多重图像轮廓特征结合的步态识别算法

为提高图像步态识别率,研究了一种基于图像轮廓多特征的步态识别算法.该算法首先从图像轮廓的基础上选取了图像步态的3个特征;然后,通过建立不变矩、帧差百分比的动态特征,并结合改进的角度距离的静态特征,实现了图像轮廓特征的提取;最后,通过对传统的K近邻法改进,完成了图像步态识别.实验结果表明:单用静态特征的步态识别率最高为91.94%;结合动态特征,并在改进分类器下获得最高为99.19%的识别率.     

基于傅立叶描述子和人工神经网络的步态识别

提出了一种基于傅立叶描述子和神经网络的步态识别方法.对于每个步态序列,通过背景减差检测运动目标的轮廓,使用傅立叶描述子对轮廓线进行描述,获取步态特征.运用人工神经网络分析方法,对步态进行自动识别.结果表明所提的步态识别方法具有较高的识别性能.     

基于特征组合的步态识别算法研究

步态识别是通过人走路的姿态进行身份识别,研究提出一种组合步态运动中的人体形状静态特征和动态特征的步态识别算法：使用改进的Hu矩和紧致度表达人体轮廓特征,用于描述步态序列的静态特征：提取大腿间的夹角和长宽比,用于描述步态序列的动态特征;并将这两种特征进行组合处理．实验结果表明：本算法的性能较单一特征的步态识别算法有明显的改善．     

一种新的基于感知轮廓描绘子的自动步态识别方法

通过步态远距离识别人的身份是生物特征识别领域的1个研究热点。文中提出了一种新的基于感知轮廓描绘子的自动步态识别方法。通过检测步态序列中的行人，利用内边界跟踪算法提取出人的二值轮廓，并将其表示成为一维感知轮廓描绘子；使用主成分分析法将步态特征映射到低维特征空间中进行训练和分类，从而实现身份识别。实验结果验证了该方法的有效性。     

基于边界标记的形状上下文目标识别算法

形状上下文不具有旋转不变性,所以不能很好地应用于旋转物体的识别,本文提出基于边界标记的形状上下文目标识别算法。该算法通过提取目标物体轮廓并对轮廓进行数学形态学处理,计算形状图的重心,以重心为参考点运用距离为弧长的函数的边界标记方法,对轮廓边界进行标记并归一化处理,最后运用形状上下文对目标进行识别。实验表明,提出的算法克服了形状上下文没有旋转不变性的缺点,可以很好的用于平移、缩放和旋转物体的目标识别。     

基于慢时间分割的超宽带雷达步态识别

为了解决室内监控时摄像头的隐私泄露问题和可穿戴设备的侵入性等问题,同时针对传统雷达步态识别算法中的行走条件限制问题,提出基于超宽带（UWB）雷达的自由空间步态识别算法.算法沿慢时间轴对目标行走动作产生的雷达步态信号进行分割产生一系列子信号;对于每个子信号,在距离单元上分别进行傅里叶变换得到距离-多普勒图像,这些距离-多普勒图像前后之间存在时序关系;利用方向梯度直方图算法对属于同一个步态信号的一组距离-多普勒图像进行特征提取,采用长短期记忆网络对得到的特征进行时序建模以获取目标身份分类结果. 实验在空旷的室内环境中进行,对四人的步态分类准确率为79.10%. 结果表明所提出的算法对自由空间中不同个体的步态具有一定的区分能力.     

用时变模板自动识别行人的步态

提出了一种以行人轮廓随时间变化的灰度图像为模板的步态识别方法．首先提取行人二值轮廓序列;然后针对轮廓的关键运动区域分析边缘点分布直方图的变化,检测出包含两个单步的步态周期;随后对单步范围内的轮廓序列,经帧间轮廓前向运动区域叠加产生单步运动历史图像,从而将三维信息表示到二维图像上;继而用一组同心矩形分割两个单频运动历史图像,提取出局部性的矩统计量作为步态特征向量,最终实现了步态识别．在Soton数据库上进行了实验,这种算法的正确识别率可达85. 57％,与相关文献的对比表明该算法优于现有算法．     

以头部为基准的人体轮廓模型

为了提高以人体轮廓为主要特征对人体行为进行识别时的性能,提出一种以头部为基准的人体轮廓模型.采用无需重新初始化的level set方法提取视频序列图像中的人体轮廓,将人体轮廓纵横比最小的帧确定为关键帧.根据欧式距离局部极大原则确定关键帧中轮廓上的人体端点（头、手、脚等）,通过肤色模型确定头部位置并作为轮廓标记的基准点,建立以头部为基准的人体轮廓模型.基于该模型提取特征,采用支持向量机（SVM）对人体行为进行识别.以WEIZMANN数据库为对象的行为识别实验结果验证了该模型和行为识别方法的有效性.     

