基于圆形滑动窗口的瞳孔定位算法

瞳孔定位是眼动识别中的一个关键步骤。针对目前瞳孔定位算法存在精度低、耗时高、人脸偏转时的定位误差较大等问题,提出了一种通过创建滑动窗口来精确定位瞳孔中心的算法。首先利用CLM模型提取人脸的眼部区域,对提取后的图片进行预处理,然后通过创建圆形滑动窗口对图片进行扫描并计算每个窗口内灰度值的和,利用人眼瞳孔的灰度值相对较低这一特性选取灰度值相对较低的窗口为人眼瞳孔区域,计算出其中心点坐标即可定位出瞳孔中心。实验结果表明,该算法针对不同测试对象可以相对精确地定位瞳孔中心,并且具有较高的鲁棒性。     

基于机器视觉的轮胎胶料表面字符识别

针对目前轮胎胶料表面的5×7点阵喷码字符人工识别存在劳动强度大、效率低、智能化水平低等问题,提出了一种基于机器视觉的轮胎胶料表面字符识别方法,首先利用字符出现区域较为稳定且字符为黑底白字进行快速定位与背景分割、形态学操作消除干扰;然后创新性地运用简化垂直投影法配合字符宽度的阈值限制,并对"1"和"I"与其他字符宽度不同的特殊情况进行处理,实现字符分割;最后,采用基于标准相关匹配的模板匹配方法实现字符识别。实验结果表明,所提方法的字符识别准确率达到99.51%,达到了预期的识别效果。     

基于机器视觉的轮胎胶料表面字符识别

针对目前轮胎胶料表面的5×7点阵喷码字符人工识别存在劳动强度大、效率低、智能化水平低等问题,提出了一种基于机器视觉的轮胎胶料表面字符识别方法,首先利用字符出现区域较为稳定且字符为黑底白字进行快速定位与背景分割、形态学操作消除干扰;然后创新性地运用简化垂直投影法配合字符宽度的阈值限制,并对"1"和"I"与其他字符宽度不同的特殊情况进行处理,实现字符分割;最后,采用基于标准相关匹配的模板匹配方法实现字符识别。实验结果表明,所提方法的字符识别准确率达到99.51%,达到了预期的识别效果。     

基于卷积神经网络的生产日期识别

为了提高识别效率并减少人工成本,采用深度学习的方法对生产日期图像进行识别。首先对生产日期图像进行预处理,使用水平投影分割算法并提出一种区域最大值分割的方法将图像中的干扰字符去除,只留下数字、字母和汉字字符。然后创建一个由生产日期图像中常包含的数字、英文、汉字字符所组成的可扩展的数据集。最后构建一个卷积神经网络模型并将数据集送入训练以获得较高的识别准确率。经测试基于卷积神经网络的识别方法对生产日期识别的准确率高达98%。     

基于三值图像的车牌定位算法

针对复杂场景中光照不均匀情况下的车牌定位问题,提出了一种新的定位方法。该方法首先对彩色图像进行三值化,然后利用车牌字符之间颜色的一致性,通过定位字符间隔线反推字符区域进行车牌定位,解决了定位难的问题。实验结果表明,本文算法可以准确定位车牌,对车身颜色和外界颜色的影响有很好的鲁棒性,有效剔除打印字符等纹理簇照成的干扰,同时弥补了在光照不均匀等情况下车牌区域进行二值化可能导致的信息缺失,为后续字符分割、识别处理提供更有利的信息。     

基于流式计算的暂态电压扰动并行实时监测技术

暂态电压扰动模式识别面临两个挑战,一是局限于单一监测点的扰动识别不能准确解释复杂扰动的完整过程,另一是离线分析很难满足辅助决策实时性的要求。提出基于Storm流式计算框架,结合logstash和Kafka消息中间件,构建面向多监测点的实时数据监测处理平台。采用滑动时间窗口算法,实现Storm编程逻辑拓扑。通过设置基本时间窗口大小和数量,实现面向区域电网的多时空尺度、多业务模型的暂态电压扰动模式识别。实验结果表明,合理设置Storm组件的任务数目能够最大限度发挥并行处理能力。通过仿真数据测试得到的吞吐量和平均处理延迟结果,能够满足电网对流数据实时处理的高吞吐量、可扩展性、实时性和准确性的要求。     

基于视频识别技术的变电站防误操作系统的研究

提出了一种对标志牌进行实时视觉识别,进而定位操作人员的变电站防误操作系统.该系统通过便携式视频捕获设备获取当前间隔的标志牌实时视频,并进行识别,结合操作票判断是否走错间隔.给出了整个系统的工作原理和各组成的设计,并详细介绍了采用Hough变换来检测标志牌边框以及采用投影法进行标志牌字符分割的原理和具体实现.最后通过实验室测试和现场试运行的结果验证了本系统的正确性、有效性和工程实用性.     

