基于Zernike不变矩的人形识别研究

针对智能视频监控系统中基于不变矩的人形识别进行研究。建立一个含有201个人形样本、67个动物样本的图库,采用最小距离分类器对目标Hu矩和Zernike矩分类识别。实验验证表明该方法是有效且可靠的,一般场景下人形识别率可以达到89%以上。     

基于投影变换的声纳图像特征提取与识别

用投影变换的方法进行了成像声纳采集的水声图像特征提取与识别。阐述了Radon与扇束投影变换的特点与关系,并提出了一种基于图像边缘Radon变换的水声图像矩特征提取和识别方法。首先使用一种形态学边缘提取算子和细化算法提取二维图像中目标的轮廓,构造目标轮廓在 Radon变换空间的平移、比例和旋转矩不变量,并应用于三类水下物体的分类识别中,实验仿真结果表明该方法在运算速度上优于Hu’s不变矩和图像目标面Radon投影空间不变矩,具有很好的性能和较高的实用价值。     

多特征提取的双目机器人目标跟踪

为了解决复杂环境下双目机器人的目标跟踪问题,提出多特征提取的方法。在机器人静止-目标运动模式下根据改进的步态光流图和视角识别目标并构造颜色直方图模板;在机器人运动-目标运动模式下利用扩展卡尔曼滤波器、基于自适应核函数的CamShift算法、基于Hu矩的头肩模型匹配算法提取目标的运动特征、颜色特征和头肩特征以实现目标跟踪。实验分析表明,所提出方法能够避免启动时手动框选目标,可以实现遮挡和背景与目标相似度高等复杂环境下的目标跟踪。     

基于一种改进的HOG-SVM的红外视频图像人形检测方法

为了实时、高效地检测红外视频图像中不同姿态的人形目标,提出了基于改进的方向梯度直方图-支持向量机(HOGSVM)红外视频热图像人形识别算法。首先,采用链码跟踪方法提取视频中的轮廓区域,并计算轮廓的最小长宽比,实现人形轮廓的预判断,从而剔除了图像中小型和大型干扰物;其次,为了缩短特征提取的时间,将筛选出的轮廓图片统一缩放到64×128像素,再提取该轮廓区域的HOG特征;最后,建立1 300张包含各种红外人形姿态的训练样本数据库,基于SVM原理训练得到关于红外人形的线性目标分类模型,最终实现了实时、高效检测红外视频人形目标的目的。搭建仿真平台进行试验并分析所得数据;分析结果表明,该算法具备各种人形姿态识别的鲁棒性,3 m之内对人形姿态的识别率可达到95%,且运行时间短,可满足系统的实时性要求。     

基于头肩模型的人体识别方法

针对移动机器人跟踪特定人体的要求,提出了一种基于头肩模型的人体识别方法。首先从人体检后得到的图像中提取所有的人体头肩模型;接着提取各头肩模型的降维加权的Hu不变矩作为特征向量;然后根据一定的阈值将各头肩模型分类为正背面或侧面;最后采用正背面或侧面KNN分类器判断哪个头肩模型属于移动机器人需要跟踪的人体。实验结果表明本方法具有较高的识别准确率,且满足实时性的要求。     

几何矩在行为分析中的应用

几何矩表征图像的几何特征,一般几何形状分区域和边界两种,因此几何矩分为区域矩和轮廓矩。7Hu不变矩具有平移、尺度和旋转不变性。论文以二维图像上单个人的走、横跳和跑为例,通过寻找当前帧目标的外层最大轮廓,计算对应子区域的一阶轮廓矩来获取人体质心、计算目标整体的运动速度和方向、绘制质心轨迹来作初步的行为分析。之后通过寻找外层最大轮廓点到质心欧式距离的局部极值点来寻找变化频繁的手脚和头,构建人体模型序列图,作进一步的行为分析。     

基于颜色和变形模板的实时人体检测

针对目前人体检测算法存在不能检测多角度人体目标以及实时性差等问题,提出了一种在静态图像中实时检测任意角度人体目标的算法。该算法分别利用目标颜色和轮廓两类特征构造两种检测器。颜色检测器首先进行基于面部肤色和头部发色的彩色分割,然后引入积分图像算法快速提取分割后的图像头部目标区域。轮廓检测器利用头肩轮廓形状的稳健性,用参数化变形模板对头肩轮廓建模,该模板由两个存在几何尺度和位置约束的椭圆构成,再定义两个不同计算复杂度的模板匹配策略对人体头肩部分进行分级检测。最后利用上述两种检测器构建一个级联检测系统,级联检测结构大大提高了算法的速度,使算法可以对分辨率为352×288的图像做30 fps的实时检测,实验结果表明,该算法是切实有效的。     

一种基于联合轮廓特征矢量的目标识别方法

针对基于形状特征进行目标识别的方法存在的不足,提出一种联合轮廓不变矩特征和轮廓几何特征的识别方法;针对不同的待识别目标,采集足够数量的训练样本,统计每一个轮廓特征的均值、标准差和变异系数;并据此对这些轮廓特征进行动态筛选和加权,建立起待识别目标的联合轮廓特征矢量模型.在线识别时,提取场景目标的联合轮廓特征矢量,对其进行...     

