受电弓受损异常、打火检测

本课题组针对高铁行驶过程中的受电弓火花检测问题进 行了研究。提出了基于深度神经网络模型量化加速的受电弓和火花检测方法，方 法具有实时高效，小目标检测率高的优点。

安全帽佩戴情况检测

该课题完成了对安全帽佩戴检测的自动识别，采用深度神经网络的方法，对不同类型的带帽人员以及不戴帽 人员进行检测和良好的属性区分，方法具有一定的实时性。

基于视觉的驾驶系统行人检测及测距

保障行人安全是道路交通安全系统的重要目标之一，这使行人检测作为驾驶辅助 系统(advanced driver assistance systems，ADAS)中的核心组成部分。其中获取准 确的行人距离十分关键，对此本系统在行人检测模型的基础上加入了行人距离预 测分支，提出了一种基于车载视频的行人检测与测距方法，在使用单目摄像头的 情况下，可以在检测行人的同时完成对行人与摄像头之间距离的预测。

基于司机状态识别的辅助驾驶方法研究

本系统对司机状态识别来达到辅助驾驶的功能，通过对司机状态进行拍摄监 测，通过检测模型来得到司机实时的面部区域和手部区域，进而对面部区域进行 关键点检测和对手部区域进行分心状态识别，从而对司机是否疲劳驾驶和分心驾 驶作出判断，并对司机进行提醒预警，起到辅助驾驶的作用。共实现了对司机闭 眼、打哈欠两种疲劳状态以及玩手机分心状态的监测，其中，对唇部打哈欠、眼 部睁闭眼状态识别的准确率分别达到 99.07%、94.6%。

单菜品属性识别系统

本系统通过计算机视觉技术提供了一种菜品食材等属性信息的识别方法。通 过对菜品细粒度特征的识别，实现了百种预设菜品的主要食材、菜品口味特色、 适宜人群推荐、相似菜品推荐、以及菜系、烹饪方式等属性信息的识别。

货柜商品识别系统

智能无人货柜得益于其体积小巧，售卖场景多样的优 点，受到大众的欢迎。摈弃了现有基于计算机视觉技术的智能无人货柜识别商品类目少的缺点。本系统将计算机视觉的检测与检索技术相结合，共同实现了智能 无人货柜的近百种商品识别系统。

气象与大数据分析与气象观测站位置推荐

根据陕西省防雷中心提供的近30年的雷暴数据，统计并分析了雷暴日数据特性，设计了气象观测站地理位置的推荐算法。通过考虑不同地区的雷暴日数据的相关性，以气象信息熵为指标，计算较为合适的候选观测站位置。

汽车评论改写项目

项目目标为改写汽车评论，改写后的句子和原始句子尽可能语义相似，语句通顺度好，改写幅度尽可能大。我们还提出了一个基于细粒度的语义相似度计算模型，提取文本评论的细粒度特征，显著提升了语义相似度度量，保障了改写结果的语义一致性。