲文标记。
A.20欧元 B.50欧元 C.100欧元 D.200欧元 E.500欧元 73.欧元纸张中采用了无色荧光纤维，在紫外光下显现（ADE）。
A.红色 B.紫色 C.黄色 D.绿色 E.蓝色 74.（BDE）的1000港元纸张中含有无色荧光纤维。
A.汇丰银行2000年版 B.中国银行1996年版 C.中国银行2001年版 D.渣打银行2001年版 E.渣打银行1993年版
75.第二套人民币中的（BCD）等券别由苏联代印。
A.1元券 B.3元券 C.5元券 D.10元券
76.第五套人民币100元纸币采用凹版印刷的图文有哪些？（ABCDEF）
A.正面人像 B.行名 C.国徽 D.面额数字 E.盲文 77.以下哪些属于伪造币？（ABD）
A.拓印假币 B.复印假币 C.拼凑假币 D.描绘假币
78.以下哪些属于变造币？(BC)A.剪贴假币 B.拼凑假币 C.揭页假币 D.照相假币
79.机制假币可以分为哪几种？(AC)A.机制凹印假币 B.机制套印假币 C.机制胶印假币 D.机制复印假币
80.货币真伪鉴定的主体是(AD)。
A.中国人民银行及其分支机构 B.银行业机构营业网点 C.公安部门的实验室 D.中国人民银行授权的机构
81.《货币真伪鉴定书》可以作为（AB）的依据。
A.公安机关作出处罚决定 B.法院判决 C.银行业机构柜面收缴假币 D.执法部门领取反假货币奖励
82.在我国，根据法律规定，可以收缴假币的单位是（ABC）。
A.人民银行 B.商业银行 C.信用社 D.证券公司 E.收费站 83.用眼观的方法检测人民币真假时主要看(ABCD)等部位。
A.水印 B.安全线 C.正背对印 D.隐形面额数字
84.用手摸的方法检测人民币真假时主要抚摸(ABC)等部位。
A.主景人像 B.凹印手感线 C.行名 D.水印
85.精密仪器检测人民币真假主要检测钞票的(ABCD)。
A.光谱学特征 B.磁学特征 C.纸张成分 D.油墨成分
86.点钞机使用的检测技术主要有(ABCD)。
A.紫外荧光检测 B.磁性油墨检测 C.红外特征检测 D.磁性安全线检测
87.验钞仪使用的检测技术主要有(AB)。
A.紫外荧光检测
B.磁性油墨检测 C.红外特征检测
D.磁性安全线检测
88.持有人在对金融机构作出的有关收缴假币的具体行政行为有异议时，可如何处理？（BD）
A.可凭假币收缴凭证去当地人民银行申请真伪鉴定 B.可向当地人民银行申请行政复议 C.可向当地银监部门申请行政复议 D.可依法提起行政诉讼
89.关于残缺、污损人民币的说法正确的有（AB）。
A.办理人民币存取款业务的银行业金融机构应当按照中国人民银行的规定，无偿为公众兑换残缺、污损的人民币 B.办理人民币存取款业务的银行业金融机构应当按照中国人民银行的规定挑剔残缺、污损人民币并将其交存当地中国人民银行 C.办理人民币存取款业务的银行业金融机构为公众提供兑残服务时可以适当收取服务费用
90.残损人民币符合“半额”兑换标准的是（AD）。
A.能辨别面额，票面剩余二分之一（含）至四分之三以下，其图案.文字能按原样连接的残缺、污损人民币 B.能辨别面额，票面剩余四分之三（含）以上，其图案、文字能按原样连接的残缺、污损人民币 C..能辨别面额，票面剩余不足二分之一的，其图案、文字能按原样连接的残缺、污损人民币 D.“纸币呈正十字形缺少四分之一的票面
91.银行业金融机构临柜人员应当面在兑换的残缺人民币票面上加盖（AC）戳记。
A.经办人
B.兑换单位
C.全额或半额 92.银行业金融机构办理残缺污损人民币兑换可能用到的印章有（ABC）。
A.全额章
B.半额章
C.兑换章
D.单位公章
93.特殊残缺、污损人民币剩余面积是指票面图案、文字、纸张能按原样连接的实物面积,（AB）。
A.包括与票面原样连接的炭化、变形部分 B.不能按原样连接的部分，不作为票面剩余面积计算 C.不包括与票面原样连接的炭化、变形部分
94.残缺、污损人民币依据剩余面积大小可以按（AB）比例兑换。
A.半额 B.全额 C.四分之三
95.残缺污损人民币兑换单位是(ABCD)。
A.各股份制商业银行营业网点 B.中国邮政储蓄银行营业网点 C.办理人民币现金业务的各外资银行营业网点 D.各农村商业银行营业网点 E.人民银行各分支机构
96.当银行业金融机构认定残缺、污损人民币票面剩余不足二分之一时，应（AC）。
A.不予兑换 B.没收该残缺、污损人民币 C.退回持有人 D.出具认定证明
97.关于残缺、污损人民币兑换标准说法正确的是（ACE）。
A.兑换分“全额”、“半额”两种情况 B.票面剩余五分之四（含五分之四）以上，按全额兑换 C.票面剩余四分之三（含四分之三）以上，按全额兑换 D.票面剩余二分之一至四分之三（含四分之三），按半额兑换 E.纸币呈正十字形缺少四分之一的，按原面额的一半兑换
98.属于特殊残缺、污损人民币的是（ABCD）。
A.火烧币 B.虫蛀币 C.霉烂币 D.鼠咬币
99.特殊残缺、污损人民币是指票面因（ABCD）等特殊原因，造成外观、质地、防伪特征受损，纸张炭化、变形，图案不清晰，不宜再继续流通使用的人民币。
A.火灾 B.虫蛀 C.鼠咬 D.霉烂 E.撕毁 100.残缺、污损人民币是指票面（AC），或因自然磨损、侵蚀，外观、质地受损，颜色变化，图案不清晰，防伪特征受损，不宜再继续流通使用的人民币。
A.撕裂 B.涂写 C.损缺 D.洞透 E.皱折
101.下列哪些行为是《中华人民共和国人民币管理条例》所禁止的？（ABCDE）
A.伪造、变造人民币 B.故意毁损人民币 C.持有伪造、变造的人民币 D.制作、仿制、买卖缩小的人民币图样 E.高价出售所谓“错版”的流通人民币
102.在宣传品、出版物或者其他商品上非法使用人民币图样的应如何处罚？（ABD）
A.中国人民银行应当责令改正 B.销毁非法使用的人民币图样 C.没收违法所得，并处三万元以下罚款 D.没收违法所得，并处五万元以下罚款
103.鉴别真假欧元的识别方法是(ABCD)。
A.一看 B.二摸 C.三听
D.四测
104.2004年开始发行的新版日元纸币应用的最新防伪技术是（CDEF）。
A.超细线纹印刷
B.荧光油墨 C.条状水印 D.全息图像 E.隐形图文
105.2010新版港元纸币加入多项先进的防伪特征，其中五项比较重要的特征包括（ABCDE）。
A.动感变色图案 B.变色开窗金属线 C.统一高透光水印 D.荧光透视图案 E.荧光钞票号码
106.现行澳元塑料钞的主要防伪特征有（ABCDE）。
A.聚合物钞材 B.透明视窗 C.缩微图文 D.凹版印刷 E.阴影图像
107.现行加元纸币具有6种重要的防伪特征，包括（）。
A.全息金属条 B.水印 C.安全线 D.对印面额数字 E.有色荧光图文
108.小王在银行办理存款业务时，被银行工作人员告知有一张100元假人民币，小王不服，按照程序到当地人民银行进行鉴定，经鉴定为真币，请问该如何处理？（BCE）
A.由鉴定单位按照面额兑换完整券退还持有人 B.由鉴定单位交收缴单位按照面额兑换完整券退还持有人 C.收回持有人的《假币收缴凭证》 D.盖有“假币”戳记的人民币应退还小王 E.”盖有“假币”戳记的人民币按损伤人民币处理
109.小张到一农业银行营业网点办理特殊残缺污损人民币兑换业务，对柜面人员认定的兑换结果存有异议，下列操作程序不符合规定的有？（AD）
A.经小张要求，该农业银行营业网点应出具认定证明并没收特殊残缺、污损人民币 B.经小张要求，该农业银行网点应出具认定证明并退回特殊残缺、污损人民币 C.小张可携带特殊残缺、污损人民币实物和农业银行出具的认定证明到当地人民银行申请鉴定，人民银行鉴定人员按照《中国人民银行残缺污损人民币兑换办法》有关规定进行鉴定，出具《中国人民银行残缺污损人民币鉴定书》，并将鉴定的特殊残缺、污损人民币装入专用袋密封
D.银行业金融机构核对人民银行转来的专用袋、鉴定书和持有人出示的鉴定书无误后，填制《金融机构特殊残缺污损人民币兑换单》，向持有人办理兑换业务，并收回持有人持有的《鉴定书》，必要时银行业金融机构可开袋确认人民银行的鉴定结果
110.某银行柜员小陈在柜面收到客户假硬币一枚，小张立即叫来网点保安一起鉴定，保安确认该硬币为假币。小张遂与保安找来工具，当着客户面，在假硬币上敲上“假币”字样，并向客户开具收缴凭证，将假硬币收缴。此收缴过程中，有哪些不合规之处？（AB）
A.对假硬币，应以专用袋加封，封口处加盖“假币”字样戳记 B.网点保安不能参与鉴定、收缴 C.该柜员小题大做，对于假硬币可以退还客户
111.张先生到某银行存款，储蓄柜台工作人员小李发现其中有1张50元纸币是假币，并且是从未见过的假币，经储蓄主管认可，当着张先生的面盖上假币章，开具了假币没收凭证，盖好章，交给张先生签字，并告知其权利。张先生虽予以配合，但仍不服气，要求用真币换回到人民银行去鉴定，小李和主管商量后将假币交给了张先生。请指出该案例中的操作违反哪些假币收缴程序？（ABD）
A.发现新的造假手段制造的假币，小李应当立即报告公安机关。B.小李应开具《假币收缴凭证》。C.小李应开具《假币没收凭证》。D.不应将假币退还顾客。
112.某银行业金融机构一柜员在办理1万元存款时，发现其中有2005版机制100元假钞78张，共计人民币7800元。银行柜员在遇到以上情况时，正确的做法是（ABC）。
A.立即启动应急预案, 向人民银行汇报案情。B.向公安机关报案 C.稳定客户情绪，尽量防止客户离开