一种基于运动分析的步态识别方法

步态识别是新近发展的一种用在身份识别、视频监控等场合的生物特征识别技术.文中提出了一种基于运动分析的步态识别方法,采用线性判别分析和离散余弦变换分析从图像序列中提取的步态特征.采用背景减除技术提取了侧影,利用侧影的宽高变化进行了步态周期分析及行走方向判断;采用一种通过分析侧影宽度变化获取角度信息的肢体角度提取方法获取了步态序列特征;用类间散布矩阵和类内散布矩阵对应的行列式的比值确定特征个数,并采用线性判别分析和离散余弦变换分析了步态特征.在几个常用数据库上进行了实验结果表明,该方法行之有效.     

一种行为识别的新方法

行为识别技术是一种可用于智能视频监控的生物识别技术.本文提出一种基于统计主成份分析和行为序列匹配的人的行为识别算法,对于输入序列采用改进的背景减法获取人体侧影并归一化,对归一化的人体侧影进行距离变换.训练过程使用PCA算法进行特征空间的计算,测试过程则将获取的距离图像序列在特征空间投影并结合改进的序列匹配算法实现人的行为识别,多个数据库上测试的结果验证了算法的有效性.     

基于非接触采集下的鲁棒掌纹识别

为了扩大掌纹识别的应用范围,使非接触式掌纹识别系统在复杂背景和光照变化的条件下都能使用,提出了一种适用于非接触采集下的鲁棒掌纹识别算法.该算法使用肤色阈值的方法把手掌从复杂的背景中分割出来,采用一种新颖的指根点检测算法找到指根点,用指根点来定位掌纹ROI,使用对光照具有良好鲁棒性的LBP算法提取掌纹特征,并用Chi平方统计法进行分类.实验使用的数据库是在不同光照和复杂背景下采集的,当等错率为3.098 6%时,正确识别率达到97.833 7%.实验结果表明,该方法能够扩大掌纹识别的应用范围,使非接触掌纹识别系统在复杂背景和可变光照的条件下达到较理想的识别效果.     

稳健的特征空间基变换自适应波束形成

针对现有自适应波束形成器在阵元位置误差、幅相误差以及信号来波方向误差耦合时干扰抑制能力下降的问题,提出了一种稳健的基于特征空间基变换的自适应波束形成算法。首先,对导向向量中阵元位置误差、幅相误差以及信号来波方向误差的影响进行了建模;然后,通过利用真实信号子空间与导向矢量张成空间相同的特性,引入子空间距离的概念量化两个子空间相似程度,并构建出一个最小化空间距离的多维非线性优化问题;在此基础上,结合遗传算法与拟牛顿法的特点形成一种混合优化策略,在解除最优化问题后,得到信号子空间的一组非正交基;最后,将估计的信号子空间与噪声子空间组合为特征空间,通过对特征空间进行基变换提取出准确的干扰加噪声协方差矩阵,并对期望信号导向向量进行了修正。数值仿真结果表明：所提混合优化算法随着迭代数提高能够显著降低子空间距离,迭代数达到100次时,能够将子空间距离降低至1以下;在信号来波方向误差、阵元位置误差以及幅相误差同时存在,且输入信噪比为10 dB的情况下,所提算法的输出信干噪比与现有方法相比提高约14 dB。     

基于静态背景差分的阈值算法在果实识别中的应用

图像识别是当前人工智能发展的1个热点。针对农业果园采集图像光照不均匀,背景复杂多样等特点,提出了一种基于静态背景差分的最大类间方差改进算法用于果园复杂背景图像的分割。通过调节参数γ达到不同对比度下果实与背景环境的最佳分割。然后利用距离变换和分水岭算法进行粘连果实的分离,实现果实图像的识别,并且通过实验分析和计算确定了最佳参数γ范围在0.2~0.3之间。实验验证表明,图像识别效果良好,能够为果园品质在线检测提供很好的技术基础。     

基于形状模板匹配的前视红外目标检测方法

针对前视红外复杂地面固定目标无直接可用基准图、背景干扰严重、目标与背景灰度差异小、不利于目标识别等问题,提出了一种基于形状模板的目标识别方法.首先,在构建高斯多尺度空间的基础上,设计分层多阈值算法,检测感兴趣区域;其次,引入模糊集理论,提取形状特征,分离目标与背景;最后,用改进的Hausdorff距离算法进行精匹配,确定目标.实验结果表明,该算法匹配率与改进的Hausdorff距离算法相比提高了近20%,算法花费时间缩短了2/3;与Nprod算法相比匹配率提高了近30%,时间缩短了1/2,在密度为0.3的椒盐噪声下,匹配率仍能达到70%以上.对于复杂背景下的前视红外固定目标,该方法具有匹配率高、速度快、精度高等优点.     

