基于手指融合特征和粒子群优化的手形识别

针对基于手部几何特征的手形识别方法可利用的个体信息有限的问题,提出了一种将手指轮廓特征与几何特征相融合的身份识别方法。该算法首先分离手指,采用曲线拟合算法定位手指中轴线;然后采用分步对齐方法规范化手指,并提取手指轮廓特征和几何特征;最后采用粒子群算法对手指截取系数和权值系数进行优化,以进一步提高识别准确率。实验结果表明:采用该方法后,识别率可达98.61%。该方法手指定位更准确,更充分地利用了手部信息,且避免了特征点定位不准及手指根部不稳定轮廓特征对识别准确率的影响,具有较高的识别率和良好的鲁棒性。     

基于人手自然张开的多生物特征识别

手形和掌纹作为人手重要的生物特征可以用来进行身份识别.在人手自然张开、非接触式的采集条件下,基于手形识别匹配速度快和掌纹识别的识别率高的优点,采用基于匹配层的手形和掌纹融合方法,克服了单一手形识别的识别率低和掌纹识别匹配速度慢的缺点.手形采用手指的相对长度作为特征矢量,掌纹采用2D-Gabor对掌纹感兴趣区域(ROI)进行滤波,提取掌纹纹线的方向信息作为特征.在混合图库上进行实验,二者相结合的组合识别方法的识别率达到98.57％,减少了匹配时间.同时也研究了对于不同距离采集的手掌图像,实验结果表明手形和掌纹相结合的组合识别方法优势更为明显.     

手指宽度选取与识别率对应关系分析

手指宽度是手形识别的有效特征之一,而选取的测量点个数影响识别的准确率和时间.本文研究了选取手指宽度的个数与识别率、匹配时间的对应关系,以用于根据不同的识别率要求估计不同人手选取的宽度个数.实验论证了在定位准确、每个手指选取的宽度个数不少于3个的条件下,识别率可以达到90%以上.提出了自动识别算法,利用曲率法定位特征点,根据特征点计算手指的绝对宽度,应用绝对宽度之间的相对宽度构成特征向量,计算特征向量之间的欧式距离,实现身份识别.实验获得了手指宽度个数与匹配时间的对应关系以及手指宽度个数与识别率的对应关系曲线.结果表明,每个手指选取6个宽度时,就可以获得区分个体的特征量,识别率达到94.03%.     

基于方向梯度极值的手形轮廓跟踪算法

针对受自然光照影响的手形图像难以准确提取手形轮廓的问题,本文基于手形边界像素在垂直于边界方向上存在灰度突变的特性,提出了一种基于方向梯度极值的手形轮廓跟踪算法。该算法首先找到手形轮廓的起始点,然后按照一定的搜索方向和规则,在局部区域内计算候选点集中梯度极大值所在的点,并逐点跟踪极大值点,得到手形轮廓。将该方法在实验室自采图库及香港科技大学(HKUST)的手形图像库两个数据库中进行轮廓跟踪实验,结果显示,自采图库的跟踪准确率为100%,香港科技大学手形图像库的跟踪准确率为85.8%,该库中符合本文算法限制条件的图像的跟踪准确率为99.4%。实验结果表明,该方法能在灰度图像上直接跟踪出准确、连续、完整的手形轮廓,尤其适合于受光照不均影响的手形图像的边缘提取。     

手形、掌纹和掌静脉多特征融合识别

单一生物特征识别技术无论是在识别率还是稳定性上都不能达到完美无缺,特别是高仿生物特征的出现使其安全性受到质疑。针对上述问题,提出一种手形、掌纹和掌静脉多特征融合识别方法。提出了基于小波变换Gabor滤波器的特征层和图像层融合策略,将同一设备不同光照采集下的掌纹和掌静脉融合到一起,突出各自的主纹理特征;利用手指相对长度为手形特征进行初匹配,提出利用分块纹理基元模型进行掌纹和掌静脉融合图像的特征提取方法,然后进行二次匹配给出最终识别结果。开发了模拟系统并进行了相应的实验,结果表明该识别系统充分发挥了3种特征各自的优点,提高了识别率和稳定性,特别是掌静脉的加入增强了系统的安全性。     