113.小孙在为一客户办理现金存款业务时发现20万元现金中有20张100元假钞，由于小孙与该客户比较熟悉，为了不得罪熟人，小孙示意其拿回拿20张假钞。如果你是案例中的小孙，你应该如何处理？（BC）
A.小孙的做法是情理之中的事情，如果是我，也应该这么做 B.应该立即报告当地公安机关，提供有关线索 C.按照规定程序将假币收缴
114.某银行柜面人员在从事现金收付时发现１张10元假币。当柜员准备收缴此假币时，客户与柜员争执起来，并要求柜员将假币交给自己鉴别，柜员将假币交给客户后，客户拿着假币迅速离开柜面。此事在哪些地方违反了有关规定？(AC)A.客户不配合收缴的，应向公安机关报警 B.假币收缴应双人操作 C.假币不应该交给客户 D.假币收缴应在假币上盖章
115.某人领取工资后到一银行网点交电话费534.90元，当时他递给邮储经办人员6张100元面额的钱款，经办人员收款后称其中有一张系假币，并拿到内室，让另一位同事给开具一张《假币收缴凭证》让其签字确认后离开。该网点哪些地方操作违反规定？(ABCD)A.假币应收缴应当面操作 B.假币收缴不应该换人经办 C.收缴假币应加盖假币章 D.收缴假币应告知客户权利
116.某储蓄所工作人员在办理存款业务时发现，该客户的现金中有一张100美元假币，但考虑到该客户是个存款大户，又比较熟悉，不好意思没收，就对客户说“您这张钞票是假币，请您换一张”该户换了一张钞票，拿着假币很不高兴地离开了储蓄所。对该工作人员的做法，人民银行应如何处罚？(ABD)8 A.对该网点予以警告 B.对该网点处以1000元以下罚款 C.对该网点处以1000元以上6万元以下罚款 D."责成金融机构对相关主管人员和其他直接责任人给予相应纪律处分
117.某银行国际业务部小张办理一顾客美元存款时，发现一张100美元假币，当即在钞票正、背两面加盖“假币”章戳，填制中国人民银行统一印制的中英文对照版《假币收缴凭证》，同时叫来储蓄主管复核签字。然后将《假币收缴凭证》交顾客签字，并告知了顾客享有的权利。小张的操作存在错误，正确的做法应该是什么？(ABCD)A.收缴假外币应使用专用封装袋封装 B.收缴假外币不得在假币上直接盖章 C.假币收缴应先复核确认后再办理 D.复核应该加盖印章
118.某银行柜员小方是刚从事工作的新手，缺少鉴别外币真伪的经验。一天某客户存进数十张外币，小李认为其中一张是假币，其业务主管由于工作忙，未认真复核，仅简单看看，就认可了小李的判断，要求小李依规定程序收缴。客户对之存有异议，后经当地人民银行鉴定，发现该外币是真币。该收缴单位正确的后续做法是什么？（AB）
A.收缴单位将原外币退还持有人 B.收回开给原外币持有人的《假币收缴凭证》 C.向客户支付适当的赔偿
119.某祭奠用品商店为了招揽生意，购买了一批假人民币，准备卖给群众祭奠焚烧，但尚未卖出。不久该商店又印制了大量与人民币极其相似的冥币，只是将真币中的“中国人民银行”字样改为“天地人民银行”，并对外销售。此案中该商店相关人员违反了哪些法律、法规？(AB)A.非法使用人民币图样 B.购买、持有假人民币 C.销售祭奠用品
120.在一次交通事故中，车主看到汽车的漆被人擦坏，在接受对方赔偿时觉得太少，气愤之际将对方所赔款的人民币当场撕毁，结果受到公安部门9000元的罚款，请问公安机关的处罚依据是什么？（ACD）
A.《中华人民共和国人民币管理条例》第六条。B.《中华人民共和国人民币管理条例》第二十二条。C.《中华人民共和国人民币管理条例》第二十七条。D.《中华人民共和国人民币管理条例》第四十三条。
121.网民小李爱好收藏，通过在金融机构网点排队兑换到2套当年新发行的普通纪念币，上网查看后得知，该纪念币淘宝网一套已炒到50元，立即上网挂单出售了1套。请问小李的应该怎么做？(BD)A.小李可以将纪念币出售 B.小李不应该立即出售该纪念币 C.小李应该在半年后出售该纪念币 D.小李应该在1年后出售该纪念币
多孔材料多目标结构优化设计 篇6
【关键词】多孔材料；多功能；优化设计
0.引言
随着工业装备和航空航天的迅猛发展，对高性能材料的设计提出了更高的要求，如：轻量化、高刚度、高散热、抗冲击性和多功能化应用等。多孔金属材料因其优良的性能和广泛的应用前景，近年来成为研究的焦点。
多孔金属材料性能与孔结构直接相关，孔隙率与多功能性能相关。改变孔隙率和孔的结构将影响材料的综合性能。因此，可根据不同需求对其结构多学科优化设计。本文将结合多孔材料的性能表征，对轻质多孔材料进行多功能化优化设计。
1.多孔材料多功能特性
多孔金属材料具有独特的多功能特性，包括：
（1）多孔材料的密度远远小于实体材料的密度。不同多孔材料孔结构不同，一般孔隙率都较高。
（2）抗冲击性 多孔金属在承受压应力时产生塑性变形，大量的冲击量被转变为塑性能，以热量形式耗散。
（3）高刚性 蜂窝多孔材料有很好的力学性能，同时其性能有较强方向性。
（4）高散热性多 孔金属是优良的传热介质，可以作为飞行器和超高速列车的散热装置。此外，在高孔隙中流过冷却剂，可达到冷却和承载的目的，在航天结构领域有广泛应用。
（5）吸声效果 与传统材料相比， 多孔泡沫结构吸声效果良好。
综上所述， 多孔材料具有高刚度、高强度、轻量化和高散热性等明显优势。多孔金属既是优良的结构材料，也是性能优异的功能材料，在交通、海洋采油、航空航天、医疗等领域中有着重要意义。多孔材料不仅性能优良，也降低能源消耗和减少环境污染。
2.多孔材料的性能表征
2.1 多孔金属材料静力学性能
在恒定载荷下，对轻质多孔金属材料的静力学性能研究。当这些构件比较复杂时，一般采用数值方法来研究其破坏变形；当宏观结构较为单一简单时，本构理论也较简单，且计算效率高，往往是数值方法中的主要方法。
本章使用ANSYS有限元程序进行有限元分析，由于结构较为复杂，模型使用三维四面体单元。材料杨氏模量为70GPa，屈服应力为150MPa，泊松比为0.3。
建立多孔金属材料有限元模型，有限元分析表明，该材料弹性模量和压缩强度均明显提高，材料弹性模量随孔径比的增加而增大，压缩屈服应力随孔径比的增加先增大后减小。对压缩变形机理进行讨论，变形主要为斜杆的弯曲变形，同时，小杆的弯曲变形机制使表现出不同的塑性流动特性。
研究表明，随着孔径比的增大，材料表现出不同的流动行为。材料塑性变形主要集中在斜杆上，孔洞的四个顶点处几乎没有变形，因此，斜杆的弯曲是泡沫金属压缩时的主要变形机制。提高孔径比，弯曲刚度显著提高，且塑性应变集中在压缩方向的小杆上。当小杆截面积逐渐增大时，结构应力也逐渐提高，直至斜杆发生屈服。
2.2 多孔金属材料动力学性能
在实际应用中，多孔金属可承受动态荷载而产生大范围变形，本文通过选择基体材料、孔隙结构来控制动态变形特征，可使多孔金属成为理想的吸能材料。多孔金属在高变形下的动态性能和破坏机理研究对于其的广泛应用具有重要意义。此外，载荷作用下力学行为的研究也是结构材料的重要前提之一，尤其对抗冲击材料在军事和防恐领域中的应用具有重要意义。
多孔材料在冲击下的变形模型一般采用动量守恒和能量守恒得出动态激励下的变形。多孔金属材料的吸能机理研究已成为当前多孔材料研究的热门方向。金属多孔材料抗冲击分析是建立在静态模型基础上的，未考虑应变效应的影响，很难准确得出整个材料的动态性能。如何进行冲击荷载下的强度和破坏研究，建立相关的本构关系及破坏判据，需要进一步深入研究。
2.3 多孔金属材料热力学性能
孔隙传热是多孔金属多功能特性中最受广泛关注的领域。材料的高热传导系数和对流换热使得多孔金属具有优良的换热性能。
传热性能研究一般集中于常温导热和单相对流传热。根据多孔金属结构的流体动力特性，确定了不同雷诺数作用下的动量方程，得出了惯性力表达式；根据空气冷却对流换热特性，测定了对流传热随微结构参数的变化规律，建立单相对流传热模型；测定真空状态下导热系数随温度的变化规律，进而确定了高温下的热传递规律。随着相对密度的提高，多孔结构的导热系数会随之增大，且导热系数与相对密度基本成线性关系。
3.多目标结构优化设计
传统材料的设计通过调整单一材料设计参数使之能够满足工程实际需求。在大多数情况下，材料的设计无法达到最优化。由于上述局限，力学工作者虽然以材料为研究对象，但只发挥其辅助作用。随着以多孔材料和复合材料的发展，材料的可设计性已有了较大提高，可根据工程需求利用优化技术设计出最优越的材料。
多目标优化问题的主要思路是目标加权求解。对多个目标中，评价各目标权重系数 ，将多目标归一化。从而将多目标优化问题转化为单目标优化问题。
在航空航天领域，许多结构件需要同时满足强度、隔热和轻质的要求。从第3节力学性能研究中我们知道，随着密度的增大，材料屈服强度提高，多孔金属板的隔热性能降低，且孔径比越大，多金属板的隔热性能越好。针对单一目标优化进行的参数选取与其他目标优化的参数选取是相互矛盾的，需要进行多目标优化设计，以选取同时满足强度、隔热和轻质要求的材料参数。
金属板构件参数多目标优化设计中，首先采用最小二乘法对屈服应力和隔热参数进行多项式拟合， 以此表达式作为构件的目标函数，通过建立包含强度、隔热和轻质多目标函数的优化设计模型，采用权重法将多目标优化问题转化为单目标优化问题进行求解。
4.结论与展望
通过建立了多目标优化设计数学模型，求解目标最优的金属孔径比、相对密度。结果表明多孔金属板的综合性能显著优于传统金属板。
多孔金属材料应用前景十分广阔，但目前很多研究还只限于对宏观性能参数的研究，对细观结构研究还较少。
【参考文献】
[1]寇东鹏.细观结构对多孔金属材料力学性能的影响及多目标优化设计[D].中国科学技术大学，2008：55-58.
