小试阶段/n本发明涉及一种基于视觉信息的人体姿态跟踪方法。本发明具有实用性强、准确性高和效率较高的特点。 人体姿态跟踪问题可以描述为：根据监控环境中采集到的视频序列和首帧真实姿态，估计每帧图像中受控人物的全身姿态，要求估计出的姿态向量包含人体全身所有关节点的三维位置坐标。。一般粒子滤波算法特别是用于人体姿态跟踪的算法，比如免疫粒子滤波，它们的运动模型都是一阶线性的；由于人体姿态原始空间维数太高，在此高维空间中建立的运动模型的方法计算量大，很难达到跟踪中的实时性要求。本发明旨在克服上述技术缺陷，提供一

本发明提供一种太阳光自动跟踪光热催化-膜分离反应系统，旨在提供一种高效光热催化反应系统，它包括光热催化反应区、膜分离区、太阳光自动跟踪仪、系统控制区、太阳能发电区。通过曝气混合驱动方式将TiO2催化剂与污染物充分混合，促使混合液循环流动进行光热催化反应。本系统在太阳光自动跟踪仪的带动下能全天候跟踪太阳光，具有很高的光能利用率和传质效率，太阳光自动跟踪仪的设置大大提高了光热催化反应去除污染物的效率，使得光能利用率达到最大化；太阳能发电区所提供的电能能够满足整个系统所需电量，使本系统摆脱外接电源的束缚，

本实用新型公开了一种双光束焊接焊缝跟踪控制系统，用于三维 T 型焊缝的跟踪控制，该系统包括人机交互接口，双光束焊接控制器，驱动放大单元，二个焊缝跟踪传感器，以及焊缝跟踪控制接口；双光束焊接运动控制器用于完成焊接运动控制，其发出的焊接运动信号，经过驱动放大单元放大后，控制弧板以正确姿态运动，弧板左右两侧十字滑台上安装有激光焊接头，将分光得到的相同参数的两束激光同时打向三维 T 型焊缝的两侧，实现双光束激光焊接控制；焊缝跟踪传感器在双光束激光焊接的同时，从其视觉区域实时检测焊缝位置是否有偏差，并将检测信

本实用新型公开了一种太阳能双轴自动跟踪系统，属于太阳能跟踪领域。包括：太阳能帆板模型， 动力系统，反馈系统和控制管理中心。所述的太阳能帆板模型与反馈系统连接，所述反馈系统与控制管 理中心连接，所述控制管理中心与动力系统连接，所述动力系统与太阳能帆板模型连接。通过前端太阳 能帆板模型感知光线强弱，通过反馈系统接入控制管理中心，控制管理中心判断电压差值，控制输出不 同频率和不同个数的脉冲，通过驱动动力系统中的步进电机控制太阳能帆板自动双轴转动。本实

本发明公开了一种单频网雷达多目标跟踪方法。方法包括量测互联和序列跟踪两个模块。量测互联中: 首先选取一定数量的量测与收发对关联构造低维度关联假设，然后对所有关联假设进行快速判决以尽可能排 除错误的关联假设，整理上一步中所接受的关联假设，最后基于整理后的数据构造单频网情况下的全局关联 0-1 整数规划模型，求解得量测互联后的二次量测。基于二次量测采用卡尔曼滤波实现序列跟踪。该方法可 应对单频网雷达中量测、发射站、目标三者的关联模糊问题，通过启发式方法和最优化模型相结合的方式大 幅降低计算复杂度，且多目标跟踪性能接近关联关系已知的情况，具有推广应用价值

本发明公开一种斯诺克比赛视频事件检测与语义标注方法，包括：全台面镜头的检测；比分条信息提取；利用隐马尔可夫模型进行音频分类；对回放镜头进行检测；融合多模态的信息并结合斯诺克的领域知识实现斯诺克比赛视频的事件检测与语义标注。本发明方法融合视频内在的多种模态信息，实现了斯诺克比赛视频内容的事件检测与语义标注，为建立基于语义的视频索引打下坚实的基础。

一、成果简介 葡萄与葡萄酒风味物质主要指与颜色、滋味、涩感、香气等相关的化学组分，它们是决定葡萄与葡萄酒感官质量的物质。风味物质组成与含量不仅取决于葡萄品种、产地和年份，而且受葡萄酒酿造和陈酿工艺等的显 著影响。本项目构建了120多种葡萄与葡萄酒酚类物质、120多种香气物质、40种橡木香气组分的质谱信息库， 建立了高效精准的定性定量分析方法；此外，本项目还建立了快速准确的香气前体物的

历史建筑结构检测与加固和建筑节能改造技术

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。

随着物联网技术与智能交通技术的发展，用于高速公路或城市内普通公路的道路护栏，作为“智慧城市”的一个重要组成部分，正受到越来越多的关注与重视。通过在护栏上安装低功耗的传感器芯片以及无线信号收发芯片，并配合相关服务器软件，护栏具备了一定的外部事件感知能力、处理能力、无线通信与组网能力，从而实现护栏的智能化。