面向反求工程的特征识别技术的研究与实现

论述了基于层析数据的面向反求工程的特征识别技术及实现方案。其特征识别过程分 2步进行 ,即层轮廓线特征识别和相邻层轮廓匹配。依据曲率及曲率的变化规律确定轮廓特征点和线段组成 ;引入轮廓编码技术、相邻轮廓变化域以及截面面积、形心、惯性矩等参数完成相邻轮廓的匹配。采用分段特征识别的方法构造特征体素 ,用CSG和B Rep混和建模方法构造三维CAD模型。     

基于分类区分度和相关性的手形特征选择方法

针对手形特征识别中,由于特征间高相关性产生冗余而降低识别性能的问题,提出利用信息增益和相关系数分别对特征的分类区分度和相关性进行评价,并经过综合分析对手形特征进行优化选择。该方法能够保留分类中起关键作用的特征,并同时去除高相关性的冗余特征量。为了证明该方法的有效性和准确性,采用浮动搜索的方法,以识别率为评价函数确定特征优化组合。实验结果表明,优化后6个特征组成向量的识别率达到96.24%,比全部9个特征组成的特征向量提高了0.43%,同时由于特征数目的减少也降低了运算时间。该方法可以避免常用的搜索性选择方法的复杂性,并有效去除手形识别中低区分度和高冗余的特征,有利于简化算法并与其他特征进行融合使用。     

基于轮廓点匹配的线宽属性层次划分算法

提出一种对工程图进行层次识别的方法。根据工程图样的线宽特征,利用轮廓跟踪技术和匹配算法,得到图中目标对象的轮廓匹配点对;再引入线宽属性特征因子,运用模糊识别的方法,对拾取过程中得到的图素轮廓信息及线型宽度信息进行模糊识别,实现对图形元素的轮廓层和辅助层的分层标识,并通过实例对该算法进行了验证。实践表明该算法具有准确率高、抗干扰性强、失真很小等特点。     

基于改进形状上下文特征的工件识别与定位

为了满足自动化装配线中工件自动上料作业的需求,提出了一种基于改进形状上下文特征的工件识别和定位算法。首先对图像进行预处理,然后进行阀值分割提取轮廓图像,利用改进的形状上下文特征检测算法在已检测出的轮廓中识别工件轮廓。与传统形状上下文特征算法不同的是改进形状上下文特征检测算法采用直方图结合Harris角点进行特征生成与匹配,加快了匹配速度。实验结果表明,本方法具有较高的精度,对环境变化有一定的适应能力,能较精准地对工件进行定位。     

一种基于几何特征的列车集尘器形状匹配算法

针对列车集尘器定位不准确的问题,提出了一种基于几何特征的形状匹配算法。该算法首先对轮廓点进行采样,基于极半径、局部曲率确定关键点的初始位置及点集的映射关系,然后以形心为基准,生成以角度和尺度为几何特征的双重描述子,并对其作标准量化处理。最后使用改进的曼哈顿距离计算描述子的相似性。实验结果表明,该形状匹配算法几乎不受伸缩、旋转、平移等几何变换的影响,具有一定的适应性和鲁棒性。     

基于美学特征的参数化产品外形设计

随着个性化需求的发展,产品的工业美学设计愈加受到重视.产品的外形主要受一些关键形态要素,如尺寸、比率等影响.为此,文中运用形态控制参数表达产品的形态要素,给出一种基于形态要素的工业缝纫机参数化外形设计方法.通过对37种样本的美学形态要素进行分析,定义了描述工业缝纫机外形特征的12个形态要素,如机身长与机身高比率、中部主轴截面等形态要素.随后,建立了形态要素与工业缝纫机外形曲面的关键控制特征参数之间的映射关系,并运用这些特征参数构造了工业缝纫机的外形模型.修改特征参数,可以生成不同形态的工业缝纫机外形.     