基于模板匹配的人脸识别跟踪方法研究

在对运动物体的实际追踪过程中,由于目标运动方向不确定、背景环境复杂多变等因素,增加了动态目标跟踪的难度,所以用普通识别方法较难提取出目标特征,从而无法准确跟踪动态目标。提出了基于模板匹配的人脸识别算法,分析了基于方向梯度直方图(HOG)的人脸特征提取算法和基于欧氏距离的人脸识别算法,设计出了人脸识别跟踪系统。实验结果表明通过动态目标视觉检测以及PID控制的角度输出,该系统实现了对特定目标的人脸识别和跟踪。     

基于ViBe的端到端铝带表面缺陷检测识别方法

针对铝带表面缺陷高精度检测要求以及传统算法识别率不佳的问题,提出端到端的表面缺陷检测与识别方法.从铝带表面初始图像序列中快速计算出平均图像,视为无缺陷背景图像,用于初始化ViBe算法的背景模型.采用ViBe算法从当前图像中分割出缺陷区域,对缺陷区域二值图像进行中值滤波和形态学运算,以去除噪声点和修补边缘,实现缺陷区域的准确提取.利用当前图像实时更新ViBe背景模型,以增加对光照变化的适应能力.提取缺陷外接矩形区域图像,归一化后输入到训练好的卷积神经网络中进行识别分类,得到分类结果.实验结果表明,提出方法的缺陷检出率为93.02%,缺陷识别率为99.86%,具有较好的应用价值.     

基于UBM降阶算法的高效说话人识别系统

为了提高基于高斯混合模型-通用背景模型（GMM UBM）说话人识别系统的运算速度,提出了通用背景模型（UBM）降阶算法,该方法采用极大似然估计法训练一个高阶UBM,再采用UBM降阶算法得到低阶UBM.采用最短距离高斯分量替换空映射集合的方法解决了空映射集问题.通过实验方法分析了3种初始化低阶UBM方法的识别结果,发现不同的初始化方法对结果影响很小.在NIST2001 SRE数据库上的实验显示,该算法使基于GMM UBM说话人识别系统的运算速度提高了8倍,而等错误率仅上升了459%,表明了UBM降阶算法在小幅降低系统识别率的情况下,可大幅度提高GMM UBM系统的运行效率.     

License Plate Recognition Based on Transform Coding and Neural Network

A method of vehicle license plate recognition utilizing Karhunen-Loeve(K-L)transform is provided.The transform is used to extract features from a mass of image templates,to describe high-dimensional images with low-dimensional ones,and moreover,to implement data compression and play down complexity of the neural network.With the character to reduce eigenspace dimensionality of K-L transform and the ability to map data of BP network,the method does effectively in recognizing license plates.     

An Improved Minimum Distance Method Based on Artificial Neural Networks

MDM（minimum distance method)is a very popular algorithm in state recognition.But it has a presupposition,that is ,the diatance within one class must be shorter enough than the distance between classes.When this presupostion is not satisfied,the method is no loger valid.In order to overcome the shortcomings of MDM,an improved minimum distance method (IMDM) based on ANN(artificial neural networks)is presented.The simulation results demonstrate that IMDM has two advantages ,that is ,the rate of recognition is faster and the accuracy of recognition is higher compared with MDM.     

基于改进的有监督无参局部保持投影算法的人脸识别

针对局部保持投影算法的无监督性质和参数选择复杂性问题,提出一种改进的有监督无参数局部保持投影算法(supervised dice parameter-free locality preserving projection, SdPLPP)。SdPLPP算法使用广义Dice系数构建近邻矩阵,有效避免局部保持投影(locality preserving projection algorithm, LPP)算法参数选择调整的问题,采用监督模式对数据进行特征提取。SdPLPP在Iris数据集进行了图像可视化试验,直观分析试验分类后的样本距离值与算法性能的关系,并在ORL, Yale, FERET 3种人脸库上进行试验,通过对人脸数据的特征提取,采用最近邻分类法统计识别率,验证SdPLPP算法的有效性。试验结果表明:在人脸识别率方面, SdPLPP算法优于PCA, ULDA, LPP, SPLPP和EP-SLPP的算法,并优于已提出的其他有监督无参数局部保持投影算法。