简介:首先采用基于混合高斯模型与椭圆肤色模型进行手势分割,分割出手势区域,使用卡尔曼滤波器进行手势跟踪,获得手势中心点的位置。在此基础上,记录各帧中心点位置,得到运动轨迹,利用提出的轨迹模板匹配方法对动态手势进行识别。该方法利用基本的几何特征便可完成手势运动轨迹的设置与识别,无需特征选择或训练样本的搜集。最后,采用基于Zynq-7000的Zedboard平台对该算法进行实现,并采用HLS硬件加速工具进行算法加速。实验结果表明,该算法可实现较精确的手势识别,接受弹性的输入采样,识别正确率在95%以上,且通过硬件加速后,可在嵌入式平台中实时识别,具有较好的实时性。
简介:无线传感器网络栅栏覆盖在入侵监测领域发挥着重要的作用,知何高效、低代价地构建栅栏以及栅栏出现间隙后如何修复是重点研究问题。针对该问题提出一种能耗优先的WSN栅栏覆盖方法,首先根据静态传感器节点构建全连接拓扑图,然后将全连持拓扑图转换为可移动节点需求拓扑图,接着采用K一最每路径算法和匈牙利算法选择可移动节点需求拓扑图中的最佳栅栏构建路径并派遣可移动节点完成栅栏的构建。该方法在充分利用静态传感器节点的基础上派遣少量可移动传感器节点即可完成栅栏的构建。实验结果表明在栅栏构建和修复方面与其他方法相比节约了能量,且栅栏修复率比Optimal方法提高了8%.
简介:随着人工智能的发展,数字识别技术也得到了关注并通过各种算法提高了识别准确率。数字识别在安防、交通、邮政等领域发挥越来越重要的作用,是智能城市不可或缺的一环。通过采用包含隐含层的BP神经网络对数字识别进行仿真。首先介绍Mnist数据集、人工神经元模型、激活函数、BP算法等相关概念,详细描述了BP神经网络的原理,并通过实例进行BP网络设计。同时提出了6种优化方式,分别是初始化权值、设置Dropout、选取不同的激活函数、选取不同的代价函数、采用不同优化器、设置学习率。结果表明BP网络在数字识别方面具有实际应用价值,并能通过各种优化方式提高识别精度。
简介:在丝绸等织物生产过程中,经常会出现织物产生非正常花纹的缺陷。目前对织物缺陷的检测主要是通过人工肉眼判别,该方法花费时间长、人工成本高,会给企业带来较大的经济负担。本文通过使用BP和SAE两种神经网络对织物进行缺陷检测,并判断是何种缺陷:首先介绍了使用BP神经网络对大量样本训练并保存,得到最佳权值,从而实现对于图像的缺陷检测和分类;训练样本通过SAE深度神经网络训练得到重构图像,再不断微调参数,获得最佳的权重数值,运用滤波器过滤噪声,最终得到结果。通过大量的实验,结果表明两种方法对织物缺陷检测均具有非常良好的效果,充分证明了深度神经网络在工业生产织物过程中运用的可行性。
简介:提出了一种通过发送HEX文件到TMS320F28335进行程序升级的新方法。配置TMS320F28335为FLASH启动模式,通过预烧写升级程序到FLASH中,可实现在串口发送HEX文件升级用户程序的功能。详细介绍了该方法实现原理和开发过程,并且给出软件流程图和关键代码。实验证明,该方法操作方便,可靠性高,大大提高了效率。
简介:随着CPU速度的迅速提高,CPU与片外存储器的速度差异越来越大,匹配CPU与外部存储器的方法通常是采用Cache或者片上存储器。微处理器中的片上存储器结构通常包含指令Cache、数据Cache或者片上存储器。对于嵌入式设备上数据密集的应用,数据Cache与片上存储器相比存在以下缺陷:①片上存储器是固定的单周期访问,可在设计时(不是运行时)研究数据访问模式;而Cache还要考虑不命中的情况,因而有可变的数据访问时间,执行时间的预测更加困难。②使用Cache执行时间的不可预测性影响编译器的优化。③细颗粒的Cache对于图像编码等的规则数据访问并不合适,因而使用Cache对于嵌入式设备可能不是最优的。对于大多数应用,使用片上存储器比使用数据Cache能耗平均节省约40%,芯片面积与时间的乘积仅为Cache的46%,因而对于嵌入式多媒体处理器,片上RAM作为数据Cache的替代,功耗更低。片上存储器的有效使用对于提高嵌入式应用的速度、降低功耗具有重要的意义。