多目标识别论文 篇7
多传感器目标识别是将由系统中多个传感器提供的关于目标身份的信息进行综合, 产生比系统中单一传感器更有效、更精确的身份估计和判决[1]。利用多传感器进行目标识别可以扩大探测范围、提高目标识别率、增强抗干扰、改进系统工作的可靠性及容错性。
Dezert和Smarandache等学者在2002年提出了DSmT证据理论, DSmT证据理论对决策级多传感器目标识别有很好的优势, DSmT证据理论能够很好的处理未知和不确定信息, 近年来在信息融合的目标识别方面, 证据理论得到了逐渐应用[2,3,4,5]。DSmT是经典D-S证据理论的延伸, 但又存在明显区别, DSmT特别是对高冲突证据的合成具有很好的效果。
利用DSmT证据组合规则融合证据时, 通常认为对各传感器证据的信任程度是相同的, 这不符合实际应用。实际中的各类传感器由于受到各种环境因素的影响以及传感器测量范围和精度等自身条件的限制, 各种量测在一定的程度上存在不准确和不完善, 其信任等级程度是不同的。为了解决多传感器综合目标识别中不同等级信息源数据的融合问题, 在研究DSmT证据理论的基础上, 引入证据可信度。依据可信度矩阵对证据进行转化, 使之可以用传统的方法进行证据融合。
1DSmT证据理论
经典D-S证据推理, 在证据完全冲突情况下, 即k=1的情况下, 证据无法进行合成。而当k→1即证据之间发生严重冲突时, 合成结果往往与实际情况不相符合。鉴于这两种情况, Yager 提出了如下的改进合成方法 (以2个证据源为例) :
式 (1) 去掉了归一化因子1/ (1-k) , 并且反映冲突程度的k在合成后被赋给了m (Θ) 。其本质为, 由于对冲突证据无法做出合理的抉择, 就将其归入未知命题Θ。当k=0 时, Yager合成公式等同于经典D-S理论。虽然Yager 提出的合成方法能合成高度冲突的证据, 但由于对冲突证据完全否定, 因此合成结果有时并不理想。
DSmT的合成公式与Yager方法完全不同, 将支持证据冲突的概率分配给各个命题, 提出了如下合成公式:
由于DSmT 保留了矛盾焦元, 不需要将其基本概率赋值函数进行平均分配, 所以该规则不需要进行归一化, 而m (X) 确定了一个新的基本概率赋值函数。对于多个证据的组合, 可用组合规则对证据进行两两组合。DSmT中的合成公式与Yager 的合成公式主要区别在于, Yager 在合成证据时, 将支持冲突证据的那部分概率全部赋给了未知命题, 认为冲突的证据不能提供任何有用信息。而DSmT证据推理认为, 即使证据之间存在着冲突, 它们也是部分可用的。
2引入可信度矩阵的证据合成方法
DSmT证据组合规则通常认为各条证据对融合结果具有相同的贡献, 这与实际应用不相符。实际系统中由于各种内在、外在因素对每条证据的信任程度是不同的, 这限制了证据组合规则的使用范围。因而有必要对不同的证据及证据中的命题依据其重要性设置可信度, 然后再用组合规则进行融合。
设在证据合成过程中有n个证据源同时提供证据, 证据辨识框架Θ有m个命题, 则所有证据形成n×m证据矩阵, 证据矩阵的行可信度因子为ri, 证据矩阵的列可信度因子为lij, 则对应证据矩阵的可信度矩阵为:
可信度矩阵反映了证据源提供的证据在合成过程中的重要程度以及它们对合成结果的影响程度。将可信度矩阵引入DSmT证据理论合成公式中, 其方法如下:
(1) 依证据源提供的证据给辨识框架内各命题分配基本概率值, 同时建立各命题的可信度Wij=ri×lij。
(2) 设wmax (i) =Max{wi1 , wi2 , …, wim}, W*i= (wi1 , wi2 , …, wim) /wmax (i) 为相对可信度, 由此可确定证据的基本概率分配值的相对可信度
m*i (Ak) =βmi (Ak) (4)
其中, k=1, 2, …, m。可以看出, 调整后的基本概率分配值m*i (Ak) , k = 1, 2, …, m和并不等于1, 不满足基本概率分配函数定义中的第3个条件
由式 (4) 和式 (5) 定义的函数可构成一个新的基本概率分配函数。
(3) 引入可信度矩阵的DSmT证据合成公式为:
引入可信度的证据合成方法既继承了DSmT合成方法的优点, 又充分考虑了各证据在合成过程中的重要程度, 符合实际情形。
3多传感器目标识别框架
多传感器目标识别是将由系统中多个传感器提供的关于目标身份的信息进行综合, 产生比系统中单一传感器更有效、更精确的身份估计和判决。由于传感器对不同目标的识别率和传感器工作时所受干扰的不同, 所提供证据的可信度存在差别, 为了充分体现不同传感器对证据合成的贡献, 同时在融合之前过滤掉明显错误的数据, 提出如图1所示多传感器目标识别框架。
多传感器目标识别的可信度矩阵中可信度lij表示对目标的识别率, 可信度ri表示受干扰程度, 其值通过可信度采集及分析模块得到, 可信度计算可以采用层次分析法或神经网络理论。当干扰ri达到一定程度后, 如ri<μ (μ为环境容忍度) , 可以通过过滤模块过滤该证据进入证据推理模块。
4仿真实验与结果分析
为了检验基于证据可信度矩阵的多传感器目标识别的效果, 对系统进行仿真。识别系统中设定三类传感器:雷达 (Radar) 、红外 (IR) 和ESM, 各传感器的探测结果数据相互独立, 输入到目标识别系统还有天气情况、目标距离和干扰程度等信息。目标识别框架为Θ (o1, o2, o3) , 其中o1表示歼击机, o2表示预警机, o3表示轰炸机。各传感器基本概率赋值如表1所示。
为了便于直观比较DSmt对冲突证据合成的优势, 首先进行D-S证据理论合成、Yager方法合成及DSmt证据理论合成, 其融合结果如表2所示。
从三种方法的融合结果可以看出:D-S证据理论无法处理高冲突证据合成。Yager方法对D-S进行了改进, 由于将冲突信息全部视为未知, 没有进行重新分配, 合成结果也不理想。DSmt证据理论将冲突信息作为有用信息进行重新分配, 参与证据合成, 合成结果符合常规思维, 能够得出目标为歼击机的正确结果。
考虑干扰和传感器性能的基础上, 利用可信度矩阵合成方法, 仿真过程对数据进行了环境可信度、识别率可信度和综合可信度融合, 识别率可信度和环境可信度融合只考虑单一识别率或环境的可信度, 综合可信度融合同时考虑识别率和环境的可信度。设ESM、雷达和红外的目标识别率矩阵为
, 假设在观测时受到干扰, 干扰向量为r= (5, 10, 5) , 四种情况的融合结果如表3所示。
从四种情况的融合结果可以看出:不考虑各传感器证据可信度的情况下, 合成结果为歼击机;单纯考虑环境可信度情况下, 目标存在模糊性;单纯考虑识别率可信度融合和综合可信度融合情况下目标的模糊性有所降低, 且结果为轰炸机, 与不考虑可信度的融合结果相反。这也说明了实际系统中考虑证据的可信度与不考虑可信度对融合结果有很大影响, 这也与实际运用是一致的。该仿真只是从一个方面反映了可信度对融合结果的影响, 在实际系统中如果不考虑可信度的影响, 特别是在传感器受到严重干扰的情况下, 因此, 有必要采用第3节提出的综合目标识别框架进行融合, 以提高融合结果的准确性和有效性。
5结束语
对于在实际环境下工作的多传感器目标识别系统, 其融合决策除了由传感器的性能决定, 也由环境所决定, 将可信度矩阵与DSmt证据推理相结合的方法, 确保了系统对目标识别的准确性和有效性。证据推理与融合技术结合是处理综合目标识别的有效方式, 这也是数据融合技术的发展趋势[7]。由于可信度矩阵的获取还存在一定的难度, 这在一定程度上限制了它的全面应用, 因此还有待于研究改进。
摘要：为了解决多传感器目标识别中不同等级信息源数据的融合问题, 在研究DSmT证据理论的基础上, 引入证据可信度矩阵。依据可信度矩阵对证据进行转化, 使之可以用传统的方法进行证据融合。将这种方法应用到等级不同的多传感器目标识别中, 可以解决传统证据理论只能进行相同等级传感器目标识别的难题。仿真实验表明, 该方法提高了目标识别的准确性和有效性。
关键词：目标识别,证据理论,信息融合
参考文献
[1]何友, 王国宏, 陆大鑫, 等.多传感器信息融合及应用[M].北京:电子工业出版社, 2001:1-5.
