基于眼睛状态的驾驶员疲劳模糊识别研究

首先介绍了当前国内外各种驾驶员疲劳识别方法,并分析其优缺点后,通过对驾驶员眼睛状态的定位和跟踪,提取眼睑距离来得到眨眼的频率和间隔,提出了驾驶员疲劳的模糊识别算法判定驾驶员的疲劳程度,并利用摄像机实时拍摄驾驶员的脸部,试验表明,提出的模糊识别方法能快速、准确地判断甚至预测瞌睡的发生,对于一般驾驶时目标检测正确率可以达到95%,当驾驶员头部开始转动时,正确率会下降至87%,但仍在可以判别范围内,具有较快的响应速度和鲁棒性.     

在线融合特征的眼睛状态识别算法

针对人脸视频中眼睛定位精度影响眼睛状态识别正确率问题,提出了一种融合在线肤色模型的眼睛状态识别算法。首先,在人脸主动表观模型(AAM)定位的基础上,使用当前用户的肤色特征,建立在线肤色模型;其次,在初步定位的眼睛区域,再次使用在线肤色模型,定位内外眼角点的精确位置,并利用眼角点的位置信息提取精确的眼睛区域;最后,提取眼睛区域的局部二值特征(LBP),使用支持向量机(SVM)算法,实现对眼睛睁闭状态的鲁棒识别。实验结果表明,对比全局定位的眼角点定位算法,该算法可以进一步降低眼角点的对齐误差,在低分辨人脸中使用在线融合特征的睁闭眼状态的准确识别率分别为95.03%及95.47%,分别比直接使用Haar特征和Gabor特征的识别率提升2.9%和4.8%,在实时人脸视频中,使用在线特征可以明显提高眼睛状态识别效果。     

基于多特征融合的眼睛状态检测算法研究

疲劳驾驶检测算法研究对提升交通安全有着重要的意义.目前,已有大量关于疲劳驾驶的文献和成果.在疲劳驾驶检测算法中,眼睛开闭状态的判断起着至关重要的作用.深度级联卷积神经网络用来检测人脸和人脸特征,利用Dlib工具快速提取驾驶员人脸特征.基于眼睛特征计算眼睛宽高比,并将眼睛宽高比、传统人眼特征的人眼虹膜等用于判断眼睛开闭的...     

基于多特征融合的汽车车型模糊识别方法

车型识别是智能交通系统中的一个重要组成部分.利用计算机视觉、模式识别等理论方法,对车型的有效特征提取与分类识别进行了深入的研究,提出了一种多特征融合的模糊聚类车型识别方法.通过自动调整各维特征的加权系数来调整特征对分类的贡献,结果表明达到了较好的分类效果.     

基于模糊特征属性参数最优融合的目标识别

为了实现在不确定环境下的自动目标识别,提高系统的性能和可靠性.首先采用模糊数来刻画传感器的输出报告,将每个传感器报告用三角模糊数来表示;然后提出基于模糊特征属性参数的最优融合算法来实现信息融合,并将其应用到多传感器目标自动识别系统.融合算法以模糊信息相似性测度为基础,最优融合准则是:融合后的数据与各个传感器输入数据冲突应该最小.通过最优准则确定了各个传感器的权重以及融合结果,且融合结果与初始传感器权重向量和传感器报告融合的次序无关.文中给出了具体的算法流程和一个应用实例.     

基于模糊状态的分布式检测融合的研究

当先验概率和代价函数均为模糊时,基于贝叶斯最小风险准则研究分布式检测融合的算法,并讲座了算法的简化。这种算法更符合实际情况。仿真结果说明该方法是可行和有效的。     

融合模糊认知图用于语音情感识别

模糊认知图（Fuzzy Cognitive Map,FCM）作为一种图分析方法已在数据分类方面得到应用,为了提高其在语音情感识别中的分类精度,提出了融合FCM的方法。其中包括特征级融合和决策级融合两种方式。详细分析了这两种方式并提出将传统的模糊认知图的数值型输出转化为概率型输出,为不同特征提供了统一范围的初级识别结果。在此基础上,提出了自适应权值决策级融合方法。该方法充分考虑了分类器对不同特征的识别准确率差异。实验证明,提出的融合FCM方法相较于单一特征和单一分类器,具有更优的分类性能,同时大大降低了情感间的混淆程度。     

基于随机模糊贝叶斯网络的敌我属性融合识别算法

基于全过程综合敌我识别中不同阶段综合敌我识别信息来源的差异,采用动态贝叶斯网络进行建模.在建模过程中,由于参数众多、样本难以全面获得、学习训练计算量巨大等问题,将随机模糊思想引入参数学习,从而既可充分利用先验信息,又尽可能地消除主观因素.最后仿真了整个过程,其结果验证了所提出方法的有效性.     

