随着视频与图像技术的快速发展，在监控视频中识别特定人物身份有着重要的实用价值。本项目   针对现实场景下，普遍存在的面部遮挡以及拍摄机位和镜头距离变化，而导致传统基于正面人脸的识 别方法的准确率将大大降低，甚至识别错误的问题，提出了一种基于局部分割与融合的算法，应用于 视频分析平台下的特定人物识别，融合多部位识别特征，提高了部分遮挡、多场景和镜头变化下的人 物识别鲁棒性，经充分验证，达到了先进的识别精度，可以满足实际应用的需求。该技术是优化并提 高复杂背景下人物识别精准度的一项核心技术，已申请国家发明专利 1 项。

1. 痛点问题 PDF电子工程图作为一类重要的非结构化数据，承载了丰富的业务知识和信息。然而，因其复杂性和专业性，PDF工程图难以被机器直接处理，目前主要还是靠人来读取、理解、核对和应用，限制了工程建设领域行业的深层次智能发展。若机器能够像人类一样理解图纸的内涵，就可以支撑丰富多彩的下游智慧应用。如规范智能审查、3D模型智能重建、面向应急逃生、无障碍等特定应用场景的信息智能提取等。这些基于图纸的智慧应用，其核心挑战就是对图纸内容的有效识别和理解。 2. 解决方案 清华大学软件学院BIMChecker Group，自主研发了“图智”-PDF工程图AI识别与审查重建系统，基于深度学习技术和工程领域业务知识应用的有效融合，解决了现实PDF工程图纸信息高分辨率、高密度、相互遮挡等识别难题，实现了对建筑平面图图元和空间布局的智能识别和结构化表达。主要特点如下。 1） 适用于住宅建筑、公共建筑等民用建筑以及仓库、厂房等工业建筑； 2） 支持建筑设计说明、表格、建筑平面图的一键式AI识别； 3） 支持Revit模型一键生成和面向《建筑设计防火规范》的一键审查； 4）支持对现有防火条文、其他国家规范、企业规范的修改和自定义，系统的审查算法可自动适配更新。 合作需求 寻找在AI审图、室内矢量模型重建、图纸特定信息智能提取及其它基于图纸的智能应用场景方面有需求的合作方；开展系统的应用推广、定制化图纸内容识别服务等内容，为各类下游应用、平台提供核心AI图纸理解技术支撑。合作方需具备项目或资金支持。

苏州大学智能信息处理平台的目标是能处理多模态文字数据，精准分析语言内部结构，对人类语言进行深层理解，以支持各种应用需求。 一、项目分类 显著效益成果转化 二、技术分析 苏州大学智能信息处理平台的目标是能处理多模态文字数据，精准分析语言内部结构，对人类语言进行深层理解，以支持各种应用需求。系统可以处理多种非结构化数据，比如说明书、技术标准、车间工单等纸质文档或电子文档。把图像识别技术(OCR)和自然语言理解技术(NLP)相结合，从表单图像中抽取关键要素信息。在此基础上，我们搭建了包括知识图谱问答 (KBQA)、常见问题检索 (FAQ)、对话 (Chatbot)在内的智能问答及对话系统、以及面向大数据的文档信息抽取系统。能够对给定的自然语言问题通过查询、推理提供精准满意的答案，和面向大规模文档提供信息抽取和舆情分析等服务。目前已经向多家公司提供各项相关服务。

1 成果简介语音识别在嵌入式芯片上实现的主要矛盾是算法实现的性能精度与芯片功耗、速度之间的矛盾，一个性能较好的 800 条典型汉语普通话语音识别算法以纯粹软件嵌入方案实现通常需要 200MIPS 以上 ARM（ Advanced Risc Machine） MCU 处理速度，因此我们提出语音识别集成电路 IP 与协处理器来克服以上的问题，通过关键运算的硬件化映射来大幅提高语音识别计算的功耗和处理速度。该设计可作为语音识别集成电路 IP 放入客户的 SoC 芯片中，也可作为协处理器放在片外。 关键性能指标如下： *工艺：苏州 HJTC 0.18um 1P6M 标准 CMOS 工艺 *管芯面积： 1.5 x 2mm *逻辑规模： 3 万等效门（标准二输入与非门，不含 SRAM） *I/O 数： 52 封装: CQFP64 *存储规模：片上集成 1 片单口 SRAM，共 4K×16 比特 *供电电压：核心部分->1.8V， IO 部分->3.3V *正常工作频率： 20MHz（最高工作频率 100MHz） *功耗： 80uW/MHz *速度： 4us/帧（特征维数取 27，时钟频率取 20MHz） 图 1 语音识别集成电路版图图 2 ARM+语音识别协处理的测试系统表 1 与其他语音识别芯片的对比2 应用说明语音识别 IP 或协处理器基于对高斯混合模型计算的优化，适合于各种 HMM 模型的模式识别计算，在语音识别、说话人识别、说话人确认、语音合成等方面均可以广泛应用。 语音识别 IP 或协处理器以加速 ASIC 的模式工作，相同时钟主频下计算性能是 TI C54x系列 16bit DSP 的 5.5 倍以上，对主系统计算性能提升可以达到 4~8 倍。 语音识别 IP 或协处理器对于性能要求型场合和功耗限制型场合都十分适合，芯片支持16bit 并行总线接口，适合于各种 32 位/16 位 MCU 系统，迅速为系统集成高性能语音处理能力。3 应用范围车载导航， GPS 手机，支持大规模识别词表（例如万条以上的地名）支持模糊语音检索；低端手机平台，支持语音拨号、语音控制，支持用户身份确认、声纹密码。4 效益分析语音识别 IP 或协处理器芯片可应用拓展到个人移动信息终端的全市场空间，以 GPS 产品为例，细分的预装 GPS、个人导航设备（ Portable Navigation Device， PND）， GPS 手机三种产品，根据 CCID（ Consulting China Research Center）咨询公司预测 2008 年这三者分别约占到全球市场总量的 15%、 35%和 50%。快速增长的 GPS 市场，对语音识别功能有着非常迫切而又实际的需求， GPS 应用提出的超大规模词表、高混淆度和高环境复杂度这一系列语音识别的技术难题，也只能由语音识别芯片解决。语音识别加快了人机交互与地名等信息的检索，可提高驾驶期间操作 GPS 的行车安全性，同时可以反过来进一步促进 GPS 产品的销售增长。 语音识别技术通过芯片在性能得到大幅提升后，将摆脱传统的人名拨号功能，可用于菜单控制、地名、信息、多媒体内容的检索等等。而语音识别芯片使得低功耗和低成本的要求得以满足，有望成为手机人机交互界面（ Man-Machine Interface， MMI）发展的新技术增长点，移动通信领域的市场潜力特别巨大。