[2]Dezert J.Foundations for a New Theory of Plausible and ParadoxicalReasoning, Information&Security[J].An Int Journal, 2002, 45 (9) :13-57.
[3]柳毅, 高晓光, 卢广山, 等.基于加权证据组合的多传感器目标识别[J].系统工程与电子技术, 2003, 25 (12) :1475-1477.
[4]梁旭荣, 姚佩阳, 储萍.一种基于ESM和红外传感器决策层信息融合的目标识别方法[J].传感技术学报, 2008, 21 (1) :66-69.
[5]王杰贵, 靳学明.基于ESM与ELINT信息融合的机载辐射源识别[J].电子学报, 2006, 34 (3) :424-428.
[6]关成斌, 王国宏, 李宇, 等.基于多级模糊综合评判的雷达组网目标识别技术[J].海军航空工程学院学报, 2006, 21 (2) :241-244.
[7]Dezert J, Smarandache F.Advances and Applications of DSmT for In-formation Fusion[M].American Research Press, Rehoboth, 2009:15-20.
基于几何特性的目标识别 篇8
在目标识别领域,传统的判读方法是判读员借助工具,凭借个人的经验得到判读结果。这种方法不但速度慢,而且精度低。随着航天和遥感事业的迅猛发展,需要判读处理的照片种类和数量越来越多,在这种情况下,引入计算机图像分析与理解,加快目标判读分析的速度,提高处理的智能化程度,利用计算机代替人工进行自动判读和识别,就显得非常必要。
本文以桥梁和油库为例,分别介绍了线状目标和面状目标的自动识别方法。在线状目标的识别过程中将差分检测法和改进的边缘提取法结合使用;对于面状目标的识别则是先用差分法进行分割,再用最近邻聚类法进行识别。本文介绍了上述方法在实际工程中的应用,并给出了相应的结论。
1目标识别处理
待识别的特定目标一般分为两类:① 线状目标,如道路、桥梁和机场跑道等;② 类是面状目标,如航母、飞机和油库等。对线状目标,主要采用自上而下的知识驱动型的识别方法,即根据识别目标的模型,先对图像中可能存在的特征提出假设,根据假设有目的地进行分割、标记和特征提取,在此基础上再进行判别,以进行目标识别;对于面状目标,识别的算法主要是采用由下而上的数据驱动型识别方法,即先对原始图像进行一般性分割、标记和特征抽取等底层处理,然后与目标的对应特征相匹配,得到识别理解结果。自动目标识别系统一般包括图像分割、特征提取和匹配识别3个主要部分,如图1所示。
2线状目标识别
2.1基于差分检测的方法
基于差分检测的方法是通过提取水体,运用数学形态学进行检测提取初略桥梁目标,通过形状特征判决去除虚警得到最终识别结果。这类方法虽然具有速度快的优点,但是差分检测中运用的膨胀腐蚀这一对形态学算子不互为可逆算子,且膨胀腐蚀次数难以选择。
差分法实际上就是图像的相减运算,是指把相似景物的拍摄图像或者同一景物在不同时间拍摄的图像相减。图像的相减运算是指对2幅输入图像进行点对点的减法而得到输出图像的运算,其数学表达式如下:
C(x,y)=A(x,y)-B(x,y)。 (1)
式中,A(x,y)和B(x,y)为输入图像;C(x,y)为输出图像。
在全局统计意义上对两差分图像进行分析,将两差分图像差值均方误差D与预先设定阀值进行比较,其中D的计算公式为:
式中,j为x轴坐标;k为y轴坐标;T1为目标图像坐标灰度值;T2为标准图像坐标灰度值。
2.2基于边缘提取的方法
基于边缘提取的方法是通过边缘提取算子(常用Canny算子)提取图像边缘,利用改进的Hough变换检测平行线的方法提取桥梁上下边缘,然而这类方法的缺点是未考虑桥梁与河流的位置关系,而仅根据目标的平行线特征,因而会产生较多的虚警,而且Hough变换的参数比较难以选择。
在极坐标系中的一条直线可以表示为:
r=x·cosθ+y·sinθ。 (3)
式中,180°>θ>0,-R>r>R,这里R是原点到直线距离的最大可能值。
传统的Hough变换中,对于图像上的每一个轮廓点(x,y),需要代入θ的各个量化值,算出各个r,计算所得值(经量化)落在某个小格内,便对参数空间(θ,r)中的该量化点对应的累加器进行投票,这样以来运算量就很大。为了降低Hough变换的大运算量,在改进的Hough变换中,借助一些边缘检测器,如Canny算子提供边缘的方向信息来简化Hough变换。对于图像上的每一个轮廓点(x,y),就不需要代入θ的各个量化值,只需带入由边缘检测器检测的直线的方向角(边缘梯度相垂直),这样就使运算从二维搜索降为一维搜索,大大简化了Hough变换的计算量。
由于单一传统算法存在一定的缺陷,可以综合使用两类识别算法,从桥梁与河流的位置关系出发,结合桥梁目标的形状特征和图像的成像特点,预处理中不直接运用边缘提取算子提取图像边缘,而是先运用基于差分检测的方法分割水体,在水体分割以后再转到基于边缘提取的方法上,利用水体轮廓搜索水体间潜在桥梁点并进行直线拟合提取初略桥梁目标,然后运用改进的Hough变换检测平行线特征去除虚假目标,最后进行断点连接恢复完整桥梁。系统运行结果表明,该算法具有识别速度快、识别准确率高及虚警率低等优点,且整个算法完全自动,不需人工干预。
3面状目标识别
对于面状目标(以油库为例)的识别,首先利用差分检测方法进行分割,得到二值图像;然后对二值图像中的白像素进行最近邻聚类形成团块,并在聚类过程中将各像素的坐标记录下来,获得各团块的最小外接矩形以及面积、形心等统计量;计算其面积以及体态比和矩形度等形状参数;根据体态比和矩形度识别出的油库目标是一个个分散的个体,为了对油库进行分群定位,将油库目标的形心通过最邻近聚类算法进行聚类,形成油库群,并标记出油库群区域。
3.1聚类
采用最近邻聚类算法对二值化后的图像中的白像素进行聚类,这样不但可以将像素聚集为一个个团块,而且在聚类过程中可以将各像素的坐标记录下来,所以还可获得各团块的最小外接矩形,以及面积和形心等统计量。
为了简化计算,将目标中所含像素个数近似为目标的面积A0,形心的计算公式为:
式中,xc,yc分别为团块目标形心的横坐标和纵坐标;x,y分别为团块目标中各像素的横坐标和纵坐标;A0为团块目标的面积;M为团块目标中像素个数。
3.2圆形度
圆形度指标幅度值反映了被测量边界的复杂程度。最常用的圆形度指标为:
c=P2/A0。 (5)
也就是周长的平方与面积的比。这个特征对圆形形状取最小值4π,越复杂的形状取值越大。由于油库目标在形状上表现为类圆形,所以采用圆形度指标c来计算团块的形状参数。
4结束语
介绍了一个简单的、基于目标几何特性的目标识别系统,并用VC++实现了该系统中用到的算法,结果表明该系统具有识别速度快、识别准确率高等优点,对于桥梁的正确识别率达到92%以上,对于油库的识别率达到90%以上,对于5 M的图像,识别时间大概3 s左右,基本满足工程要求。但也存在有待改进的地方,如对桥梁的识别只适应水上桥梁,对于陆地桥梁则不能正确识别;对于油库的识别只适应类圆形,对于其他形状不能正确识别。
摘要：目标自动识别技术是模式识别与图像处理领域非常活跃的研究课题,其应用领域十分广泛。介绍了基于遥感图像的特定目标的自动识别技术,并分别以桥梁和油库为例,介绍了线状目标和面状目标的自动识别方法及其在工程中的实际应用。结果表明:该目标自动识别方法具有识别速度快和识别准确率高等优点,且整个过程完全自动,不需人工干预。
关键词：目标自动识别,桥梁检测,油库检测
参考文献
[1]张永生.天基多源遥感信息融合[M].北京:科学出版社,2005.
