摘要： 為了掌握建筑施工揚(yáng)塵污染狀況,提出基于多源數(shù)據(jù)融合的建筑施工揚(yáng)塵污染特征識(shí)別方法。分析建筑施工揚(yáng)塵污染排放主要來源,利用排放因子算法估計(jì)揚(yáng)塵水平。建立顆粒物運(yùn)移方程,結(jié)合擴(kuò)散系數(shù)掌握揚(yáng)塵遷移規(guī)律。根據(jù)一致性原則合并數(shù)據(jù)源中的沖突值,采用差值算法填補(bǔ)空缺值,建立多源數(shù)據(jù)知識(shí)圖譜。將聚類分析引入到圖譜中,通過夾角余弦法計(jì)算待識(shí)別樣本間的相似度,識(shí)別出揚(yáng)塵污染特征。仿真實(shí)驗(yàn)結(jié)果表明,基坑開挖污染最為嚴(yán)重,其次是主體結(jié)構(gòu),基礎(chǔ)建設(shè)污染值最低,該結(jié)果與實(shí)際工況相符,識(shí)別精度較高。

摘要： 針對(duì)當(dāng)前車牌字符識(shí)別中相似字符易出錯(cuò)的問題,提出了模板匹配聯(lián)合特征的車牌字符識(shí)別方法。在算法設(shè)計(jì)中,首先,根據(jù)車牌字符特征構(gòu)建存在相似字符,識(shí)別時(shí)容易出錯(cuò)的特征字符庫;初次識(shí)別時(shí),對(duì)所有車牌字符采用模板匹配算法;初次識(shí)別的結(jié)果如不屬于特征字符庫,識(shí)別結(jié)束;否則進(jìn)行二次特征識(shí)別。通過對(duì)4000張不同環(huán)境下的車牌圖片進(jìn)行測(cè)試,表明本方法的識(shí)別率達(dá)到了99%,解決了車牌相似字符識(shí)別時(shí)易出錯(cuò)的問題。此外,本算法設(shè)計(jì)簡(jiǎn)單,識(shí)別速度快,適應(yīng)性強(qiáng),對(duì)車牌識(shí)別系統(tǒng)的普及起到了重要作用。

摘要： 在測(cè)量路面滲水系數(shù)時(shí),滲水儀操作過程中的漏水現(xiàn)象和人為掐表讀數(shù)誤差會(huì)導(dǎo)致測(cè)量結(jié)果偏差增大,數(shù)據(jù)記錄和分析繁瑣。為此,設(shè)計(jì)了滲水系數(shù)自動(dòng)測(cè)量?jī)x。該設(shè)計(jì)采用液位壓力傳感器實(shí)時(shí)監(jiān)測(cè)水位高度變化,根據(jù)工藝流程模式動(dòng)態(tài)調(diào)整電磁閥輸出狀態(tài),開發(fā)了JJG 104—2015和用戶自定義操作流程,不僅可以實(shí)現(xiàn)起始刻度與終了刻度間水位的檢測(cè),還可以完成水量下滲速率的實(shí)時(shí)監(jiān)測(cè),將狀態(tài)和過程結(jié)合在一體。通過工藝算法開發(fā),達(dá)到了甄別滲水、漏水、氣泡等過程現(xiàn)象的目的,拓展了滲水過程信息量,為公路監(jiān)測(cè)、病害預(yù)警和養(yǎng)護(hù)決策等提供數(shù)據(jù)支持。手持設(shè)備基于Windows CE嵌入式系統(tǒng),耗電少、體積小、成本低,適合野外工程人員操作和記錄。

摘要： 針對(duì)現(xiàn)有模型簡(jiǎn)化方法存在效率低、工程語義模糊等問題,提出一種基于特征映射的CAD模型簡(jiǎn)化方法。該方法充分利用特征CAD模型所蘊(yùn)含的拓?fù)浜吞卣餍畔?首先根據(jù)簡(jiǎn)化語義需求交互選定簡(jiǎn)化區(qū)域任一拓?fù)涿?然后,利用選定面和設(shè)計(jì)特征之間的映射關(guān)系自動(dòng)識(shí)別簡(jiǎn)化特征;最后,根據(jù)待簡(jiǎn)化特征的依賴關(guān)系重構(gòu)CAD模型,實(shí)現(xiàn)模型簡(jiǎn)化。實(shí)驗(yàn)表明:該方法簡(jiǎn)單、高效、操作語義明晰,能實(shí)現(xiàn)CAD模型的交互式快速簡(jiǎn)化,進(jìn)而有效促進(jìn)CAD/CAM/CAE集成。

