人脸检测是人脸分析的首要环节，其处理的问题是确认图像（或影像）中是 否存在人脸，如果存在则对人脸进行定位。人脸检测的应用领域相当广泛，是实 现机器智能化的重要步骤之一。 AdaBoost 算法是 1995 年提出的一种快速人脸检测算法，是人脸检测领域里 程碑式的进步，这种算法根据弱学习的反馈，适应性地调整假设的错误率，使在 效率不降低的情况下，检测正确率得到了很大的提高。 本论文第一章和第二章简述了人脸检测的一般情况，第三章对一些人脸检测 的经典方法进行了说明。 第四章讲述了 AdaBoost 算法的发展历史。从 PCA 学习模型到弱学习和强 学习相互关系的论证，再到 Boosting 算法的最终提出，阐述了 Adaptive Boosting 算法的发展脉络。 第五章对影响 AdaBoost 人脸检测训练算法速度的至关重要的两方面：矩形 特征和积分图的概念和理论进行了仔细的阐明。 第六章给出了 AdaBoost 的算法，并深入探讨了其中的一些关键问题——弱 学习器的构造、选取等问题。 最后一章，用编写的实现了 AdaBoost 算法的 FáDèt 程序，给出了相应的 人脸检测实验结果，并和 Viola 等人的结果做了比较。
上传时间： 2018-01-29
上传用户：dragon000008
基于C51单片机步数检测计步器无线蓝牙上传设计毕业论文文档资料摘要计步器是一种颇受欢迎的日常锻炼进度监控器，可以激励人们挑战自己，增强体质，帮助瘦身。早期设计利用加重的机械开关检测步伐，并带有一个简单的计数器。晃动这些装置时，可以听到有一个金属球来回滑动，或者一个摆锤左右摆动敲击挡块。 计步器功能可以根据计算人的运动情况来分析人体的健康状况。而人的运动情况可以通过很多特性来进行分析。与传统的机械式传感器不同，ADXL345是电容式三轴传感器，由它捕获人体运动时加速度信号，更加准确。信号通过低通滤波器滤波，由单片机采集数据。软件采用自适应算法实现计步功能，减少误计数，更加精确。选用单片机STC89C52作为系统控制芯片，通过蓝牙模块把单片机处理的数据传输到手机APP上，这样更能清楚看到检测的效果。整机工作电流只有1-1.5mA，实现超低功耗。采集的步数，路程，卡路里及运动状态用手机APP显示。关键字：单片机；三轴传感器；电源；APP第二章 方案的设计与论证2.1控制方案的确定本设计由STC89C52单片机最小系统+ADXL345加速度传感器电路+蓝牙模块电路+LED灯电路+电源电路组成。 2.2控制方式的选择2.2.1 单片机芯片的选择方案一采用可编程逻辑器件CPLD作为控制器，CPLD可以实现各种复杂的功能、规模大、密度高、体积小、稳定性高、I/O资源丰富、易于进行功能扩展。采用并行的输入输出方式，提高了系统的处理速度，适合作为大规模控制系统的控制核
上传时间： 2021-10-19
上传用户：
红外图像检测技术因具有非接触、快速等优点，被广泛应用于电力设备的监测与诊断 中，而对设备快速精确地检测定位是实现自动检测与诊断的前提。与普通目标的可见光图像相比， 电力设备的红外图像可能存在背景复杂、对比度低、目标特征相近、长宽比偏大等特征，采用原 始的 YOLOv3 模型难以精确定位到目标。针对此问题，该文对 YOLOv3 模型进行改进：在其骨干 网络中引入跨阶段局部模块；将路径聚合网络融合到原模型的特征金字塔结构中；加入马赛克 （Mosaic）数据增强技术和 Complete-IoU（CIoU）损失函数。将改进后的模型在四类具有相似波纹 外观结构的电力设备红外图像数据集上进行训练测试，每类的检测精度均能达到 92%以上。最后， 将该文方法的测试结果与其他三个主流目标检测模型进行对比评估。结果表明：不同阈值下，该 文提出的改进模型获得的平均精度均值优于 Faster R-CNN、SSD 和 YOLOv3 模型。改进后的 YOLOv3 模型尽管在检测速度上相比原 YOLOv3 模型有所牺牲，但仍明显高于其他两种模型。对 比结果进一步验证了所提模型的有效性。
上传时间： 2021-10-30
上传用户：
论文介绍了当前流行的几种无线充电技术，并提出了一种带金属物体检测的多线圈无线充电系统的设计方案该方案采用电磁感应的技术原理，具有成本低、效率高等特点。另外，相比于其他电磁感应技术的无线充电方案，本文方案的特点是低功耗、多线圈及带金属物体检测功能硬件方面，本文提出的无线充电系统采用美国德州仪器公司的BQ500410A及BQ51013B作为发射端电路和接收端电路的主控部分，并辅以MSP430G2101实现低功耗电路为了扩大负载设备的充电面积，发射端电路采用三线圈的方案，自动选择最优的线圈来提供能量传输通道。此外，本文方案还设计了寄生金属物体检测及外来物体检测功能，避免了能量传输通道上存在的金属物体产生的涡流发热对无线充电系统的影响。软件方面，本文采用“反向散播调制技术”进行信号调制，并定义了物理层、数据链路层、逻辑层协议，规范了发射端电路与接收端电路之问数据通信。在传输功率控制方面，本文采用的是离散PID控制算法，并结合动态整流控制算法提高系统的瞬态响应速度。最后，本文测试了上述软硬件设计的主要功能，证实了本文设计方案的可行性关键词：无线充电、电磁感应、低功耗、金属物体检测、多线圈