[2]朱剑佑.基于无人机图像的实时人工目标检测[J].无线电工程,2007,37(10):15-16.
[3]赵波.一种基于数据融合的遥感目标识别算法[J].无线电工程,2004,34(12):32-34.
多任务姿态不变的人脸识别 篇9
1.1 研究背景及意义
近几十年来, 人脸识别在计算机视觉领域是最热门的研究课题之一。早在1888年和1910年高尔顿就在《Nature》杂志发表了两篇关于利用人脸进行身份识别的文章, 对人脸自身的人脸识别能力进行了分析。但当时还没有条件研究人脸的自动识别问题。直到近几十年才真正的研究了人脸自动识别, 经过几十年的努力, 现在已经实现了自动的人脸识别。
人脸识别作为一种生物体征识别与其他较成熟的识别方法 (如指纹、虹膜、DAN检测等) 相比有以下几个优点:无侵犯性;低成本、易安装;无人工参与。由于具有以上优点, 近几年来, 人脸识别技术引起了越来越多科研人员的关注。
1.2 研究现状
人脸识别技术经过几十年的发展, 也取得了很大的突破。现阶段自动人脸识别系统已经投入到应用中, 主要应用于考勤机等方面, 在非限定姿态下进行人脸识别还不能达到应用的要求。人脸识别仍然受很多因素的影响, 如姿态、光照和表情等。因为姿态变化在实际应用中是最常见的情况, 所以本文主要介绍了一种解决姿态问题的人脸识别算法, 将自由姿态下的人脸与正脸进行匹配, 从而解决姿态变化对人脸识别准确率的影响。
姿态变化导致人脸图像产生很大变化, 从本质上来讲, 导致这一问题的原因主要是人头3D几何结构很复杂。如图1所示, 人头的旋转导致正脸图像产生封闭区域, 也就是说一些脸部特征变得不可见, 而且图像中人脸的可视的区域的形状和位置也是非线性变化的。这些问题给人脸识别带来了很多问题, 使很多识别算法的识别率大大下降。
2 多任务姿态不变的人脸识别算法
2.1 人脸特征表示法
现有的很多人脸表示法都是试图在人脸图像中提取出一些固定长度的特征, 但是这是在人脸图像都是在可见范围内的基础上才能实现的。在实际应用中, 很难保证这一点, 因为在侧脸是很多人脸产生了自我封闭性, 导致很多信息变得不可见。考虑到这个问题, 本文提出基于块的人脸表示法, 并将人脸的表示与人脸姿态相联系。因为正脸所包含的信息一定是比侧脸要多的, 所以正脸需要更多数据来表示。本文所提出的基于块的表示方法主要包括以下三个步骤:人脸姿态归一化;非封闭人脸区域检测;图像块的特征提取。
2.1.1 人脸姿态归一化
本文采用标准3D模型方法进行人脸姿态归一化, 采用BFM[1]算法得到3D模型。在姿态归一化过程中, 本文采用了人脸最稳定的五个特征点 (两眼的中心点, 鼻尖点, 两个嘴角点) , 利用正射投影法将3D模型映射到2D人脸图像上, 实现姿态的归一化。结果如图2所示。
2.1.2 非封闭区域检测
人脸姿态归一化对由于姿态变化引起的人脸纹理的变形进行了校正, 但是并不能恢复出由于封闭性导致的信息丢失。受到人能直接识别出侧脸图像的人的身份的启发, 本文提出了一种充分利用可见区域进行识别的方法。本文首先将3D模型旋转到与2D人脸图像姿态相近的角度, 我们很容易就可以得到旋转后的3D模型投影到2D图像的边缘, 如图3 (a) 所示。将含有边缘的区域匹配到待识别人脸图像中, 得到了图3 (b) 的结果。对得到的红色框内的区域进行Canny算子的边缘检测, 得到图3 (c) 的效果。最后一步就是如何在上述得到的边缘中找到我门需要的边缘, 本文采用了两种办法进行检测, 首先利用水平梯度, 将水平梯度为零的点全部删除, 再利用CPD[2] (点漂移算法) 得到最后的人脸边缘线, 即封闭区域与非封闭区域的分界线。
2.1.3 基于块的人脸表示法
首先将归一化得到的人脸图像分成M×N个小块, 用非封闭区域检测得到的边缘进行分割, 若一个块中超过80%的像素在非封闭区域, 将这个块纪委有效块, 否则视为无效。然后将每个有效块分成J×J个小块, 计算每个小块的DCP特征, 得到DCP直方图。最后将J×J个小块的DCP直方图通过PCA[3] (主成分分析法) 降维, 得到一个在子空间中的D维特征。
2.2 多任务特征转换学习
经过以上步骤我们得到了用块特征表示的人脸图像, 理论上可以直接进行块匹配来实现人脸识别。本文中进一步提出了一种多任务特征学习转换字典的方法, 将正脸图像中的块和待识别图像中的块转换到一个更有识别力的子空间进行识别。每个块分别进行学习, 得到M×N个转换字典。
2.2.1 特征转换学习
在特征转换学习过程中, 我们需要考虑三个问题:姿态归一化得到的图像质量差异较大;不同姿态之间的相关性;在实际应用中, 较难采集到大量样本以供训练。考虑到以上问题, 我们引入多任务学习的概念, 将每个姿态看成一个任务, 进行特征转换学习, 同时考虑到了不同姿态的相关性和差异性。多任务转换学习法为所有任务学习得到一个转换字典, 通过不同的投影向量来选择不同姿态的转换矩阵。由此可以看出, 多任务特征转换学习法可以找到更多有识别力的特征。
首先介绍一些在学习转化矩阵过程中用到的变量。集合{ (Xt, Yt) :1≤t≤P}表示的是类内和类间的训练数据。其中P表示可用于学习的任务数, 即姿态数;Xt∈RD×Ntp表示的是类内 (即同一个人的不同姿态) 的数据, Xt的第n列xtn是类内任务t (侧面) 的第n块的特征与任务0 (正面) 做差;Yt∈RD×Ntn示的是类内 (即不同人的不同姿态) 的数据, Yt第n列ytn是类间任务t (侧面) 的第n块的特征与任务0 (正面) 做差;U表示学习得到的转换字典, αt表示投影向量, 矩阵A用来存储投影向量, At是投影向量扩展得到的对角矩阵;λ表示类间和类内权重的正则化参数。
我们建立模型的理论依据就是类内和类间数据的距离最大。定义损失函数TU, t如下:
将上述问题转换成最优化问题
μ是另一个正则化参数。将αt中的非零个数记为d, 我们要得到的结果就是用αt在U中最具识别力的d个最有识别力的投影向量。其中λ, μ, d是用交叉验证的方法得到的最优值。
2.3 人脸图像匹配
本部分主要介绍基于块的人脸多任务学习的人脸图像匹配问题。在上一部分, 我们已经得到了转换字典U和投影矩阵A。
假设我们对一个第t中姿态的侧脸图像与库中的正脸图像进行匹配。将待识别图像分成K块之后将每一块的特征存储在中, 将正脸图像中与之对应的K块的特征存储在中。首先, 将匹配块的特征用得到的Uk和Ak投影到子空间中。
Akt表示Ak的第t列扩展得到的对角矩阵。
计算相似度:
s就是待识别图像与库内图像的相似度。最后, 通过最近邻分类法进行分类, 确定待识别人脸图像的身份。
虽然本文采用了相对于文献[4,5]中更简单的比对方法, 但由于本文所提出的方法充分考虑了不同姿态之间的相关性, 将提高人脸识别算法的鲁棒性。
3 实验结果
本文实验主要基于以下三大主流人脸姿态数据库, CMU-PIE, FERET和Multi-PIE。主要针对姿态变化问题进行实验。
待识别图像多归一化到156×130, 图像块大小为26×24, 重叠50%分块, 将每个小块分成2×2个小块。由实验结果可以看出本文所提出的算法在姿态变化下的人脸识别有较高的识别率及较强的鲁棒性。
由图可以看出本文提出的多任务学习的方法明显好于传统的单任务学习方法。
4 总结
姿态变化在人脸识别过程中对传统算法的鲁棒性有较大影响。本文分两个方面考虑了姿态问题。首先本文提出了一种基于块的人脸表示方法, 只利用人脸的非封闭区域进行识别。之后, 通过多任务特征转换学习。充分考虑不同姿态间的相关性。实验结果证明, 本文所提出的多任务学习算法明显好于现有的单任务学习算法。
本文主要讲述了一种基于块的多任务特征学习转换方法的人脸识别, 经过大量实验证明本文所提方法可行有效。
摘要：在实际应用中, 人脸识别系统采集到的人脸图像中人脸姿态变化范围较大, 这给识别过程带来了较大的挑战, 大大降低了识别算法的准确率。该文针对姿态问题对人脸识别的影响展开研究, 提出了一种新的人脸识别算法, 可以实现±90°范围内人脸的准确识别。本文提出的算法将多任务学习概念引入对转换字典的学习过程中, 将不同姿态看成不同任务, 对每一个姿态分别进行转换字典的学习。在FERET和CMU-PIE等数据库中的大量实验结果表明, 该文提出的算法明显优于基于单任务学习的人脸识别算法, 在非限定姿态下的人脸识别达到了较好的效果。
关键词：人脸识别系统,算法,多任务学习
参考文献
[1]Paysan P, Knothe R, Amberg B, et al.A 3D face model forpose and illumination invariant face recognition[C].Proc.6thIEEE Int.Conf.AVSS, 2009:296-301.