摘要： 針對(duì)各類基于模型定義(MBD)的零件模型加工特征的信息集成問題,提出一種多層次提取架構(gòu)的加工特征全息信息提取方法。通過對(duì)零件的結(jié)構(gòu)特點(diǎn)進(jìn)行分析,以具有制造語義且無法拆分的最簡(jiǎn)化特征實(shí)現(xiàn)加工特征的分類;在闡述提取策略的基礎(chǔ)上,構(gòu)建了基于深度學(xué)習(xí)圖像識(shí)別技術(shù)的加工特征分類器;依據(jù)MBD模型信息標(biāo)注的特點(diǎn)快速定位、抽取加工特征的拓?fù)浣Y(jié)構(gòu),并利用多角度捕捉降維方法將加工特征彩色圖像化,在此基礎(chǔ)上設(shè)計(jì)了加工特征多角度圖像識(shí)別綜合分析方法;基于查詢視圖對(duì)MBD模型的標(biāo)注信息進(jìn)行過濾,構(gòu)建了加工特征幾何信息雙層過濾式提取方法。最后開發(fā)了加工特征全息信息提取軟件,并以船用柴油機(jī)關(guān)鍵件為實(shí)例驗(yàn)證了該方法的有效性。

摘要： 由于當(dāng)前方法存在識(shí)別率較低、識(shí)別效果不理想等問題,提出基于離散余弦變換的電力營銷系統(tǒng)客戶權(quán)限自動(dòng)識(shí)別方法,該方法首先利用PCA方法對(duì)所選向量進(jìn)行降維處理,并利用LDA特征提取方法通過線性變換提取人臉特征,最大化分離所獲得的特征;其次通過DDCT特征提取方法對(duì)圖像進(jìn)行變換處理,利用Zig-zag獲得特征提取過程中所需的特征向量以及低頻分量,再融合LDA與DDCT兩種方法提取人臉特征,最后構(gòu)建一個(gè)支持向量機(jī)的分類器,將所提取的特征輸入其中,實(shí)現(xiàn)客戶權(quán)限自動(dòng)識(shí)別的操作。實(shí)驗(yàn)結(jié)果表明,所提方法的識(shí)別率以及識(shí)別效果較好,能夠保證識(shí)別率。

摘要： 特征識(shí)別是流體力學(xué)的重要研究方向,然而在中高雷諾數(shù)情況下物體的尾流流場(chǎng)復(fù)雜,難以通過傳統(tǒng)方法實(shí)現(xiàn)特征的提取與識(shí)別.深度學(xué)習(xí)理論與技術(shù)的不斷發(fā)展為復(fù)雜流場(chǎng)特征的識(shí)別提供了新方法.基于流場(chǎng)時(shí)程數(shù)據(jù)的深度學(xué)習(xí)模型,本文研究了4種模型對(duì)尾流場(chǎng)特征提取與識(shí)別的精度,得到了針對(duì)流場(chǎng)時(shí)程特征提取的高精度新方法.結(jié)果表明:所提出的模型能夠識(shí)別尾流物理時(shí)程的不同特征,并通過流場(chǎng)時(shí)程實(shí)現(xiàn)了目標(biāo)的外形識(shí)別,驗(yàn)證了方法的可行性;同時(shí)結(jié)果表明基于卷積運(yùn)算的深度學(xué)習(xí)模型精度高,適用于流場(chǎng)時(shí)程數(shù)據(jù)的特征分析;深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)更深、層間結(jié)構(gòu)復(fù)雜的殘差卷積網(wǎng)絡(luò)識(shí)別精度最高,是尾流時(shí)程分析的高精度算法.本文所提方法從流場(chǎng)物理量時(shí)程的角度對(duì)流場(chǎng)特征進(jìn)行了提取與識(shí)別,證明了深度學(xué)習(xí)方法具有較高的識(shí)別精度,是研究流場(chǎng)特征的重要途徑.