计量检定实验室仪表读数自动识别系统设计

针对计量检定实验室对仪表进行检定时人工检定方式效率低下,读数识别系统开发成本高的问题,设计了一套基于树莓派的计量检定实验室仪表读数自动识别系统。系统采用树莓派4B控制摄像头采集仪表读数的图片,然后采用SSDA算法定位图像读数区域,并进行字符分割,再使用BP神经网络和特征匹配算法识别分割出的字符,最后通过SSH方式将识别结果发送给PC端进行存储。实验结果表明,系统运行时间为500~600 ms,读数识别的正确率在92%以上,证明系统可用于计量检定实验室仪表读数的自动识别。     

基于区域统计和BP神经网络的车牌识别

为从车牌图像中获得车牌的字符信息,需要对字符识别系统进行研究。车牌识别过程分为图像预处理、车牌定位、车牌校正与分割和车牌字符识别4个环节。针对前3个环节,完成了图像中值滤波、Sobel算子边缘检测、数学形态学处理、Otsu二值化和Hough变换校正等工作,获得了单一标准字符图像。在车牌字符识别环节中,首先根据汉字位置,利用模板匹配算法对汉字进行识别,对于数字、字母字符,将字符图像分割,通过统计图像各部分的连通区域数以获得字符形态特征,据此设计并训练BP神经网络识别字符。最终获得能完成图像中的车牌字符识别的系统。     

基于树莓派与计算机视觉的家庭火灾报警系统的设计与研究

当前火焰识别技术发展较快,多从动态与静态特征对火焰进行识别与分割,但识别误差仍然很大,同时火焰识别算法对硬件的高依赖性导致其难以适用于居民住宅。为解决这些问题,本文以树莓派3B开发板作为硬件基础设施,结合数字图像处理技术,设计出一种基于树莓派与计算机视觉的家庭火灾报警系统。首先使用传统火焰识别算法对火焰区域进行分割,并结合SVM算法对火焰进行识别与分类,准确率达到了97%,最后做出决策,判断是否向居民发出预警信息。系统可扩展性强,且成本较低,可普遍适用于居民住宅。     

一种基于PCA的多模板字符识别

本文提出了一种基于主元分析法(PCA)的多模板字符识别算法.为了进一步提高数字和英文字符识别的鲁棒性,本文首先利用PCA算法把提取到的字符特征降维,再采用K-均值算法把每类字符聚类为多类,使同一类字符有多个模板,最后采用欧式距离实现多模板的匹配.本文将该算法用于巴西车牌字符识别,实验表明,该算法能有效地提高多字体字符的识别正确率,具有较高的实用价值.     

A CNN handwritten character recognizer

CNNs are used for feature detection in handwritten character recognition. Detected features are fed to a simple classifier network. Performance was tested by using two well-known ETL data base series: (i) ETL3 consisting of numerals, alphabets and several symbols and (ii) ETL8B2 consisting of Japanese Hirakana characters. the average recognition rate for ETL3 is 94.8%, while that for ETL8B2 is 85.7%. Both series include ‘hard’ characters so distorted that even humans cannot recognize them.     

基于多维度特征提取的电弧故障检测方法

针对当前含多种电气故障的复杂电路电弧故障识别率低、训练速度慢的问题,提出一种窗口划分结合小波分解与经验模态分解(empirical mode decomposition,EMD)分别从时域、频域及时间尺度等多个维度提取电流特征量,利用机器学习分类模型进行电弧故障识别的方法.首先,利用搭建的电气故障实验平台采集故障及正常电流数据,并将电流数据进行窗口分段,然后分别使用小波变换与EMD方法对电流信号进行分解并计算不同维度上的特征量,将该特征信息作为分类算法的输入进行电弧故障诊断.经实验验证,该特征提取方法在梯度提升决策树(gradient boosting decision tree,GBDT)上的电弧故障检测准确率高达98％,相比电流不分段的方式分类准确率提升了1.87％,能有效获取电弧故障特征,实现对电弧故障高效率与高准确率检测.     

基于改进深度学习的刀闸状态识别方法研究

识别刀闸状态对于现代电力系统至关重要,传统的刀闸状态识别方法不能很好地解决多刀闸目标干扰问题。为了解决此问题,提出了一种基于改进深度学习的刀闸状态识别方法。首先采用空间加权的池化策略来改进传统的卷积神经网络(CNNs);其次利用改进CNNs在训练数据库上获得训练模型;然后通过训练模型来检测绝缘子和刀闸的潜在位置,并进一步利用非极大值抑制和直线拟合算法获得精确的绝缘子和刀闸位置;最后利用与绝缘子的连通性和刀闸区域的长宽比来识别多种刀闸的闭合或断开状态。实验结果表明此方法能够精确地定位绝缘子和刀闸的位置,显著提高刀闸状态识别的精度。     

设备铭牌字符识别系统的开发与实现

受铭牌类型、字符倾斜和字符组合形式等因素影响,普通文字识别软件在对设备铭牌字符信息扫描录入时,其识别率和准确率较低。针对此问题开发并实现1种设备铭牌字符识别系统。通过对不同厂家30多种类型设备铭牌字符识别处理,得到铭牌字符识别结果。结果表明,该系统对铭牌字符整体识别率和准确率较高,部分字段识别准确率达100%,具有很好的稳定性和鲁棒性。     

基于语义分割与连通区域标记的隔离开关状态识别方法

提出一种基于语义分割与连通区域标记的隔离开关状态识别方法.首先,提出基于语义分割算法的隔离开关像素提取方法,将图像按照语义类别进行像素分类,实现对开关臂所在像素的提取.其次,提出基于区域生长算法的语义分割图像标记方法,实现对隔离开关连通区域的标记,并提出面积排序统计方法优化面积阈值和消除非开关臂区域.最后,根据开关臂连通区域个数判断隔离开关状态.通过引入风格迁移算法生成隔离开关风格化图像增强训练集,提升污损图像中隔离开关定位、分割的准确性.实验结果表明所提方法能够准确定位、分割隔离开关,并识别开关状态.