[2]Myronenko A, Song X.Point set registration:Coherent pointdrift[J].IEEE Trans.Pattern Anal.Mach.Intell., 2010, 32 (12) :2262-2275.
[3]Yang J, Zhang D, Frangi A F, et al.Two-dimensional PCA:anew approach to appearance-based face representation andrecognition[J].Pattern Analysis&Machine Intelligence IEEETransactions on, 2004, 26 (1) :131-137.
[4]Li A, Shan S, Gao W.Coupled bias–variance tradeoff forcrosspose face recognition[J].IEEE Trans.Image Process., 2012, 21 (1) :305-315.
基于目标跟踪的群聚行为识别 篇10
关于群体行为识别的研究方法主要有3类: (1) 基于目标的方法。该类方法将群体考虑成由单个目标组成, 群体行为的识别就是在单个目标检测、跟踪的基础上进行识别, 这种方法适用于背景环境较为简单、目标之间没有严重的遮挡的情况。比如, 国内采用的目标提取、多人跟踪方法, 可在简单的场景中同时跟踪十几人, 从而判断是否存在异常情况。 (2) 从整个监控场景的角度分析, 提取场景中特别的信息特征。通常提取的特征有纹理、梯度和光流特征。目前, 国外采用较多的是建立模型的方法, Andrade等人从视频中提取出光流作为特征信息, 并采用基于隐马尔科夫模型 (HMM) 的检测方法检测群体中的紧急或异常事件;Rahmal等人采用纹理作为特征, 建立了异常行为模型, 可识别群体异常行为。 (3) 将上述2种方式结合起来, 既可分析整个监控场景, 又能跟踪单个目标。在该方法中, 可提取纹理光流等特征, 并建立群体异常行为模型, 适用于环境较为复杂的场景, 对外界环境的要求不高, 但是从实际应用的角度看, 其算法过于复杂, 不利于实现。基于目标跟踪的方法, 对视频中的每个个体都有较好的跟踪和状态记录, 既可以判断单个目标的行为, 也可以识别多个目标间的群体行为, 且基于目标识别算法, 相比于现有的视频监控平台而言更容易实现。因此, 本文主要提出了一种基于目标跟踪的群聚行为识别算法。
1 运动目标的跟踪
人体行为分析是指对视频序列中的运动人体进行检测、跟踪、理解和识别其行为。整个处理步骤如图1所示。目标检测、目标跟踪是实现行为理解和识别的基础, 也是需首先研究的任务。
1.1 多传感融合思路的目标跟踪
常用的目标跟踪算法有帧差法、Kalman滤波、模板匹配法和Mean Shift跟踪算法等, 大体上可分为基于运动分析的方法和基于图像匹配的方法。基于运动分析的方法计算速度较快, 但当背景环境较复杂且稳定性较差时, 容易出现跟丢目标的现象;基于图像匹配的方法在目标有平移时可获得较好的处理效果, 对图像噪声和光照变化有一定的鲁棒性。
本文通过结合运动分析与图像匹配方法, 提出了一种多传感融合思路的目标跟踪算法。模板匹配与Cam Shift结合可简洁、快速地跟踪目标, Cam Shift的每一帧可不断调整搜索窗口的大小, 模板匹配的模板大小也会随之改变, 从而增强了匹配的可靠性。同时, Kalman滤波可实现目标位置的预测, 可解决目标运动过快、有少许遮挡引起的问题。主要跟踪步骤如下。
第一步, 确定要跟踪的目标。确定跟踪目标在当前帧中的位置坐标 (n Center X, n Center Y) 、跟踪目标的大小 (n Half Width, n Half Height) 和初始化搜索模板的宽度和高度 (m_Template W, m_Template H) 。
第二步, 初始化模板匹配的模板、Cam Shift跟踪的色彩概率分布图和滤波器。
第三步, 根据前一帧得出的运动目标的位置和大小, 在稍大范围内使用帧差法计算一个新目标的位置, 可用矩形框 (m_Diff Rect) 表示。
第四步, 采用模板匹配跟踪算法, 搜索当前帧中与参考模板最匹配的图像区域的位置 (n Center X1, n Center Y1) ;根据跟踪目标在最近15帧内的运动轨迹信息, 运用Kalman滤波器预测出目标在当前帧中可能出现的位置 (n Center X2, n Center Y2) ;采用Cam Shift颜色跟踪法, 根据前一帧确定的目标窗口的大小和色彩概率分布图, 找出目标在当前帧中的位置 (n Center X3, n Center Y3) 和调整后的窗口大小 (n Half Width, n Half Height) 。
第五步, 计算模板匹配、Kalman滤波和Cam Shift跟踪预测出的运动目标中心位置与帧差法计算出的运动目标中心位置的偏移 (ddist1, ddist2, ddist3) , 剔除与帧差法检测结果相差较大的结果。
第六步, 针对每一种特征得到的目标位置结果, 计算中心目标区域及其周边背景区域的概率分布图像直方图, 根据中心直方图和周边直方图的差异计算每种特征在确定目标位置时所占的权重;实现跟踪过程中的自适应调整权重;使用加权等方法融合步第四步中的位置坐标, 得到当前帧目标跟踪的结果 (n Center X, n Center Y) 。
第七步, 如果Camshift跟踪有效, 则使用Cam Shift跟踪窗口的大小, 并作为新目标的大小, 否则, 以帧差法得到的结果作为新目标的大小。
第八步, 更新跟踪目标的大小、模板匹配的模板和目标区域的颜色概率分布图, 并不断重复第三步至第六步, 以实现运动目标的跟踪。整个流程如图2所示。
1.2 多目标跟踪
采用多线程的方法可实现多目标的跟踪, 每个目标的档案会被记录在目标池中。多目标跟踪流程如图3所示。
视频帧中的每一个前景区域都包含了其中心位置的坐标、长度、宽度、面积和轮廓等数据信息, 可使用最邻近法对帧与帧之间的数据进行数据关联。在目标池中查找中心位置与目标数据n中心位置最接近的一个目标, 如果目标数据n与目标池中所有的位置坐标距离都超过了固定阈值, 则判断该前景区域为一个新目标, 进而在目标池中为该目标建立目标档案, 包括目标位置、目标大小、匹配模板、颜色概率图和最后活跃时间等数据, 并更新目标池。否则, 将使用多传感融合算法对该目标进行跟踪, 跟踪结束后更新目标池。在每一帧结束时, 对整个目标池进行遍历, 查找并删除长时间没有活跃的目标数据后, 开始下一帧的目标跟踪。
图4为对视频中的2个人同时跟踪的效果, 依次为视频中的第170帧、179帧、184帧和190帧, 实现了同时对2个目标的跟踪, 跟踪效果较好。
2 群聚行为的识别
2.1 轨迹拟合
多传感融合目标跟踪方法可以得到目标在每一时刻的位置信息, 连接这些位置坐标可得到目标的运动轨迹。原始运动轨迹是不平滑的, 且不能用一个合理的数学公式表达, 这就需要拟合当前的轨迹, 使其变得平滑, 并能用一定的规律描述。本文中采用二次B样条拟合目标的运动轨迹。
B样条曲线是分段定义的, 可定义1个m+1段n次的参数曲线, 顶点为Pi (i=0, 1, 2……, m+n) 。则:
式 (1) 中:Pi, n (t) 为第i段n次B样条曲线段 (i=0, 1, 2……, m) , Bk, n (t) 为n次B样条基函数, 也称为B样条分段混合函数。
本文为了简化计算复杂程度、提高效率, 使用二次B样条拟合目标轨迹。在二次B样条曲线中, n=2, k=0, 1, 2, 分段表达式为:
采用多特征融合目标跟踪技术, 对视频中出现的多个相互靠近、没有遮挡的人进行跟踪, 得到每个人的运动轨迹 (Cen X[i], Cen Y[i]) ;将目标的轨迹分段, 从当前最新的目标位置开始, 每次向前选取40帧的一段轨迹值拟合为一条曲线, 拟合出的目标运动轨迹结果如图5所示。在图5中, (a) 中的红色曲线为原始轨迹, (b) 和 (c) 中的绿色曲线为经过二次B样条拟合的轨迹。
2.2 轨迹预测
分段二次B样条曲线是一条抛物线, 由m个顶点定义的二次B样条曲线, 实质上是m-2段抛物线 (相邻3点定义) 的连接, 并在接点处达到一阶连续。