摘要： 為滿足角盒類零件型腔特征識(shí)別需求,提出了一種基于改進(jìn)圖匹配的型腔特征自動(dòng)識(shí)別方法。分析了角盒類零件型腔特征,提取了特征簡(jiǎn)化模型的共性模板屬性。獲取了模型柵格高度點(diǎn)云數(shù)據(jù),以高度中值作為閾值并將其轉(zhuǎn)換為0-1特征值矩陣,提取了型腔面投影特征值以分離識(shí)別型腔壁邊面。采用共性模板面鄰接屬性判定搜索型腔側(cè)壁面,最終識(shí)別出了包含底板面集、壁邊面集和側(cè)壁面集的完整型腔加工特征。實(shí)例驗(yàn)證結(jié)果表明,相較于固定模板匹配的特征識(shí)別方式,采用所提方法識(shí)別角盒類零件型腔加工特征時(shí)具有更高的效率和更好的魯棒性。

摘要： 輸電線路傳輸距離長(zhǎng)、通道環(huán)境復(fù)雜,大型施工機(jī)械造成的撞擊事故時(shí)有發(fā)生?，F(xiàn)有的輸電線路防撞監(jiān)測(cè)方案主要依靠人工實(shí)現(xiàn),既耗費(fèi)大量人力資源,也難以保證監(jiān)測(cè)覆蓋面。因此,針對(duì)性地提出了針對(duì)輸電線路周邊工程機(jī)械的防撞在線預(yù)警方法,該方法創(chuàng)新地利用智能傳感器及壓縮感知算法,可實(shí)現(xiàn)輸電線路通道內(nèi)的工程機(jī)械類威脅異物自動(dòng)在線預(yù)警。利用攝像模塊、微波測(cè)距模塊采集目標(biāo)的像素分布特征、形狀特征以及距離特征,并傳輸?shù)胶笈_(tái)。后臺(tái)服務(wù)器利用建立的離線特征目標(biāo)數(shù)據(jù)庫,通過壓縮感知算法實(shí)現(xiàn)針對(duì)該目標(biāo)的研判結(jié)果,對(duì)具有威脅的目標(biāo)及時(shí)發(fā)出預(yù)警。結(jié)果表明,所提算法的識(shí)別精度可達(dá)96.34%,能夠?yàn)檩旊娺\(yùn)檢部門提供可靠的預(yù)警結(jié)果。

摘要： 礦石的品位是指導(dǎo)礦山生產(chǎn)的必要指標(biāo)。為實(shí)現(xiàn)對(duì)鐵礦石品位的智能化識(shí)別以及模型在便攜設(shè)備中的搭載,對(duì)不同鐵礦石的不同品位進(jìn)行了數(shù)據(jù)增強(qiáng)處理,利用MobileNet搭建SSD神經(jīng)網(wǎng)絡(luò)作為方法的第一個(gè)判斷模塊,在訓(xùn)練神經(jīng)過程中采用遷移學(xué)習(xí)思想以及早停法對(duì)訓(xùn)練進(jìn)行加速,進(jìn)而生成鐵礦石品位識(shí)別模型。測(cè)試集驗(yàn)證結(jié)果表明,模型對(duì)于礦石品位圖像識(shí)別正確率大于97%,模型可以很好地區(qū)分不同品位的鐵礦石,可以為其他礦山品位識(shí)別提供參考。

摘要： 人臉作為最重要的人體生物特征之一,具有較強(qiáng)的自身穩(wěn)定性和個(gè)體差異性,比起采用其他生物識(shí)別技術(shù),人臉識(shí)別技術(shù)具有非接觸、方便采集、操作簡(jiǎn)單和易被接受等優(yōu)點(diǎn),在身份識(shí)別、自動(dòng)監(jiān)控、訪問控制、視頻會(huì)議和人機(jī)交互等方面占有很大的應(yīng)用市場(chǎng).但隨著應(yīng)用的日益廣泛,現(xiàn)有的人臉識(shí)別系統(tǒng)也暴露出了很多安全問題,本文介紹了典型的人臉識(shí)別工作流程,并對(duì)人臉特征識(shí)別技術(shù)的安全性進(jìn)行了論述.