标签： 无线充电系统
上传时间： 2022-04-02
上传用户：XuVshu
可以检测硬盘是否4K对齐，检测硬盘速度，比较方便小巧
标签： 硬盘检测
上传时间： 2022-06-09
上传用户：
微弱信号检测的目的是从噪声中提取有用信号，或用一些新技术和新方法来提高检测系统输出信号的信噪比。本文简要分析了常用的微弱信号检测理论，对小波变换的微弱信号检测原理进行了进一步的分析。然后提出了微弱信号检测系统的软硬件设计，在阐述了系统的整体设计的基础上，对电路所选芯片的结构和性能进行了简单的介绍，选用了具有14位分辨率的4路并行A/D转换器AD7865作为模数转换器，且选用Xilinx公司的Spartan-3系列FPGA逻辑器件作为控制器，控制整个系统的各功能模块。同时，利用FPGA设计了先入先出存储器，充分利用系统资源，降低了外围电路的复杂度，为电路调试及制板带来了极大的方便，且提升了系统的采集速度和集成度。系统的软件设计采用Verilog HDL语言编程，在Xilinx ISE软件开发平台上完成编译和综合，并选用ModelSim SE 6.0完成了波形仿真。关键词：微弱信号检测；信号调理：FPGA：AD7865；Verilog HDL信息时代需要获取许多有用的信息，多数科学研究及工程应用技术所需的信息都是通过检测的方法来获取的。若被检测的信号非常微弱，就很容易被噪声湮没，那么很难有效的从噪声中检测出有用信号。微弱信号在绝对意义上是指信号本身非常微弱，而在相对意义上是指信号相对于强背景噪声而言的非常微弱，也就是指信噪比极低。人们进行长期的研究工作来检测被噪声所覆盖的微弱信号，分析噪声产生的原因以及规律，且研究被测信号的特点、相关性以及噪声统计特性，从而研究出从背景噪声中检测有用信号的方法。1微弱信号检测（Weak Signal Detection）技术2.3.41主要是提高信号的信噪比，从噪声中检测出有用的微弱信号。对于这些微弱的被测量（如：微振动、微流量、微压力、微温差、弱光、弱磁、小位移、小电容等），大多数都是利用相应的传感器将微弱信号转换为微弱电流或者低电压，再经过放大器将其幅度放大到预期被测量的大小。
标签： 微弱信号检测
上传时间： 2022-06-18
上传用户：canderile
随着现代光电子技术的迅速发展，各类光电转换器件的不断出现，光电检测技术的应用领域越来越广泛，尤其是微弱光信号检测技术的应用发展。微弱光信号检测中，常常由于信号动态范围宽、背景噪声大给信号检测带来较大的困难。本文根据微弱光信号检测技术原理，设计了一种基于单片机的微弱光信号检测系统。首先，本文探讨了微弱光信号检测技术的研究背景和国内外研究现状，对比了在微弱光信号检测中常用的几种方法。其次，对于微弱光信号检测系统的放大电路模块、电路控制模块、电源电路、信号采集与传输模块进行了详细的介绍和讨论。其中，重点分析了放大电路部分，利用对数放大器的信号压缩功能，结合积分放大器原理实现宽动态、大噪声信号的压缩和变换，使信号平稳变换输出，有效的被提取出来。对于系统的软件部分采用单片机C语言编写程序。然后，利用两种光电二极管（PN型和PIN型）对微弱光信号检测系统的入射光功率特性和入射光频率特性进行了讨论和分析，并测量了实际的发光二极管的光谱。最后，对系统电路测量结果和输出特性进行了总结，并提出了该课题下一步研究工作。微弱光信号检测系统电路的测量结果表明，该系统在微弱光信号检测中达到较理想的效果。系统电路成本较低、速度较快、操作灵活，可以用于多种场合下的微弱信号的检测。关键字：微弱光检测，对数放大器，数据采集，光谱测量
标签： 微弱光信号检测系统
上传时间： 2022-06-18
上传用户：默默
自动锤度在线检测装置的检测电路以ATMEGA16 单片机为核心，以美国Tedea- Huntleigh 公司惠斯通电桥传感器1022 和DALLAS 公司的DS1820 温度传感器对锤度数据进行采集、AD 模数转换，同时用1602 系列的液晶显示模块实时显示采集到的数据。实验表明该装置成本低廉，积垢干扰小，并且速度快，操作简单，具有实时在线检测的功能。其检测电路部分的核心就在于AD 模数转换模块，该模块的AD 芯片采用美国进口ADS1230 模数转换芯片。
上传时间： 2022-07-28
上传用户：jiabin
自动检测技术 上海电机学院精品课件 PPT版 (New)
上传时间： 2013-07-12
上传用户：eeworm
传感器与检测技术 PPT版
上传时间： 2013-06-02
上传用户：eeworm