基于二次B样条曲线具有的几何性质, 实验中采用了距离当前位置最近的分段二次B样条抛物线模拟目标当前的运动趋势, 以达到预测目标将来的运动轨迹的目的。图6为分别对该段视频中2个目标的跟踪和轨迹预测, 其中, 绿色曲线为前一段时间内目标的移动轨迹;蓝色曲线为使用分段二次B样条抛物线拟合得到的目标预测轨迹。
2.3 目标运动方向的分布特性
在发生群聚事件时, 虽然多个目标的运动方向杂乱无章, 但是, 有向一个共同方向运动的趋势, 即运动区域趋于集中。统计目标的预测轨迹在图像中的分布特性, 可实现目标是否有集中运动趋势的检测。主要步骤如下。
第一步, 将整个图像按照一定的大小均匀划分为多个小块。如果整个视频图像的大小为320×240像素, 划分出的每个小区域大小为20×20像素, 则会产生16×12个小块, 并为每个小块设置一个聚集程度系数Ci, j。
第二步, 在一帧图像中, 统计目标预测轨迹经过各个小块的次数, 有目标地预测轨迹经过某个小块时, 便进行了1次累加, 累加和越高的, 则说明有多个目标将来到达该区域的可能性越大。在此情况下, 可判断在某一帧中是否有多个目标朝一个方向集中运动的趋势, 累加和最高的小块是最可能发生聚集的位置。
第三步, 使用Ostu算法, 对所有小块的累加和进行阈值分割, 并在每一帧中自适应调节找到1个合适的分割阈值Tc。
第四步, 将阈值Tc与每个小块的累加和对比。如果某个小块 (i, j) 的累加和大于阈值Tc, 则表示此小区块是可能发生聚集的位置, 聚集程度系数Ci, j递增;当连续Tf帧某一个小区块都是可能发生聚集的位置, 即聚集程度系数Ci, j≥Tf时, 判断可能会发生群聚事件, 并发出警告。整个实验流程如图7所示。
3 实验结果
该实验中选择的视频是在校园环境中自行拍摄的群聚行为, 视频中目标之间的遮挡不是很严重, 可以实现多目标跟踪。图8为对多目标进行跟踪、轨迹拟合和轨迹预测的结果, 目标的预测轨迹随机分布在各个小块中。
图9为对群聚事件检测得到的结果, 每一行的第一幅图为对目标轨迹进行拟合和预测得到的结果;第二幅图为统计该帧中预测轨迹在图像中分布特性的效果图, 图中像素值越高、图像越亮的小块表示目标轨迹经过此处的次数越多, 此小块发生聚集的可能性也越高。
第267帧、295帧和306帧时图像的第11行9列连续25帧以上累加和超过了阈值, 即C11, 9>25, 判断为已发生群聚事件;第276帧、286帧时第10行第9列和第11行第9列中各有1个小块被标记为白色, 表示正在发生群聚事件。
4 结束语
本文针对日常生活中常出现的群聚事件, 提出了基于目标跟踪的群聚事件识别方法。该方法在场景中运动目标数较少时, 能准确识别群聚事件。然而, 对于背景环境较为复杂且目标过多的情况, 还需要进一步优化目标跟踪算法和识别算法, 这些将在后续的工作中进一步展开。
参考文献
[1]N.Haering, P.Venetianer, A.Lipton.The evolution of video surveillance:an overview[J].Machine Vision and Applications, 2008 (19) :5.
[2]钟徳华, 夏翠艳, 宋启敏, 等.多目标跟踪算法的研究与应用[J].计算机测量与控制, 2008, 16 (2) :846-848.
[3]高峰, 雷志勇, 易娟.基于模板匹配的目标跟踪技术[J].计算机应用, 2008 (10) :34-36.
[4]谢之宇, 蒋晓瑜.基于多线索融合的目标跟踪算法研究[J].计算机技术与发展, 2011, 21 (3) :125-131.
化工企业氯碱生产多目标优化研究 篇11
关键词:数学模型 应急救援 多目标优化
DOI:10.3969/j.issn.1672-8289.2010.08.005
1前言
我国氯碱工业创建于20世纪20年代,解放前发展缓陧,到1949年,全国仅有9家氯碱厂,烧碱总产量为1.5万t。建国以后,随着国民经济的发展,氯碱工业逐步发展起来,到1981年,全国烧碱总产量达192万t。随着改革开放的深入发展,特别是进入20世纪90年代,氯碱产品强劲的需求推动了我国氯碱工业进入高速增长期。1995年,我国烧碱总产量突破731万t,达到507万t,2001年的烧碱总产量达731万t,烧碱出口数量增加。我国氯碱工业逐步实现了从烧碱需求为主导向以氯定碱的方式转变。2002年,我国氯碱工业进入了第二轮高速增长期。但是氯碱生产过程中,不仅易发生燃烧、爆炸、氯气(剧毒)泄漏、化学腐蚀、化学灼伤等事故,而且这些生产事故一旦发生,后果将不堪设想。小规模的氯气泄漏事件,如生产过程中的氯气管道泄漏、运输过程中的钢瓶氯气泄漏、使用过程中的违规使用造成氯气泄漏等更是层出不绝。尽管这些安全生产事故不断发生,仍不能唤醒氯碱化工生产企业某些高层管理者的足够重视。
2国内外数学模型在具体工程的应用
这里主要讨论多目标遗传算法以及与其相关的数学模型在安全以及其他工程中的应用:
2.1典型数据模型应用
(1)ARMA 模型在测算重大突发事件影响中的应用
(2)大规模应急救援物资运输模型的构建与求解
(3)多目标优化改进遗传算法的矿区电网设计
(4)基于Petri网的城市突发事件应急联动救援系统性能分析
(5)基于图层叠加的多目标选址模型
(6)基于遗传算法的应急系统选址优化
(7)基于最优规划的事故救援模型仿真研究
(8)解决多目标优化问题的遗传算法研究
(9)一种具有模糊偏好的多目标进化算法
(10)遗传算法及其在制造工程中的应用
(1 1)运用多目标决策分析技术研究黑河流域中游水资源承载力L2-/J
2.2应急救援与数学模型的应用
氯碱生产是极易造成污染和发生安全事故的行业,生产过程中所用的原料、生产的产品和触到的物料易燃易爆,腐蚀性强,毒性大,一旦泄漏,极易发生火灾、爆炸、中毒等恶性事故,环境造成破坏或危及人的身体健康乃至生命。对氯碱生产过程中极易发生的各种突发事故,应有充分的认识和进行充分的思想、物质准备,编制突发事故紧急救援预案。在发生事故时,启动紧急救援预案,采取相应的措施进行救治,最大限度地预防和减少事故对国家财产和人民生命造成的损失和危害。
建立氯碱企业应急救援预案不仅能够保证氯碱企业的风险在萌芽状态就降至最小,而且在事故发生之后能够有效的对整个氯碱企业的应急进行安排,从而降低事故发生的概率以及降低事故发生所造成的后果。将数学模型的思想方法融入到应急救援中,更加有利于从数学的角度对事故以及数学模型进行控制,主要的数学模型以及可以借鉴应用的数学模型有:
(1)基于MapObject的矿井火灾动态最佳救灾路线数学模型和算法
(2)GIS在突发化学中毒事故应急救援决策中的应用
(3)公路应急救援系统分析及模型仿真
(4)重大突发事件应急救援设施选址的多目标决策模型
(5)覆盖模型
(6)p中心模型
(7)p中值模型
2.3多目标决策方法
多目标决策方法是从20世纪70年代中期发展起来的一种决策分析方法。决策分析是在系统规划、设计和制造等阶段为解决当前或未来可能发生的问题,在若干可选的方案中选择和决定最佳方案的一种分析过程。在社会经济系统的研究控制过程中我们所面临的系统决策问题常常是多目标的,例如我们在研究生产过程的组织决策时,既要考虑生产系统的产量最大,要使产品质量高,生产成本低等。这些目标之间相互作用和矛盾,使决策过程相当复杂使决策者常常很难轻易作出决策。这类具有多个目标的决策总是就是多目标决策。多目标决策方法现已广泛地应用于工艺过程、工艺设计、配方配比、水资源利用、环境、人口、教育、能源、企业高速武器系统设计和评价、经济管理等领域。多目标决策主要有以下几种方法:
(1)化多为少法:将多目标问题化成只有一个或二个目标的问题,然后用简单的决策方法求解,最常用的是线性加权和法。
(2)分层序列法:将所有目标按其重要性程度依次排序,先求出第一个最重要的目标的最优解,然后在保证前一目标最优解的前提下依次求下一目标的最优解,一直求到最后一个目标为止。
(3)直接求非劣解法:先求出一组非劣解,然后按事先确定好的评价标准从中找出一个满意的解。
(4)目标规划法:对于每一个目标都事先给定一个期望值,然后在满足系统一定约束条件下,找出与目标期望值最近的解。
(5)多属性效用法:各个目标均用表示效用程度大小的效用函数表示,通过效用函数构成多目标的综合效用函数,以此来评价各个可行方案的优劣。
(6)层次分析法:把目标体系结构予以展开,求得目标与决策方案的计量关系。
(7)重排序法:把原来的不好比较的非劣解通过其他办法使其排出优劣次序来。
