首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 203 毫秒
1.
基于单目视觉的测距必须建立在对目标姿态的准确识别基础上,而姿态的识别又应与已知3D模型紧密联系。本文主要讨论单目视觉系统测距算法中姿态识别方法的多视点特性视图。多视点特性视图模型能够避免从二维图像恢复三维目标这个不适定性问题,得到了比较广泛的应用。因此,本文利用三维几何模型生成多尺度特性视图作为标准数据,用于多尺度递推识别。本文围绕如何实现三维目标的识别进行,提出了建立多尺度多视点特性视图模型的方法,并论证了方法的有效性。  相似文献   

2.
王睿  李言俊  张科 《计算机仿真》2011,28(1):242-245
在计算机视觉问题的研究中,针对三维目标识别,可综合应用图像的不变矩特征和支持向量机分类方法,为快速目标识别,减少计算量,提出了一种红外图像中多视点目标的识别方法.首先获取各类三维目标的若干二维视图,将视图放在一起进行标准化处理并提取它们的不变特征矩.然后对每组视图的Zernike矩进行聚类;将聚类中心对应的Zernik...  相似文献   

3.
多视点识别三维运动目标新方法   总被引:1,自引:0,他引:1  
栾新  朱铁一 《机器人》1999,21(4):241-248
本文讨论了从多视点识别三维运动目标问题.该方案基于对连续输入的二维图像聚类,构成 三维目标的特征视图和转移矩阵,利用极 对数坐标变换(LPM)和离散付立叶变换(DFT) 提取出与目标二维特征视图的位置、比例和旋转无关的特征向量.ART-2模型作为目标特征 信息的存储器和分类器.实验中对ART-2神经网络进行了改进,取得了满意的结果.  相似文献   

4.
针对空中移动目标识别问题,提出了一种基于动态行为学习的识别方法。首先,从数据源中提取目标要素,经过标注形成目标数据特征集;其次,基于应用场景进行特征组合,形成特征模型要素;然后,基于深度学习算法进行模型训练,得到评估最优的模型参数;最后,利用训练后的模型进行目标识别处理。通过数值仿真验证,该方法能够有效地识别无业务规则的目标身份。  相似文献   

5.
梅雪  张继法  许松松  胡石 《计算机工程》2012,38(15):159-161,165
针对人体运动方向的随机特性,研究场景中有多台摄像机时视角无关的行为识别方法。利用一台位置固定的摄像机,根据视频序列中运动目标质心空间坐标变化,确定其运动大致方向。根据该方向,选择具有垂直和平行运动轨迹方向视角的相机获得的序列图像,进行行为分析。提取人体运动行为侧像和正像轮廓的关键姿态建立特征库。应用单个相机平行线约束,通过转换因子由图像坐标恢复运动目标关键点的三维坐标,从而确定目标运动方向。建立室内多视角行为视频样本库,实验结果表明,利用该方法识别室内运动行为,能够达到视角无关行为识别的目的。  相似文献   

6.
基于类属超图模型给出简单图像和复杂图像目标的识别方法。通过提取简单图像的稳健尺度不变特征变换特征,得到其对应的属性图,采用RSOM聚类树的思想和K近邻方法快速实现对简单图像的目标识别。复杂图像存在较大的背景干扰和遮挡的影响,通过滑动窗方法在待识别图像中定位待识别目标区域,并将该区域从待识别图像中分出,然后采用与简单图像识别方法类似的方法完成目标识别,减少背景干扰和遮挡的影响。仿真实验表明,2种图像目标识别方法是有效的。  相似文献   

7.
采用与传统的利用特征匹配方法进行地物目标识别不同的思路,提出一种基于显著语义模型的机场与油库目标的识别方法.该方法在低层特征空间利用视觉关注模型将航拍图像分解成若干个视觉显著性子图,提取出目标可能存在的候选区域;对训练图像集构建基于SIFT局部特征的特征袋语义模型,并利用模型中的特征字典提取出显著性子图所包含的显著语义特征,以实现对机场和油库目标的快速检测识别.利用Google Earth构建了多种不同成像条件下的典型目标数据库,对文中方法的有效性进行验证.实验的结果表明,该方法比传统的特征匹配方法具有更好的识别性能和更高的运算效率,同时对于光照、视点和尺度变化等干扰具有较强的鲁棒性.  相似文献   

8.
针对户外智能视频监视系统,研究从视频序列中自动提取和识别运动目标的方法.在运动目标检测算法中,首先引入彩色差值模型,然后进行自适应阈值分割和图像形态学后处理,并提出背景参考图像的更新方法.在人体目标识别方法中,为克服物体阴影的影响,先利用直方图技术得到检测区域中含有的运动目标数目以及每个目标的顶部位置,然后提取运动目标头肩区域的不变矩特征,并利用遗传神经网络实现运动目标的自动识别.实验表明,这是一种快速有效的多运动目标检测与识别方法.  相似文献   

9.
何灏  罗庆生  罗霄 《计算机测量与控制》2012,20(7):1957-1959,1966
在使用神经网络识别三维目标时,样本之间可能存在较大差异,会给准确识别带来困难;针对这一问题,提出了一种基于强分类器的三维目标识别方法;该方法首先对预处理后的图像求不变矩,并将这些不变矩作为训练和识别的样本;然后选择任意一种神经网络作为弱分类器进行训练,将首次训练的样本权值设为平均值,之后根据每次训练情况调整下层弱分类器样本的权值,之后将每次训练得到的分类器融合起来,作为最终的决策分类器;实验结果表明,在隐含层20个神经元的3层BP网络中,该方法的识别正确率比单个神经网络的平均识别正确率高2.42%。  相似文献   

