基于PCA与SVM的头部姿态识别及应用

针对头部姿态识别在复杂背景和变化光照情况下准确率低的问题,提出了一种有效识别图像序列中头部姿态的方法.首先运用Adaboost算法提取出图像序列中不同姿态的人脸图像,通过主成分分析方法(PCA)提取人脸姿态特征;然后使用支持向量机构(SVM)造多分类器对提取的特征分类从而实现头部姿态识别;最后设计了五种不同的头部姿态在变化光照下与智能轮椅进行人机交互实验.实验结果表明该方法实时性高,抗光照变化性能强,识别率高达92.2％.     

一种红外条件下的新型眼睛状态识别算法

针对复杂光照、头部转动和戴眼镜对眼睛状态识 别算法的影响,提出了一种基于红外图像和形态学的眼睛状 态识别算法,通过带850nm窄带带通滤光片的红外摄像头采集眼睛图 像,提取眼睛轮廓特征描述子和眼睛骨架图像的方向 链码实现睁眼和闭眼判别,同时引入图像可信度判别机制,把眼睛划分为睁开、闭合和 不可信3种状态,从而极大地 降低了算法模型在恶劣环境中的虚警率。实验证明,本文算法模型对于复杂光照、头部转动 和戴眼镜等均具有较高的鲁棒性,在 可信眼睛图像集中,睁眼正确识别率达到了95.21%,闭眼正确识别率 达到了92.03%,均高于其他几种常用的眼睛状态识 别算法,同时每秒能处理200张以上眼睛图像,满足实际驾驶环 境中 实时性的要求。     

对光照变化不敏感的微观高光谱图像木材树种识别算法研究

木材往往堆积在室外,在对木材样本采集高光谱图像时往往会受到外界因素(光照、温度、湿度)的影响,从而造成木材树种的误判。为了解决这一问题,本文利用PLS(Pattern Lacunarity Spectrum)和LBP(Local Binary Pattern)对木材横截面的高光谱图像的纹理信息进行了特征提取,而后将高光谱图像的近红外光谱与纹理特征相融合,并以融合后的新特征作为识别的依据,最后使用SVM(Support Vector Machine)和BP(Back Propagation)神经网络两种分类器对木材树种进行了识别,实验表明该算法在无干扰情况下可拥有最高100%的识别正确率效果。为了验证该算法可以在高光谱图像失真的情况下依然可以对木材进行正确的识别,本文仿真了光照变化对高光谱图像的影响,并对比了影响前后的识别正确率,结果显示该算法可以在高光谱图像失真的情况下对木材的树种进行正确的识别,优于传统的和近期主流的木材树种分类算法。     

一种抗光照突变的前景提取方法研究

针对经典前景提取算法无法在光照突变情况下正确提取前景的问题,根据LBP算子对光照不敏感的特性,提出了一种基于截尾均值的纹理特征提取算法,即通过对噪声的抑制及对平坦区域序列的稳定性处理,解决了原有LBP算子易受噪声干扰,平坦区域序列不稳定及得到的纹理图信息冗余的问题.结合高质量纹理特征,根据纹理特征的光照不变性,设计了一种能有效应对光照突变情况的背景更新模型,实验结果表明,本文提出的融合纹理特征的前景提取模型不仅能够在光照缓慢变化的情况下有效地对运动目标前景进行提取,而且在光照突变情况下仍然能够进行准确提取,前景提取的准确率相比平均背景模型提高61.7%,相比混合高斯模型提高59.3%.     

基于多特征决策融合的SAR飞机识别

针对高分辨率SAR图像的飞机目标识别问题,提出了一种基于飞机几何特征、PCA特征、Hu不变矩等多特征决策融合的自动目标识别方案。针对飞机样本特点,分别提取飞机的几何长宽特征、PCA特征和Hu不变矩特征,使用三个支持向量机分类器分别对样本的三类特征进行预分类,然后采用基于等级的决策融合方法将预分类结果进行决策融合,输出最终的目标类别。实验过程中,随机选取一定百分比的样本进行训练,获得分类器模型,对全部的样本进行测试识别。通过实验发现,将几何特征、PCA特征和Hu不变矩特征的分类结果进行决策融合后,克服了单一特征决策的不准确性,有效地提高了每一类样本的识别准确率。     

基于随机森林的雷达信号脉内调制识别

针对雷达信号脉内调制识别算法存在着准确率低的问题,提出一种新的雷达脉内调制类型自动识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征构成融合特征,然后将融合特征输入随机森林分类器,实现信号的分类识别.仿真实验中对8种常见的不同调制类型的雷达信号进行识别,提出的算法在信噪比为-2 dB时识别准确率可以达到90％以上,验证了该方法的有效性.     