摘要： 隨著電力負(fù)荷分解技術(shù)的提出,家用電器設(shè)備用能行為特征分析的功能得以實(shí)現(xiàn).負(fù)荷印記正是記錄負(fù)荷運(yùn)行特征的一種表現(xiàn)形式,通過融合式模式識(shí)別算法對(duì)不同電器用能負(fù)荷在穩(wěn)態(tài)和暫態(tài)下的行為變化特征進(jìn)行辨識(shí),可以將非侵入式負(fù)荷信號(hào)抓取出來,一方面及時(shí)中斷非法負(fù)荷進(jìn)入電路對(duì)電器使用壽命的影響,另一方面用戶可以將電器用能特征與電價(jià)交易事件相結(jié)合,制定符合自身需求的用能計(jì)劃,提升用戶在用能服務(wù)方面的感知度.

摘要： 隨著自然資源保護(hù)的壓力日益迫切,中國試著通過多種途徑進(jìn)行自然資源保護(hù),國家公園就是保護(hù)途徑之一.在參考了既有研究的基礎(chǔ)上,本文對(duì)目前10個(gè)國家公園體制試點(diǎn)區(qū)從自然資源、人文資源、游憩功能、土地條件4個(gè)維度進(jìn)行對(duì)比.從而識(shí)別出國家公園的特征,并進(jìn)一步研究了這些特征在國家公園試點(diǎn)區(qū)建立過程中的作用機(jī)制.分析識(shí)別到的7個(gè)主要特征為地理資源、生物資源、天象與氣候資源、人文活動(dòng)、游憩功能、資源開發(fā)程度、可行性,這些特征在作用強(qiáng)度和作用階段上存在差異.綜上,國家公園的設(shè)立與建設(shè)需要相關(guān)的資源分類與評(píng)價(jià)標(biāo)準(zhǔn),本文提出的國家公園特征及作用機(jī)制可以為今后國家公園的設(shè)立與建設(shè)的標(biāo)準(zhǔn)提供參考.

摘要： 人居Ⅲ提出:“消除包括極端貧困在內(nèi)的一切形式的貧困,是最大的全球性挑戰(zhàn),也是永續(xù)發(fā)展不可或缺的要求.”本研究關(guān)注超大城市待更新社區(qū)的新城市貧困問題,以類型化的思路識(shí)別和剖析新城市貧困現(xiàn)象在城市不同地區(qū)的表現(xiàn)特征與形成機(jī)制.在北京市選取了8個(gè)典型貧困社區(qū),借助社區(qū)問卷與全市問卷的調(diào)查結(jié)果展開對(duì)比分析,按照多重剝奪的思想構(gòu)建綜合貧困指標(biāo),識(shí)別不同類型和不同深度的貧困,并參考多階剝奪的思想剖析老工業(yè)區(qū)、老城、城中村、廉租房小區(qū)四類貧困區(qū)背后的制度剝奪和社會(huì)剝奪機(jī)制.研究認(rèn)為立足包容與利貧的城市更新應(yīng)該致力于打破貧困背后的剝奪積累,解除關(guān)鍵的制度剝奪與社會(huì)剝奪,重視老工業(yè)區(qū)社會(huì)資本積累與接續(xù)性保障制度、老城房屋產(chǎn)權(quán)與土地發(fā)展權(quán)、城中村公共服務(wù)設(shè)施與外來人口市民權(quán)利、廉租房小區(qū)社區(qū)融合與非正式制度引導(dǎo)等關(guān)鍵環(huán)節(jié)的賦能,以促進(jìn)貧困群體自主流動(dòng)性來構(gòu)建包容與利貧的規(guī)劃原則.