一种图像轮廓数据的控制点检测算法

针对如何提取图像轮廓控制点这一问题,提出了一种简单有效的方法。该方法分为去除坏点、标记轮廓数据点以及提取轮廓控制点3部分。首先计算轮廓数据点到拟合圆圆心的向量,然后根据向量间的关系找到坏点并去除,再对轮廓中的数据进行标记,最后对标记后的数据点进行数据缩减,并按照标记针对不同部分的数据提取轮廓控制点。试验验证提取出的轮廓控制点不仅能够表示轮廓的形状,也有效地消除了数据冗余。     

用于快速形状匹配的精确型高度函数特征描述

在形状匹配过程中为了提升高度函数描述子的检索精度和对边界噪声与局部变形的鲁棒性,本文提出了一种精确型高度函数特征描述算法。首先提取目标形状外轮廓,构造轮廓采样点的精确型高度函数描述子并进行特征降维,接着利用优化后的并行动态规划进行形状匹配,最后引入形状复杂度分析提升匹配效果。基于点的几何特征显著性,提出形状精度理论,进一步分析局部形变与边缘噪声对形状特征描述的影响。在MPEG-7数据库、Swedish Leaf数据库、Tools数据库和ETH-80大型3D数据库上进行匹配实验以及在Kimia99数据库上进行抗噪实验,实验结果表明:本文提出的算法效率高,匹配时间仅为高度函数描述子的12.5%,在MPEG-7和ETH-80上的检索率最高分别为90.38%和90.07%;在Swedish Leaf和Tools上,检索精度最高分别为95.07%和94.86%,检索性能和鲁棒性均优于高度函数和其他重要算法;在添加噪声的Kimia 99上,该算法的抗噪性能优于高度函数描述子,即使在噪声水平为2.0的情况下,依旧能保持91.92%的检索率。本文提出的算法检索精度高,效率高,鲁棒性好,抗噪性强,具有较好的可扩展性,能有效地应用于形状检索领域。     

基于改进 RANSAC 特征提取的掘进装备视觉定位方法研究

为解决煤矿井下低照度、高粉尘、多杂光环境中掘进装备位姿测量不易的问题,提出了一种基于改进随机抽样一致性 (RANSAC)特征提取的掘进装备视觉定位方法。 首先,对矿用防爆相机采集的三激光标靶图像进行预处理,分别建立形状模型 与线框模型;其次,根据形状模型以坐标极值为椭圆模型初始点,将前后两次内点差值比值作为最优迭代次数,迭代求取椭圆模 型最优参数获得点特征;然后,根据线框模型以像素坐标模为直线模型初始点,利用自适应条件阈值、抽样次数获得线特征;最 后,将点线特征作为三点三线位姿解算模型输入,通过空间坐标变换求得掘进装备位姿信息。 实验结果表明,在掘进装备距三 激光标靶 80 m 范围内,所述视觉定位方法的相对误差为±45 mm,可基本满足煤矿井下掘进装备定位需求,为煤矿井下恶劣环 境中掘进装备的位姿测量提供一种新的思路。     

基于MEB-SVM的静态手势识别研究

为了实现快速高准确率的静态手势识别,提出了一种新的支持向量机分类方法。图像分割是图像识别的基本步骤,采用彩色直方图为特征可以将手部区域从背景中分离出来;然后将得到的手部图像去除手部以外的区域,并二值化,得到手的轮廓;再用8邻域方法处理轮廓图,得到一个表示轮廓的坐标序列,再将复数序列采用傅里叶变换,从而得到一个大小、平移、旋转不变的一维矢量。最后对矢量用MBE-SVM进行分类、识别。通过这种方法完成的手势识别正确率达到了90%以上,基本实现了静态手势识别的目标。     

Hand gesture recognition using valley circle feature and Hu’s moments technique for robot movement control

Hand gesture recognition is a simpler and more natural way of human computer interaction. The goal of this paper is to detect the continuous gestures and use them to convey information for the robot movement control. So the hand gesture recognition requires fast and extremely robust. In this paper, three strategies were used to realize the hand gesture recognition: (1) the valley circle (VC) was created for the first stage of 6 fingertip numbers classification; (2) the hybrid feature vector of Hu’s moments, convexity and compactness (HCC) were constructed for the second stage of gesture recognition of the remainder unknown gesture classes; (3) a new template matching recognition (NTMR) algorithm was proposed to realize 10 gesture classes recognition. To test the hand gesture recognition method, the robot movement control system was built. It is experimental proved that the NTMR algorithm is effective and corrective for the hand gesture recognition. It increased the recognition accuracy by 4% and decreased the recognition duration by 112 ms compared with Hu’s moment method. It had good performances of the real-time hand gesture acquisition and information conveyance, and it had the invariant properties when the gesture was rotated and shifted and scaled.