基于MTCNN的多特征融合学生疲劳检测算法研究

目前疲劳检测主要是通过眼部PERCLOS值来判断,但是这种方法检测疲劳特征较为单一,影响了检测的准确率.本文提出一种基于卷积神经网络的多特征融合学生疲劳检测算法,首先用MTCNN对人脸进行关键点定位,在此基础上用人脸归一化的方式精准提取眼睛和嘴部的特征图像并进行眼部定位;其次,构建眼、嘴数据集,完成眼、嘴部状态分类模型训练;最后,用训练好的模型将眼、嘴部的疲劳特征相融合并根据改良的MAR值判断方法进行疲劳检测.实验结果表明该方法的准确率达到了96.2％,实时性也得到了极大的改善.     

融合CDI和LBP的人脸特征提取与识别算法

针对光照、姿态和表情对人脸识别率造成严重影响的问题,提出了结合笛卡儿微分不变量(CDI,cartesian differential invariant)和LBP(local binary patterns)的人脸特征抽取与识别算法。首先,利用高斯微分算子抽取人脸图像的微分结构,组合这些微分结构得到一个不可约简的笛卡儿CDI集。其次,对CDI集中每个分量分别计算其LBP特征,并将所有分量的LBP特征连接起来以得到人脸图像的特征。最后,运用所抽取出的人脸局部描述特征和支持向量机(SVM)分类器完成人脸图像分类与识别。试验分析表明,基于CDI的LBP特征对人脸位置、姿态、光照和表情的变化具有较高的不变性。该算法在ORL和Yale人脸库中分别取得了98.5%和98.89%的识别率。     

证据理论和改进神经网络相融合的图像识别算法

针对单一特征图像自动识别算法存在识别结果不稳定和识别正确率低等缺陷,提出一种基于证据理论和改进神经网络相融合的图像自动识别算法.首先提取能反映图像类别信息的颜色和纹理特征,然后采用RBF神经网络对单一特征进行初步识别,识别结果作作为证据,最后采用证据理论对初步识别结果进行决策融合处理,得到图像最终识别结果.仿真测试结果表明,该算法的平均识别正确率达到92.29％,相对于单一特征识别算法,图像识别结果的可靠性和正确率得到了大幅提高,具有较好的应用前景.     

基于多形态红外特征与深度学习的实时驾驶员疲劳检测

疲劳驾驶是导致车祸的重要诱因，严重危害道路交通安全，而车辆行驶过程中的光照条件变化、驾驶员姿态调整和眼镜遮挡等因素将对疲劳检测任务产生不利的影响。针对以上问题，提出了基于深度学习的驾驶员疲劳检测算法。首先，使用850nm红外光源补光，在复杂光照和遮挡形态下采集驾驶员的面部图像；其次，利用红外图像中的多种特征，通过级联CNN确定人脸边框和特征点位置，提取眼睛区域并识别眼睛的睁闭状态；最后，将眼睛状态识别结果和连续图像中的特征点坐标差值输出至LSTM网络，检测驾驶员疲劳状态。实验结果表明:该疲劳检测算法的准确率可达94.48%，平均检测时间为65.64ms。     

三维人脸特征提取方法综述

有效提取人脸特征是人脸识别技术的关键组成部分。传统的二维图像容易受到光照、姿态及表情的影响,而三维数据被认为具有光照姿态不变性。文中从局部特征和整体特征两个角度,对三维人脸特征提取进行综述,对部分方法进行比较,并分析了方法的有效性,总结了三维人脸特征提取方法的优势和困难。     

基于SVM的多特征手写体汉字识别技术

针对传统的模板匹配法对汉字的识别率较低,文中提出一种基于SVM的多特征手写体汉字识别技术。在提取网格特征的基础上增加对汉字质心特征、笔划特征、特征点的提取,并采用SVM算法构造分类器,实现对手写体汉字的识别。实验结果表明,该方法的平均识别率为95.9%,高于传统的模板匹配法。     