基于模糊函数多域特征融合与集成学习的雷达辐射源信号识别

针对复杂电磁环境下雷达辐射源信号识别方法中存在的抗噪性能差、识别准确率低等问题,提出一种融合模糊函数多域投影特征的集成深度学习识别方法.首先,对信号的模糊函数进行高斯平滑处理,从多域视角出发选取合适角度对模糊函数进行二维投影以构建特征数据集;然后,构建一种基于多域特征融合的两阶段识别分类方法,使用多个密集连接网络DenseNet 121作为初级分类器分别对3类特征数据集进行训练学习,得到初级分类结果;最后,通过Stacking策略对初级分类结果进行融合学习,得到最终类别信息.实验结果表明,所提出方法在信噪比为0 dB时对6类典型雷达信号的整体平均识别率均保持在97.24%以上,即使是在-4 dB环境中,识别率也稳定在87.16%以上,验证了所提出方法的有效性和可行性,具有一定的工程价值.     

基于三元空间融合的模糊人脸图像特征相似度识别

提出一种基于三元空间融合的模糊人脸图像特征相似度识别方法.通过建立模糊人脸图像特征相似度投影矩阵,将模糊人脸图像映射到同一个特征表示空间,得到维数一致的特征向量;针对10种LIH特征相似度进行分析,确定模糊人脸图像特征相似度信息能量百分比;使用三元空间融合技术中编码的方式描述模糊人脸图像中的特征描述子,基于三元空间融合...     

融合多特征的行为识别方法研究

基于时空特征的方法是行为识别的主流方法,已经有许多研究学者提出了多种局部时空特征。然而,不同的局部特征所反映的行为信息的侧重点并不一样。通过引入集成学习的方法,对多种特征在分类器层次上进行融合,使得多种特征能够优势互补,从而增强了特征的描述能力,为构建出高效、稳定的行为识别分类器提供了保证。经仿真实验验证,所提出的方法是鲁棒和有效的。     

基于多特征融合的复杂光照人脸识别

提取人脸图像光照不变量是提高不完备训练样本人脸识别光照鲁棒性的一个有效途径。以往算法分别从不同角度提取人脸图像的高频特征作为光照不变量不能提取完整的人脸本征,具有一定的局限性。从特征级和决策级融合的角度提出了一种基于多特征融合的复杂光照人脸识别方法。所提算法能发挥不同光照不变量的自身优势,明显提高复杂光照人脸识别的光照鲁棒性。Yale B+和非控光照人脸库的实验结果表明所提算法的有效性。     

基于分类器联合的表情识别

提出了一种基于分类器联合的人脸表情识别方法。首先采用CKFD算法在双决策子空间中提取两类表情特征并融合;分别利用最近邻、最小距离和神经网络三种子分类器进行识别;最后运用模糊积分对子分类器的识别结果进行融合。基于JAFFE的实验结果表明,它是一种有效的表情识别方法。     