摘要： 利用三維激光掃描技術(shù)得到的無錫光明村點(diǎn)云數(shù)據(jù)建立模型,通過運(yùn)用Geomagic軟件對(duì)監(jiān)測(cè)對(duì)象地裂縫進(jìn)行特征識(shí)別,評(píng)價(jià)地裂縫以及其對(duì)周圍建筑物的影響.運(yùn)用統(tǒng)計(jì)原理及數(shù)值計(jì)算,通過選取特征點(diǎn)以及特征直線的方法,以得到地裂縫的傾向、走向、長(zhǎng)度、深度及兩側(cè)高差等特征數(shù)值信息,并且得出創(chuàng)建的特征點(diǎn)個(gè)數(shù)與結(jié)果準(zhǔn)確率之間的關(guān)系.其次,采用平面擬合的方法,利用擬合平面的特征法向量,通過幾何變換與計(jì)算,對(duì)由地裂縫引起的周圍建筑物(此處重點(diǎn)研究墻體)的變形變化進(jìn)行計(jì)算,定性并定量地分析地裂縫對(duì)墻體的影響.通過對(duì)地裂縫的特征以及周圍墻體受影響程度的分析,提供該地裂縫的整治建議,為該地區(qū)后續(xù)地質(zhì)情況分析以及災(zāi)害后的修復(fù)工作提供指導(dǎo).在此基礎(chǔ)上提供一種利用Geomagic獲取檢測(cè)對(duì)象特征信息的方法.

摘要： 在油田視頻監(jiān)控系統(tǒng)建設(shè)體系不健全、應(yīng)用體系不完善的背景下,綜合考慮生產(chǎn)、安全、綜治等視頻應(yīng)用需要,為規(guī)范視頻建設(shè)、加強(qiáng)資源整合、保障共享共用,開展了視頻集成應(yīng)用平臺(tái)的構(gòu)建,并進(jìn)行視頻智能化應(yīng)用探索實(shí)踐,建立一套符合油田特定場(chǎng)景和動(dòng)作特征的數(shù)據(jù)分析預(yù)警報(bào)警模型,實(shí)現(xiàn)對(duì)現(xiàn)場(chǎng)視頻的關(guān)鍵場(chǎng)景、屬性的智能識(shí)別.通過大數(shù)據(jù)分析,為切實(shí)提高油氣生產(chǎn)效率、高效處置突發(fā)事件及油田視頻大數(shù)據(jù)的智能應(yīng)用提供可靠的視頻資源基礎(chǔ)保障,不斷支撐油田勘探開發(fā)業(yè)務(wù)的發(fā)展,進(jìn)一步實(shí)現(xiàn)油田無人或少人化管理.

摘要： 在油田視頻監(jiān)控系統(tǒng)建設(shè)體系不健全、應(yīng)用體系不完善的背景下,綜合考慮生產(chǎn)、安全、綜治等視頻應(yīng)用需要,為規(guī)范視頻建設(shè)、加強(qiáng)資源整合、保障共享共用,開展了視頻集成應(yīng)用平臺(tái)的構(gòu)建,并進(jìn)行視頻智能化應(yīng)用探索實(shí)踐,建立一套符合油田特定場(chǎng)景和動(dòng)作特征的數(shù)據(jù)分析預(yù)警報(bào)警模型,實(shí)現(xiàn)對(duì)現(xiàn)場(chǎng)視頻的關(guān)鍵場(chǎng)景、屬性的智能識(shí)別.通過大數(shù)據(jù)分析,為切實(shí)提高油氣生產(chǎn)效率、高效處置突發(fā)事件及油田視頻大數(shù)據(jù)的智能應(yīng)用提供可靠的視頻資源基礎(chǔ)保障,不斷支撐油田勘探開發(fā)業(yè)務(wù)的發(fā)展,進(jìn)一步實(shí)現(xiàn)油田無人或少人化管理.

摘要： 在油田視頻監(jiān)控系統(tǒng)建設(shè)體系不健全、應(yīng)用體系不完善的背景下,綜合考慮生產(chǎn)、安全、綜治等視頻應(yīng)用需要,為規(guī)范視頻建設(shè)、加強(qiáng)資源整合、保障共享共用,開展了視頻集成應(yīng)用平臺(tái)的構(gòu)建,并進(jìn)行視頻智能化應(yīng)用探索實(shí)踐,建立一套符合油田特定場(chǎng)景和動(dòng)作特征的數(shù)據(jù)分析預(yù)警報(bào)警模型,實(shí)現(xiàn)對(duì)現(xiàn)場(chǎng)視頻的關(guān)鍵場(chǎng)景、屬性的智能識(shí)別.通過大數(shù)據(jù)分析,為切實(shí)提高油氣生產(chǎn)效率、高效處置突發(fā)事件及油田視頻大數(shù)據(jù)的智能應(yīng)用提供可靠的視頻資源基礎(chǔ)保障,不斷支撐油田勘探開發(fā)業(yè)務(wù)的發(fā)展,進(jìn)一步實(shí)現(xiàn)油田無人或少人化管理.