通信辐射源个体特征提取技术

个体特征选择和提取是辐射源个体识别的关键,直接决定分类识别性能的好坏。由于在实际工程应用中,利用暂态特征进行通信辐射源个体识别难以实现,本文从稳态特征出发,对通信辐射源个体特征提取技术进行了综述,对特征的产生机理、在信号传播过程中所受到的污染以及在实际工程应用中的可行性做了归纳与分析。最后,指出了目前通信辐射源个体特征提取技术存在的问题,展望了个体识别技术未来可能的研究方面。     

基于整体性的隐密分析特征提取和融合方法研究

在Simmons的“囚犯问题”模型和Cachin的安全性理论模型下，如何提取并融合统计特征是隐密分析技术亟待解决的关键问题之一．基于对已有隐密分析技术及其所涉及的图像统计特征的分析，本文将隐密分析技术所涉及的统计特征定义为载体数据固有特征和隐密方法引入特征，并分别讨论了这两类特征的重要性．在阐述隐密分析技术的整体性研究方法的基础上，提出了一种基于整体性思想的特征提取及融合方法，并以研制的图像隐密分析系统（StegDetect）验证了此整体性特征提取及融合方法的有效性．     

Multi-label feature selection algorithm based on joint mutual information of max-relevance and min-redundancy

Feature selection has played an important role in machine learning and artificial intelligence in the past decades.Many existing feature selection algorithm have chosen some redundant and irrelevant features,which is leading to overestimation of some features.Moreover,more features will significantly slow down the speed of machine learning and lead to classification over-fitting.Therefore,a new nonlinear feature selection algorithm based on forward search was proposed.The algorithm used the theory of mutual information and mutual information to find the optimal subset associated with multi-task labels and reduced the computational complexity.Compared with the experimental results of nine datasets and four different classifiers in UCI,the proposed algorithm is superior to the feature set selected by the original feature set and other feature selection algorithms.     

辐射源个体特征提取技术综述

特征提取是辐射源个体识别技术的关键,也是实际应用中必须解决的首要问题.从接收信号的暂态和稳态两个方面对现有的个体特征提取技术进行了综述,指出各种特征提取技术的适用范围及关键问题.同时结合个体识别接收设备需要,对所提取的特征参量在工程应用中的测量条件及局限性进行了归纳分析与对比.最后,指出了目前辐射源个体特征提取技术存在...     

改进的图像局部特征区域描述方法

针对描述子的性能与维数相矛盾的问题,提出了一种顽健的图像局部特征区域的描述方法。首先按照像素排序将局部特征区域分割为若干个子区域,然后利用基于阈值的分段局部描述子设计方法计算描述子,并采用纹理谱加权方法累加局部描述子得到子区域描述子,最后连接各部分子区域描述子得到最终的特征描述子。该方法综合了全局信息和局部信息,在保证描述子维数较小时对噪声具有一定的顽健性。实验结果表明该方法不仅对单调强度变化和旋转变化具有不变性,而且对其他几何和光学变换具有较好的顽健性。     

基于外形特征与运动特征的人体行为提取方法

针对传统外形特征表征方法描述行为动作能力有限和运动特征表征方法难以准确、稳定地捕捉目标运动特性等问题。提出运用人体外形特征和运动特征相结合的方法提取人体行为关键特征,利用谱聚类算法对特征进行降维,降低了数据维数,获得了最优的特征表征。仿真实验表明,该方法降低了样本维数,减少了数据冗余,并提高了训练精度,且保证了行为识别率。     

基于多特征的对象检索技术

提出了一种融合图像颜色、纹理和形状特征的提取及归一化方法,并将其应用于基于内容的对象检索中,实验证明,融合颜色、纹理、和形状特征的对象检索比单一特征的对象检索效果要好。     

基于图像不变特征的目标识别新方法

基于飞机目标分析了NM(I归一化转动惯量)、不变矩、轮廓矩三种图像特征的不变性,提出了目标NMI特征提取的新方法。实验表明,基于新方法提取的NMI特征与传统的NMI特征、不变矩提取算法相比,具有良好的平移、旋转、比例不变性,且提取方法简单,易于实现。