(8)多目标群决策和多目标模糊决策等。
3建立多目标模型的影响因素
3.1氯碱企业主要危险有害化学品
生产过程中主要危险有害物质有:氯化钡、烧碱、氯气(液氯)、氢气、盐酸(氯化氢)、三氯化氮、硫酸等。
3.2主要危险、有害因素
氯碱生产过程中存在的主要危险、有害因素有火灾、爆炸、中毒、灼伤、触电等。
(1)火灾、爆炸危险氯碱生产装置中的电解、氯气氢气处理、盐酸等工序中有氢气、氯气、硫酸等易燃易爆或具有助燃性的物质,火灾爆炸危险类别属甲类,易发生火灾和爆炸事故。引起火灾和爆炸的主要因素有大量泄漏,如电解槽、冷却器、储罐、管道损坏等;控制失灵,如阀门、仪表损坏或安全装置失效,使生产过程失控;误操作造成超压、超温,使物料泄漏。
(2)中毒危险
氯碱生产过程中产生的氯气属于剧毒物质,如装置出现故障或发生火灾、爆炸事故,设备、管道损坏,会造成氯气泄漏,防范措施不当,就会造成人员中毒。
(3)灼伤危险
生产过程中的产品烧碱和辅助原料硫酸为强腐蚀性化学品,对人的皮肤、黏膜等组织有强烈的刺激和腐蚀作用,如不慎溅到皮肤上可引起灼伤。
(4)触电危险
氯碱生产是通人电流电解食盐水,如防范措施不当,有造成触电、引起电灼伤或电击的危险,造成人体内血液和组织液的电解,导致人员死亡。
3.3重大危险源辨识
氯碱生产过程中能构成重大危险源的物质有烧碱、氯气(液氯)、盐酸。在氯碱生产装置内,烧碱、液氯、盐酸几种物质的存放区域都是分开独立的,则该物质的数量即为单元内物质的总量。若物质的总量等于或超过相应的临界量时,则定为重大危险源。通过对氯碱生产全过程危险陆、各种物质特性、危险程度进行分析比较,应确定氯气(液氯)作为生产过程中的重大危险物质,确定液氯储罐区为重大危险源,确定液氯的泄漏为重大突发事故来制定相应的措施,并加以防范和预防。
3.4建立应急系统的氯碱企业进行选址
在对社会各种突发事件进行处理的应急系统中,应急服务设施选址具有十分重要的地位。而应急服务设施选址涉及因素极为复杂,有经济、技术、社会、安全等多方面因素。
3.5氯碱企业建立应急救援经济条件
在对氯碱企业进行应急救援编制的时候应该考虑到经济条件在多目标优化过程中的作用,要用最适当的经济条件达到最好的应急效果。
4研究方案的确定
4.1研究对象
化工企业氯碱生产多目标优化应急救援研究是针对现今社会中的化工企业生产中方存在的问题与风险而设计,以化工企业氯碱生产为主要研究对象,综合一些关于多目标遗传算法的思想对一些主要的影响因素(主要危险有害化学品、主要危险、有害因素、重大危险源辨识、建立应急系统的氯碱企业进行选址、氯碱企业建立应急救援经济条件)进行优化,建立最有针对性的应急救援预案。
4.2研究方法
由于多目标遗传算法是对多目标决策具有一定的指导作用,而实践工程是对理论工作的具体检验,因此,结合实际理论知识,通过得到的第一手资料,再进行综合分析,形成理论与实际更好的结合,从中发现实际问题,解决实际问题,得到的理论结论更有科学性和实用性。
多目标识别论文 篇12
要想识别、捕获、跟踪不同种类的目标,首先要把目标图像完整地从背景中分离出来.提取信号就要确定灰度门限阈值,而其依据是图像的幅度,即为单色图像的灰度.
如灰度直方图为单峰,则表明目标图像不能从背景中分割出来;如图像灰度直方图为双峰或三峰,则表明目标图像可以从背景中分割出来;如直方图杂乱无规则,则表明目标很难从其所在背景中分割出来.
在目标尺寸一定,摄像机镜头焦距一定,视频放大器性能、气象条件一定的情况下,电视跟踪系统的作用距离主要由截获行数决定.
一般情况下,电视系统截获行数选择4~5行较为合适.以车辆为例,人眼相应于发现、识别、辨认所需要的截获行数如表1所示[1,2,3].
当然,选择截获目标行数应该考虑目标的尺寸,尤其是目标高度,另一个方面要考虑到干扰.例如,若采用一种技术,使其发射率不断改变,则可导致系统误判决,这就要求系统增加截获的行数或者增设2场判决.
2 目标辐射特性影响分析
要分析电视图像识别信号处理与目标辐射特性的关系,首先应了解RGB颜色空间及其向HIS空间和灰度值之间的转换.
2.1 RGB颜色空间及其向HIS空间的转换
设r,g,b为三刺激值彩色信号,则人眼在图像平面上感知到的RGB三刺激值彩色信号分别为:
undefined
其中, I(λ)为该点入射的外界光照光谱,ρ(λ)为该点对应的材料表面光谱反射率曲线,λ取可见光波长范围(如380~760 nm).
人眼是根据r,g,b的比例来决定颜色,根据总和决定亮度.因此,对光谱分布I(λ)不一样的光,只要计算r,g,b相等,两者对人眼的色感觉是一样的.
RGB颜色空间转换到HIS颜色空间的转换关系为:undefined(2)
undefined
undefined
为了便于图像显示和利用灰度直方图阈值化方法对色调图像进行分析,通过下面公式将色度值映射到灰度级范围内:
undefined
由于r,g,b∈(0,1,…,225),因此I、S的值也在[0,255]的范围之内,按照上面的2种转化方法,只要知道了RGB颜色空间的值(r,g,b),就可以得到色调、色度、亮度对应的直方图.
2.2 目标光学特性
在可见光波段,目标与背景之间的色调、亮度、色度(饱和度)等视觉信号参数的对比特性是其主要的辐射特性,其变化直接影响目标数字图像的灰度特征(灰度变化的分布与结构).
目标的色调受某种颜色反射率的峰值波长λmax影响,当此波长改变时,目标的色调改变.
由目标的辐射亮度公式undefined可知,当目标的反射率ρ改变时,其亮度也将改变,亮度的改变导致目标与背景之间的辐射对比度也随之改变.
色度(饱和度)是指颜色的纯度.
当目标与背景亮度对比非常大时,目标就容易被探测发现;当目标与背景亮度相当时,则它们之间的色调对比便成为目标的重要识别特征.由于探测器本身的性能制约,将会对目标本身的色调、亮度、色度(饱和度)、反射率等有一个变化范围的要求,因此,当目标的色调、亮度、色度(饱和度)的变化超出探测器本身的要求时,将会影响其跟踪识别目标的能力.
除了要考虑探测器接收到的目标的照度外,目标与背景之间的辐射对比度也需达到一定的数值.
由辐射亮度、辐射照度、辐射强度之间的关系可知,对同一目标的同一部分来说,辐射亮度与辐射强度、辐射照度与辐射亮度之间应成正比关系.在下面的分析中,将用辐射强度值或辐射照度来代替辐射亮度值[2,3].
取目标的某一区域,在此区域内各参数相同,且设目标处于晴朗的白天,则目标与背景之间的关系应满足下式:
undefined
式中:E0为探测器接收到的目标照度;D为光学系统有效通光孔径;I′01为目标本身的发光强度;R为观测点到目标的距离;τa为大气透过率;τf为滤光片透过率;τ0为光学系统透过率;N为目标像所占CCD像元个数;Lb为背景的辐射亮度;τ′f为滤光片对背景的透过率;f为光学系统焦距;A0为单个像元面积.
一般情况下C阈取10%,也可根据情况取3%.
解出I′01的范围为:
undefined
在式(7)中,由于I′01表达式中的各量均为已知或者可以预先测出,因此,设:
undefined
则I′01的范围可表示为:
I′01≤B (8)
对于所取区域假设其不透明,则反射率ρ0=1-ε0为一常数.因此,r,g,b值的表达式可写为:
undefined
把式(8)代入式(9)即可求出这一区域内的r,g,b的范围为:
undefined
进而求出色调H、亮度I、色度S对应直方图的范围:
undefined
undefined
undefined
同样,由辐射强度和反射率之间的关系:
undefined
把I′01和目标的辐射出射度M′01=[F(λ2T)-F(λ1T)]εσΤ4代入式(14),且令常数C=F(λ2T)-F(λ1T),即可求出反射率ρ的值是:
undefined或undefined(舍去) (15)
所以,反射率ρ的变化范围是:
undefined
因此,当H,I,S分别在式(11),式(12),式(13),ρ在式(16)的范围内变化时,会使信号处理失效.
3 结 束 语
实际上电视图像目标识别处理对目标的色度、色调、亮度的变化范围要求不仅与对比度阈值、辐射照度阈值、单个像元的面积、探测器对背景的透过率等系统本身的性能有关之外,还与目标与背景之间的斜距、背景的辐射亮度、目标像在CCD面上像元数有关.
参考文献
[1]张敬贤.微光与红外成像技术[M].北京:北京理工大学出版社,1995.
[2]李尊民.电视图像自动跟踪的基本原理[M].北京:国防工业出版社,1998.