摘要： 在油田視頻監(jiān)控系統(tǒng)建設(shè)體系不健全、應(yīng)用體系不完善的背景下,綜合考慮生產(chǎn)、安全、綜治等視頻應(yīng)用需要,為規(guī)范視頻建設(shè)、加強(qiáng)資源整合、保障共享共用,開展了視頻集成應(yīng)用平臺(tái)的構(gòu)建,并進(jìn)行視頻智能化應(yīng)用探索實(shí)踐,建立一套符合油田特定場(chǎng)景和動(dòng)作特征的數(shù)據(jù)分析預(yù)警報(bào)警模型,實(shí)現(xiàn)對(duì)現(xiàn)場(chǎng)視頻的關(guān)鍵場(chǎng)景、屬性的智能識(shí)別.通過大數(shù)據(jù)分析,為切實(shí)提高油氣生產(chǎn)效率、高效處置突發(fā)事件及油田視頻大數(shù)據(jù)的智能應(yīng)用提供可靠的視頻資源基礎(chǔ)保障,不斷支撐油田勘探開發(fā)業(yè)務(wù)的發(fā)展,進(jìn)一步實(shí)現(xiàn)油田無人或少人化管理.

摘要： 心電圖下壁導(dǎo)聯(lián)存在Lambda(λ)波,可能是猝死高危者一個(gè)新的心電圖標(biāo)志,代表了一個(gè)新的臨床范疇.能快速識(shí)別心電圖譜上的Lambda(λ)波特征,警惕少見的心電圖Lambda(λ)波,將能引起醫(yī)學(xué)界更高程度的重視,預(yù)防患者的心源性猝死.

摘要： 本發(fā)明公開了一種三角網(wǎng)格模型的特征識(shí)別方法及其特征識(shí)別系統(tǒng)，屬于三維模型重構(gòu)技術(shù)領(lǐng)域，其方法包括網(wǎng)格模型前處理步驟、網(wǎng)格分割步驟、直線、曲線和特征點(diǎn)識(shí)別步驟、圓特征識(shí)別步驟和模型封裝步驟，得到設(shè)備模型，其中，所述設(shè)備模型包括三角形網(wǎng)絡(luò)模型數(shù)據(jù)和區(qū)域集合數(shù)據(jù)，所述三角形網(wǎng)絡(luò)模型數(shù)據(jù)包括三角形集合，所述區(qū)域集合包括所述分割區(qū)域；其系統(tǒng)包括網(wǎng)格模型前處理模塊、網(wǎng)格分割模塊、直線、曲線和特征點(diǎn)識(shí)別模塊、圓特征識(shí)別模塊和模型封裝模塊。本發(fā)明解決了現(xiàn)有的仿真軟件只能通過計(jì)算相對(duì)位置的方式來定位或者裝配模型，效率極低的問題。

摘要： 本申請(qǐng)涉及物聯(lián)網(wǎng)及智能家居領(lǐng)域，提供了一種生物特征識(shí)別設(shè)備和生物特征識(shí)別方法。該方法包括：當(dāng)根據(jù)所述特征比對(duì)參數(shù)，對(duì)采集的生物特征與預(yù)存的目標(biāo)生物特征進(jìn)行比對(duì)，且比對(duì)結(jié)果為識(shí)別成功時(shí)，根據(jù)比對(duì)次數(shù)確定識(shí)別類型，并更新部分或全部識(shí)別類型對(duì)應(yīng)的識(shí)別成功率；若更新后的識(shí)別類型對(duì)應(yīng)的識(shí)別成功率滿足調(diào)整條件，則調(diào)整所述目標(biāo)生物特征對(duì)應(yīng)的特征比對(duì)參數(shù)；在采集到新的生物特征后，根據(jù)調(diào)整后的特征比對(duì)參數(shù)，確定所述新的生物特征與預(yù)存的目標(biāo)生物特征的比對(duì)結(jié)果。該生物特征識(shí)別方法能根據(jù)使用者的生物特征個(gè)體情況，動(dòng)態(tài)的調(diào)整生物特征識(shí)別的特征比對(duì)參數(shù)，優(yōu)化調(diào)整拒識(shí)率，取得使用便捷性和安全性的良好平衡。