本发明公开了一种基于运动检测的舵片偏转极性识别方法，包括：取得舵片未偏转静态图像，运用旋转矩形掩模提取出各舵片的感兴趣区域图像作为各舵片背景帧，同时得到正负偏转分割区域；对各舵片动态图像结合各舵片背景帧运用背景消除法得到各舵片运动图像，对各舵片运动图像进行去噪和增强处理，获得各舵片识别图像，进而获得各舵片识别图像在正负偏转分割区域的平均灰度值，根据单帧识别图像正负偏转分割区域的平均灰度值和正负偏转分割区域的多

焊接作为工程机械领域的关键技术，直接决定着国之重器的安全可靠性。目前，智能焊接与检测严重依赖国外进口设备，价格昂贵、售后服务难以保障。对于大型、复杂焊接结构，焊后焊缝质量智能检测在整条焊接产线上属于空白。本团队在国内首次开发了大型焊接结构内外一体化智能检测装备及软件，部分高端装备达到国际水平，建成了国内首条内外一体化焊接智能检测与评估生产线，在徐工挖掘机上获得应用，并在央视CCTV2制造中国节目中播出。 图片 内外一体化焊缝智能检测与评估生产线获央视CCTV2报道

声纹是对语音中所蕴含的、能唯一表征和标识说话人身份的语音特征参数及基于这些特征参数所建立的语音模型的总称。声纹是人的生物个性特征，很难找到两个声纹完全一样的 人。声纹识别技术属于生物识别技术的一种，是一项根据语音波形中所蕴涵的说话人信息， 自动识别说话人身份的技术。与语音识别不同的是，声纹识别利用的是语音信号中的说话人 信息，而不考虑语音中的字词意思，它强调说话人的个性;而语音识别的目的是识别出语音 信号中的言语内容，并不考虑说话人是谁，它强调共性。声纹识别根据应用的范畴，可分为两类:(1)声纹辨认(说话人辨认):用以判断某段 语音是若干人中的哪一个所说的，是“多选一”问题;(2)声纹确认(说话人确认):用以 确认某段语音是否是指定的某个人所说的，是“一对一判别”问题。截止到 2009 年初，声纹识别产品在生物识别市场的占有率为 15.8%，仅次于指纹识别 和掌形识别。目前，我国生物识别行业内厂商有 200 多家，其中 96%从事指纹识别技术相 关产品的研究和开发，产品趋同化明显。国内声纹识别市场已经启动，其发展空间更为广阔， 在金融、证券、社保、公安、军队及其他民用安全认证等行业和部门有着广泛的需求。

声纹是对语音中所蕴含的、能唯一表征和标识说话人身份的语音特征参数及基于这些特 征参数所建立的语音模型的总称。声纹是人的生物个性特征，很难找到两个声纹完全一样的人。 声纹识别技术属于生物识别技术的一种，是一项根据语音波形中所蕴涵的说话人信息， 自动识别说话人身份的技术。与语音识别不同的是，声纹识别利用的是语音信号中的说话人 信息，而不考虑语音中的字词意思，它强调说话人的个性；而语音识别的目的是识别出语音 信号中的言语内容，并不考虑说话人是谁，它强调共性。 声纹识别根据应用的范畴，可分为两类：（1）声纹辨认（说话人辨认）：用以判断某段 语音是若干人中的哪一个所说的，是“多选一”问题；（2）声纹确认（说话人确认）：用以 确认某段语音是否是指定的某个人所说的，是“一对一判别”问题。 声纹识别与其他生物识别技术，诸如指纹识别、掌形识别、虹膜识别等相比较，除具有 不会遗失和忘记、不需记忆、使用方便等优点外，还具有以下特性： l 用户接受程度高，由于不涉及隐私问题，用户无任何心理障碍； l 利用语音进行身份识别可能是最自然和最经济的方法之一。声音输入设备造价低廉， 甚至无费用（电话），而其他生物识别技术的输入设备往往造价昂贵； l 在基于电信网络的身份识别应用中，如电话银行、电话炒股、电子购物等，与其他 生物识别技术相比，声纹识别更为擅长，得天独厚。

项目成果/简介:声纹是对语音中所蕴含的、能唯一表征和标识说话人身份的语音特征参数及基于这些特 征参数所建立的语音模型的总称。声纹是人的生物个性特征，很难找到两个声纹完全一样的人。声纹识别技术属于生物识别技术的一种，是一项根据语音波形中所蕴涵的说话人信息， 自动识别说话人身份的技术。与语音识别不同的是，声纹识别利用的是语音信号中的说话人 信息