基于仿射不变矩的三维多面体特征匹配识别

提出一种应用仿射不变矩识别三维多面体的新方法。通过用单幅二维图像信息,利用仿射不变矩和多面体结构图相结合的方法,实现对三维多面体目标识别。后面的房屋识别实验表明,该方法具有很好的有效性和稳定性。     

基于Radon变换的水声图像矩特征提取与分类

成像声纳采集的水声图像分析是自动水下潜器研究中的一个重要课题，该文提出了一种基于图像边缘Radon变换的水声图像矩特征提取和分类方法。使用一种形态学边缘提取算子和细化算法提取二维图像中目标的轮廓，构造目标轮廓在 Radon变换空间的平移、比例和旋转矩不变量，应用于3类水下物体的分类中，实验仿真结果表明该方法在运算速度上优于Hu’s不变矩和图像目标面Radon投影空间不变矩，具有很好的性能和较高的实用价值。     

基于不变矩的实时人形监测与识别系统

介绍了一种实时监视系统，该系统可以捕获正在进入摄像机镜头的物体，并识别其是否是人类．所采用的主要方法是，预处理其中包含了除背景之外的其它物体的图像，即，去掉背景图像，并得到该物体的形状图像，然后提取其七个不变矩，利用贝叶斯分类器做主要手段对不变矩进行分类，另外采用辅助手段修正分类结果，识别该物体的形状是否为人形，从而判断出是否有人类经过．     

基于结构矩不变量的形状相似性比较

在传统的几何矩定义的基础上进行扩展，给出了结构矩的定义和计算。其实质是对原有几何矩定义中的密度函数经过变换得到新的密度函数。在此基础上定义的不变矩突出或者扩大了形状之间的差别，因而使形状相似性的比较建立在更为可靠的基础上。基于平方变换的实验表明，与传统的几何矩相比结构矩方法具有更好的效果。     

基于Krawtchouk矩的运动目标分类

针对视频监控系统,为了实现对运动目标的有效分类,提高其分类准确率,提出一种基于Krawtchouk矩不变量特征的运动目标分类技术.提取目标图像的低阶Krawtchouk矩不变量来描述目标,确保目标在平移、缩放、旋转条件下的不变性,选用K-means均值聚类算法进行数据聚类,达到准确分类的效果.通过实验验证了该方法的有效性,与应用Hu矩不变量进行分类的结果进行比较,表明了该方法具有较好的分类效果.     

叶片图像特征提取与识别技术的研究

文章介绍了一种基于叶片图像的形状特征对叶片进行识别的方法。首先对叶片图像进行预处理并且提取出叶片的轮廓,然后利用轮廓计算得到叶片的矩形度、圆形度、偏心率等8项几何特征和7个图像不变矩,同时在文中提出了一种新的移动中心超球分类器,利用其对得到的形状特征进行分类从而实现了对20多种植物叶片的快速识别,并且平均识别率达到了92%。     

基于特征向量的SAR图像目标识别方法研究

用于描述区域特征的Hu矩不变量在模式识别中得到广泛使用。然而在噪声影响下,尤其是SAR图像中严重的相干斑噪声,Hu 矩不变量不再保持其完美的性能。以Hu七个矩不变量为基础,结合SAR图像的特点,引入四个仿射矩不变量和SAR图像中目标区域的峰值、均值和方差系数,构成SAR图像中目标识别的特征向量。该特征向量体现了SAR图像区域目标的形状特征和区域的灰度信息。通过对两种不同分辨率下的T72坦克SAR图像的目标识别仿真实验,均获得了较好的目标识别效果,说明所选取的SAR图像目标识别的特征向量是有效的,具有较强的目标识别性能。     

图像不变矩的推广

该文提出了一种快速有效的推导不变矩的方法——三角函数生成法，建立了一种不变矩空间，总结出不变矩的一般构造规律，导出了5个新的不变矩表达式C8～C12其它高阶不变矩表达形式也可采用类似的构造方案．在此基础上还得出多种高阶不变矩的表达通式，讨论了不变矩的反射变换特性．并在实验中给出了离散情况下一些图像不变矩的稳定性比较．利用扩充后的不变矩特征集能更准确地对图像进行分类和识别．     

利用角点坐标计算图象的矩不变量

本文提出了一种直接利用角点坐标计算形状的方法，并导出了低阶矩的闭合形式，最后给出了计算M．K．Hu提出的七个矩不变量的算法。该算法计算的是经典不变矩的精确值，但大大地筒化了计算。