摘要： 提供了一種屏下生物特征識(shí)別裝置、生物特征識(shí)別組件和終端設(shè)備。該屏下生物特征識(shí)別裝置包括：顯示屏和生物特征識(shí)別模組，所述生物特征識(shí)別模組固定設(shè)置在所述顯示屏的下方，且所述生物特征識(shí)別模組和所述顯示屏之間存在間隙。本申請(qǐng)實(shí)施例中，通過將該生物特征識(shí)別模組與該顯示屏的下表面進(jìn)行分離設(shè)計(jì)，能夠降低拆卸該生物特征識(shí)別模組的難度，進(jìn)而提高終端設(shè)備的可維修性。進(jìn)一步地，還能夠降低生產(chǎn)顯示屏下該生物特征識(shí)別模組的復(fù)雜度并提高生產(chǎn)成功率，進(jìn)而降低的生產(chǎn)成本。

摘要： 提供了一種屏下生物特征識(shí)別裝置、生物特征識(shí)別組件和終端設(shè)備。該屏下生物特征識(shí)別裝置包括：顯示屏和生物特征識(shí)別模組，所述生物特征識(shí)別模組固定設(shè)置在所述顯示屏的下方，且所述生物特征識(shí)別模組和所述顯示屏之間存在間隙。本申請(qǐng)實(shí)施例中，通過將該生物特征識(shí)別模組與該顯示屏的下表面進(jìn)行分離設(shè)計(jì)，能夠降低拆卸該生物特征識(shí)別模組的難度，進(jìn)而提高終端設(shè)備的可維修性。進(jìn)一步地，還能夠降低生產(chǎn)顯示屏下該生物特征識(shí)別模組的復(fù)雜度并提高生產(chǎn)成功率，進(jìn)而降低的生產(chǎn)成本。

摘要： 公開了一種生物特征識(shí)別方法，包括以下步驟：從檢測(cè)面板的部分區(qū)域采集生物特征數(shù)據(jù)以獲得第一圖像；判斷第一圖像的質(zhì)量是否達(dá)到預(yù)設(shè)的標(biāo)準(zhǔn)，如果是，則從整個(gè)檢測(cè)面板采集生物特征數(shù)據(jù)以獲得第二圖像。該方法只有在第一圖像滿足要求的條件下，才啟動(dòng)全部檢測(cè)單元進(jìn)行檢測(cè)，從而節(jié)約了功耗。同時(shí)公開了對(duì)應(yīng)的生物特征識(shí)別裝置。

摘要： 本公開提供了一種特征識(shí)別模型訓(xùn)練方法、物品特征識(shí)別方法及裝置。該訓(xùn)練方法包括：獲取物品樣本數(shù)據(jù)集，物品樣本數(shù)據(jù)集中包括多條物品樣本，將每條物品樣本中的物品圖像數(shù)據(jù)、用于描述物品的文本數(shù)據(jù)和物品風(fēng)格數(shù)據(jù)分別輸入初始模型的圖像特征提取層、文本特征提取層和風(fēng)格特征提取層，分別輸出物品圖像特征、文本特征和風(fēng)格特征；將物品圖像特征和文本特征輸入初始模型的特征組合層，輸出物品組合特征；將物品組合特征和風(fēng)格特征輸入初始模型的匹配層，輸出匹配結(jié)果；根據(jù)匹配結(jié)果和風(fēng)格標(biāo)簽調(diào)整初始模型的模型參數(shù)，得到訓(xùn)練完成的特征識(shí)別模型。