多特征融合的复杂环境海洋涡旋识别

目的 海洋涡旋识别研究已成为物理海洋领域的研究热点之一。传统的海洋涡旋识别算法多是基于物理参数法、流场几何特征法以及两种方法的混合,通过设置统一的阈值对海洋涡旋进行识别。在特定环境的海域中,传统算法的识别效果较好。但引起海洋涡旋生成的环境复杂多变且具有快速运动的特性,导致其具有快速连续变化的特点,依赖专家经验进行单一阈值设置的方法存在显著的主观性和不确定性,通常会导致海洋涡旋的漏判和错判,缺乏通用性。针对以上问题,为构建具有泛化能力的海洋涡旋自动识别方法,兼顾考虑海洋涡旋的全局和局部特征,提出一种复杂环境下海洋涡旋多特征融合识别方法。方法 首先通过数据预处理对数据集进行扩充;其次提取海洋涡旋的纹理特征（GLCM）、傅里叶描述子（FD）和Harris角点特征;接着将提取的GLCM特征进行均值化,并通过主成分分析法（PCA）对FD描述子和Harris角点特征进行降维;然后将处理后的特征向量进行串行融合;最后通过分类器完成对海洋涡旋的识别。结果 实验结果表明,提出的多特征融合方法的识别率高于单一特征方法的识别率,采用DT分类算法的识别精度最高,达86.904 5%;本文方法中采用PCA降维能有效提高识别精度,FD特征经PCA降维后,识别精度从83.906 0%提高到86.904 5%,Harris特征经PCA降维后,识别精度从84.009 7%提高到85.354 7%;且对于形态多样的海洋涡旋具有良好的鲁棒性。结论 本文融合了基于SAR影像海洋涡旋的3种特征信息,包括GLCM、FD和Harris角点特征,有效克服了阈值选取以及单一特征的不足,提高了基于SAR影像海洋涡旋的识别率,本文方法适用于复杂环境下的海洋涡旋识别。     

一种基于模糊密度动态调节的融合目标识别方法

针对工程应用的需要,给出一种根据实时动态数据确定模糊密度调节系数的方法,并建立了基于模糊密度动态调节的融合目标识别算法.最后通过仿真实验给出了各种模糊积分用于目标融合识别时的识别结果,验证了所提出方法的有效性.     

基于人眼状态的瞌睡识别算法

已有瞌睡识别算法多数基于机器学习或深度学习,没有考虑到人眼闭合状态序列与瞌睡之间的关系。针对上述问题,提出了一种基于人眼状态的瞌睡识别算法。首先,提出了人眼分割和面积计算模型,基于人脸68个特征点,根据人眼特征点构成的极大多边形分割出眼睛区域,并利用眼睛像素点的总数代表眼睛面积大小;其次,计算极大状态下的人眼面积,并利用关键帧挑选算法挑选出最能代表睁眼程度的4帧,根据这4帧的人眼面积与极大状态下的人眼面积计算睁眼阈值,从而构建眼睛闭合度得分模型来确定人眼闭合状态;最后,根据输入视频的人眼闭合得分序列,构建了基于连续多帧序列分析的瞌睡识别模型。在两个国际常用的打哈欠检测数据集（YawDD）和NTHU-DDD数据集上进行瞌睡状态识别,实验结果表明,所提算法在两个数据集上的识别准确率均在80%以上,尤其是在YawDD数据集上,识别准确率达到94%以上。该算法可应用于驾驶员驾驶状态检测、学习者课中状态分析等。     

基于模糊偏序关系评估决策的智能信息融合

针对信息融合系统应综合考虑获取信息所要求的资源、计算复杂度和时间所需要的最小成本的问题,提出了基于模糊偏序关系评估决策的智能信息融合系统,利用模糊偏序关系的排序方法,来对传感器进行评估决策和智能选择,并与证据理论相组合,应用于目标识别,仿真结果表明了该方法的有效性。     

基于小波系数模糊积分的图像融合算法研究

提出一种新的基于Choquet模糊积分的图像融合方法。首先利用小波系数的区域特征获取模糊积分的信度函数,其次根据局部窗口内的模糊边缘评价函数自适应地构造模糊密度,最后由Choquet模糊积分确定融合后的小波系数,从而得到融合图像。将此方法应用于微光与红外图像融合处理中,实验结果表明,Choquet模糊积分法可以使得最终的融合图像在空间细节信息的增强和光谱信息的保持两方面的综合性能得到提高。     

基于模糊混沌神经网络的人脸识别算法

利用混沌对初值的极端敏感依赖性,可以对仅有微小差别的模式进行识别。提出一种基于模糊混沌神经网络的算法,并应用到人脸识别中。由于引入了混沌噪声,可使网络具有很强的抗干扰能力,能有效避免人脸图像光照、姿态等因素对人脸识别的影响,也避免了复杂的特征提取工作。利用ORL人脸图像数据库进行了仿真实验,结果表明,混沌神经网络算法精度高、迭代步骤少、收敛快,混沌神经网络应用于人脸识别是有效的,能提高识别率。