仪表智能识别物联网系统由智能读表相机、智能应用系统云平台套件以及大数据智能分析服务组成，通过智能采控终端采集仪器仪表的各项数据，将数据上传到网络服务器，存储、整理分析，通过智能应用系统实现实时在线监控、记录、查询、统计、分析、修改、报警等操作，实现远程智能化管理，提高企业智能化管理水平。

AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

利用液晶电视制作不用配戴特殊眼镜就可以观看到立体图像的显示装置，观看者可以自由移动，从不 本技术成果提供了一种基于双线性的联合CNN的人脸验证方法。该方法将获得的人脸正面图像作为输 同的方向上可以看到立体图像的不同侧面，不会引起眼睛生理性疲劳和损害。通过研究裸眼可视全息立体 入，进行人脸图像特征提取和识别，与参考集人脸进行两两对比，最后输出此人是否与参考人脸属于同一 图像显示技术和相关理论，本研究开发了具有自主专利技术的、具有高精度、大景深的立体显示器产品 个人的分类结果。包括下述步骤：1)使用预先准备的人脸图像进行卷积神经网络（下简称CNN）的训练； S3DD-4及基于具体应用的系列产品，让观众可以在大范围内自由移动裸眼观看到高质量的全息立体图像 2）使用训练集中的人脸图片，进行双线性CNN的微调；3)输入待验证的人脸图片，将两张图片进行切分， 和视频。 提取双线性CNN输出的联合特征。4)得到的向量经过一个自编码网络训练，得到最终的验证结果。 本技术成果的应用范围包括：1．各领域、各行业的各种型号尺寸（包括手机、游戏机、笔记本、显 本技术成果基于双线性的CNN的方法，并且通过将原

一种基于字典渐近更新的人脸图像超分辨率方法:在训练阶段，采用去一法对低分辨率人脸图像训 练集的每张低分辨率人脸图像进行超分辨率重构，得到一层低分辨率中间字典;以此低分辨率中间字典 作为新的低分辨率人脸图像训练集输入，重构得到新一层的低分辨率中间字典;重复上述过程，最终得 到多层低分辨率中间字典。在测试阶段，根据输入的低分辨率人脸图像，上一层低分辨率中间字典和高 分辨率人脸图像训练集，对输入低分辨率人脸图像进行超分辨率重构，得到预估高分辨率人脸图像;重 复上述过程，最终重构出高分辨率人脸图像。本发明可得到更高质量、与真实情况更为接近的重建效果。

一种基于数据驱动局部特征转换的噪声人脸超分辨率重建方法，包括对待重建的输入低分辨率人脸 图像和高、低分辨率训练集相应划分相互重叠的图像块;对于输入低分辨率人脸图像的每一个位置上的 图像块，分别从低分辨率人脸样本图像对应位置的图像块中找出 K 个最近邻的图像块，并对应找出相应 高分辨率人脸样本图像中的图像块，进行去均值化;利用映射系数计算出各图像块相应的高分辨率人脸 图像块，重构出高分辨率人脸图像，进行迭代后处理。本发明解决了主成分分析无法捕获处于高维流形 空间人脸特征的问题，利用局部流形的线性特性有效的进行了噪声人脸图像的超分辨率重建，同时进行 高分辨率图像后处理，进一步提高了重建结果的主、客观图像质量。

2020年2月15日，同济大学牵头建设的上海自主智能无人系统科学中心新冠肺炎疫情防控科研攻关团队研发的第一套疫情防控智能识别系统（Tongji NCP-AIS），在同济大学四平路校区大门口开始试运行，可快速识别人流中个体感染者的风险。 科研团队利用人工智能、大数据、人脸识别、温度识别、动作识别等技术，可实现人脸识别、心率监测、呼吸监检测、门禁联动、门禁数据智能更新、咳嗽检测和语音播报，让人工智能技术在疫情防控期间发挥更大的作用，减轻学校相关管理人员的工作，实现疫情期间高效的校园安全管理。系统针对大规模人群，可以自动发现体温不正常个体，实现拍照和跟踪，以及提醒功能。

项目成果/简介: 目前，公路治超主要集中在限制性的监测点或者现场人工执法，对于非限制性非现场治超才刚刚起步，技术尚不完善。在非限制性的交通场景下存在诸如车辆角度问题、遮挡问题、光照问题、车辆数据分布不均衡等问题，阻碍了非限制性非现场公路治超的推广。 该车辆精细化检测与识别组合技术可应用于非限制性非现场公路综合治理超载超限中的货车精细化检测与识别。基于该车辆精细化检测与识别组合技术，可以对货车的属性进行精细化检测与识别，融合视觉信息与道路称重信息来实现非限制性非现场公路综合治理超载超限。通过该技术的升级改造，极大地提升公司的非限制性非现场治超产品的市场竞争力。知识产权类型:其他技术先进程度:达到国内先进水平成果获得方式:与企业合作获得政府支持情况:无

通过机器学习方法对个人的各种属性，如身份、年龄、姿态、表情、颜值、行为等进行自动识别和分析，广泛应用于人机交互、推荐系统、智能监控、安全控制等诸多领域。包括3D手势姿态识别、基于静态图像的人体行为识别等技术。

目前，公路治超主要集中在限制性的监测点或者现场人工执法，对于非限制性非现场治超才刚刚起步，技术尚不完善。在非限制性的交通场景下存在诸如车辆角度问题、遮挡问题、光照问题、车辆数据分布不均衡等问题，阻碍了非限制性非现场公路治超的推广。 该车辆精细化检测与识别组合技术可应用于非限制性非现场公路综合治理超载超限中的货车精细化检测与识别。基于该车辆精细化检测与识别组合技术，可以对货车的属性进行精细化检测与识别，融合视觉信息与道路称重信息来实现非限制性非现场公路综合治理超载超限。通过该技术的升级改造，极大地提升公司的非限制性非现场治超产品的市场竞争力。

人工智能物联网时代要求语音交互有非常好的体验感,室内环境下,当距离超过两米后,通过墙壁的反射造成的混响、音响设备的回声及其他环境噪声对语音识别带来了极大的影响,因此基于麦阵的声音采集与处理模块成为物联网时代的最佳人机交互采集模块。目前成熟的麦克风阵列语音信号采集与前端处理模块尚未出现，市面上仅有少数国外厂家如科胜讯提供双麦降噪芯片。同时,语音识别应用还需要配合降噪处理,目前的方案全部采用分离设计,一颗降噪芯片+一颗语音识别芯片。近年来随着大数据挖掘,基于人工智能神经网络的深度学习开始在语音识别领域进行推广运用,相对于传统的GMM模型,识别率得到了很大的提升。然而神经网络计算量非常巨大,需要采用GPU或CPU阵列的方式来进行运算,并且需要外加语音阵列降噪模块,其方案成本高,体积和功耗大。因此市场上对一款同时支持远场语音麦阵降噪和神经网络识别,具备高性价比的单芯片需求极大,具有巨大的市场前景和竞争力。