摘要： 本發(fā)明公開了一種三角網(wǎng)格模型的特征識(shí)別方法及其特征識(shí)別系統(tǒng)，屬于三維模型重構(gòu)技術(shù)領(lǐng)域，其方法包括網(wǎng)格模型前處理步驟、網(wǎng)格分割步驟、直線、曲線和特征點(diǎn)識(shí)別步驟、圓特征識(shí)別步驟和模型封裝步驟，得到設(shè)備模型，其中，所述設(shè)備模型包括三角形網(wǎng)絡(luò)模型數(shù)據(jù)和區(qū)域集合數(shù)據(jù)，所述三角形網(wǎng)絡(luò)模型數(shù)據(jù)包括三角形集合，所述區(qū)域集合包括所述分割區(qū)域；其系統(tǒng)包括網(wǎng)格模型前處理模塊、網(wǎng)格分割模塊、直線、曲線和特征點(diǎn)識(shí)別模塊、圓特征識(shí)別模塊和模型封裝模塊。本發(fā)明解決了現(xiàn)有的仿真軟件只能通過計(jì)算相對(duì)位置的方式來定位或者裝配模型，效率極低的問題。

摘要： 本發(fā)明涉及一種生物特征識(shí)別系統(tǒng)及生物特征識(shí)別方法，生物特征識(shí)別系統(tǒng)包括X射線探測(cè)裝置和控制裝置，X射線探測(cè)裝置置于密封防護(hù)箱內(nèi)，X射線探測(cè)裝置包括底座，底座上設(shè)置有導(dǎo)軌，沿導(dǎo)軌長(zhǎng)度方向依次滑設(shè)有第一位移臺(tái)、第二位移臺(tái)和第三位移臺(tái)，第一位移臺(tái)上設(shè)置有X射線管，第二位移臺(tái)上設(shè)置有樣品轉(zhuǎn)臺(tái)，第三位移臺(tái)上則設(shè)置有探測(cè)器；控制裝置包括主控器和X射線發(fā)生控制組件，主控器與X射線發(fā)生控制組件、樣品轉(zhuǎn)臺(tái)、和三個(gè)位移臺(tái)分別通過線纜或通信連接。本發(fā)明的生物特征識(shí)別系統(tǒng)，采用微米焦點(diǎn)的X射線管作為光源，得到了空間相干性較好的X射線光束，從而實(shí)現(xiàn)了基于相位襯度的弱吸收生物樣品的成像檢測(cè)，提高了空間分辨率。

摘要： 本發(fā)明涉及人工智能技術(shù)領(lǐng)域，應(yīng)用于智慧醫(yī)療領(lǐng)域中，以便推動(dòng)智慧城市的建設(shè)，揭露了一種疾病特征識(shí)別模型訓(xùn)練、疾病特征識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，該方法通過將樣本人臉圖像輸入至預(yù)設(shè)識(shí)別模型中，得到預(yù)測(cè)全局特征標(biāo)簽、預(yù)測(cè)局部特征標(biāo)簽以及預(yù)測(cè)監(jiān)督特征標(biāo)簽；根據(jù)確定的第一預(yù)測(cè)損失值、第二預(yù)測(cè)損失值、第三預(yù)測(cè)損失值，以及獲取的第一預(yù)測(cè)權(quán)重、第二預(yù)測(cè)權(quán)重、第三預(yù)測(cè)權(quán)重確定預(yù)設(shè)識(shí)別模型的總損失值；在總損失值未達(dá)到預(yù)設(shè)的收斂條件時(shí)，迭代更新預(yù)設(shè)識(shí)別模型中的初始參數(shù)，直至總損失值達(dá)到收斂條件時(shí)，將收斂之后的預(yù)設(shè)識(shí)別模型記錄為疾病特征識(shí)別模型。本發(fā)明提高了模型訓(xùn)練的效率以及準(zhǔn)確率，提高了特征識(shí)別的準(zhǔn)確率。

摘要： 提供了一種屏下生物特征識(shí)別裝置、生物特征識(shí)別組件和終端設(shè)備。該屏下生物特征識(shí)別裝置包括：顯示屏和生物特征識(shí)別模組，所述生物特征識(shí)別模組固定設(shè)置在所述顯示屏的下方，且所述生物特征識(shí)別模組和所述顯示屏之間存在間隙。本申請(qǐng)實(shí)施例中，通過將該生物特征識(shí)別模組與該顯示屏的下表面進(jìn)行分離設(shè)計(jì)，能夠降低拆卸該生物特征識(shí)別模組的難度，進(jìn)而提高終端設(shè)備的可維修性。進(jìn)一步地，還能夠降低生產(chǎn)顯示屏下該生物特征識(shí)別模組的復(fù)雜度并提高生產(chǎn)成功率，進(jìn)而降低的生產(chǎn)成本。