10.
机载跟踪器进行逃逸目标识别跟踪的过程中,目标往往是高速移动的,为了逃逸跟踪,运动的速度和方向具有较大的突变性,与跟踪器之间会形成较大的跟踪距离差.传统的视觉方法为了弥补这种距离差,通过减少采集图像的样本,以提高跟踪的准确性,但是一旦样本数量过少,将会导致识别跟踪的准确性降低.提出基于高斯分布的动态逃逸目标识别跟踪方法.对跟踪目标图像进行归一化处理,获取与数据库中的样本图像具有同样的尺寸和分辨率的图像.计算动态目标图像的形心,根据高斯分布原理建立动态目标的识别跟踪模型,并对模型中的相关参数进行及时更新,保证了动态目标识别跟踪的及时性和准确性.实验结果表明,利用改进算法能够有效提高动态目标识别跟踪的准确性,缩短了识别跟踪的时间.  相似文献   

11.
为提高运动目标的检测效果和指导性,提出一种基于灰度直方图分析的运动目标特征检测算法。采用视觉成像技术进行运动目标图像采集和视觉特征分析,提取运动目标的动态视觉特征量。根据运动目标边缘差分变换和空间位置关系进行运动图像的特征分离,提取运动目标图像的边缘轮廓特征量。采用统计形状模型进行运动目标图像的二值化分离,构建运动目标图像的灰度直方图。根据灰度直方图中的统计信息进行目标特征检测和动态特征提取,实现运动目标图像的视觉检测和动态识别,有效提取运动目标的关键特征,实现目标特征检测。仿真结果表明,采用该方法进行运动目标图像的特征检测性能较好,对运动目标的动态识别能力较强。  相似文献   

12.
目前卷积神经网络已经在SAR目标识别领域得到了广泛应用, 然而, 由于SAR图像的目标样本数量过少, 以及图像相干斑噪声的存在, 使得网络不能充分的学习样本深层特征, 对网络的识别性能会造成一定的影响. 针对上述问题, 提出一种基于数据融合的目标识别方法, 算法首先对原始图像分别进行噪声抑制和边缘信息提取处理, 然后将处理后的两类特征信息进行数据融合, 将单通道灰度图像融合扩充至双通道图像来作为训练样本, 同时构建了一个高低层特征融合的卷积神经网络模型, 使用注意力机制来加强了对有用特征的学习, 实验结果显示, 该方法在MSTAR数据集上, 表现了对不同目标型号的优秀识别效果.  相似文献   

13.
目的 合成孔径雷达图像目标识别可以有效提高合成孔径雷达数据的利用效率。针对合成孔径雷达图像目标识别滤波处理耗时长、识别精度不高的问题,本文提出一种卷积神经网络模型应用于合成孔径雷达图像目标识别。方法 首先,针对合成孔径雷达图像特点设计特征提取部分的网络结构;其次,代价函数中引入L2范数提高模型的抗噪性能和泛化性;再次,全连接层使用Dropout减小网络的运算量并提高泛化性;最后研究了滤波对于网络模型的收敛速度和准确率的影响。结果 实验使用美国运动和静止目标获取与识别数据库,10类目标识别的实验结果表明改进后的卷积神经网络整体识别率(包含变体)由93.76%提升至98.10%。通过设置4组对比实验说明网络结构的改进和优化的有效性。卷积神经网络噪声抑制实验验证了卷积神经网络的特征提取过程对于SAR图像相干斑噪声有抑制作用,可以省去耗时的滤波处理。结论 本文提出的卷积神经网络模型提高了网络的准确率、泛化性,无需耗时的滤波处理,是一种合成孔径雷达图像目标识别的有效方法。  相似文献   

14.
目的 深度学习已经大量应用于合成孔径宽达(SAR)图像目标识别领域,但大多数工作是基于MSTAR数据集的标准操作条件展开研究。当将深度学习应用于同类含变体目标时,例如T72子类,由于目标间差异小,所以仍存在着较大的挑战。本文从极大限度地保留SAR图像输入特征出发,设计一种适用于SAR变体目标识别的深度卷积神经网络结构。方法 设计网络主要由多尺度空间特征提取模块和DenseNet中的稠密块、转移层构成。多尺度特征提取模块置于网络底层,通过使用尺寸分别为1×1、3×3、5×5、7×7、9×9的卷积核,提取丰富空间特征的同时保留输入图像信息。为使输入图像信息更加有效地向后传递,基于DenseNet中的稠密块和转移层进行后续网络层设计。在对训练样本进行样本扩充基础上,分析了输入图像分辨率及目标存在平移和不同噪声水平等情况对模型识别精度的影响,与用于SAR图像目标识别的深度模型识别精度在标准操作条件下进行了对比分析。结果 实验结果表明,对T72 8类变体目标进行分类,设计的模型能够取得95.48%的识别精度,在存在目标平移和不同噪声水平情况下,平均识别精度分别达到了94.61%和86.36%。对10类目标(包括不含变体和含变体情况)在进行数据增强的情况下进行模型训练与测试,分别达到了99.38%和98.81%的识别精度,略优于其他对比模型结构识别精度。结论 提出的模型可以充分利用输入图像以及各卷积层输出的特征,学习目标图像的细节差异,不仅适用于SAR图像变体目标的识别任务,同时在标准操作条件下的识别任务也取得了较高的识别结果。  相似文献   

15.
针对当前一些主流的深度神经网络模型旨在追求准确率的提升,而忽略了模型的实时性及模型大小问题,提出了一种轻量级目标识别深度神经网络。基于深度分离卷积、分组卷积等轻量化的高效卷积方式,设计了用于图像特征提取的不变分辨率卷积模块和下采样模块,并依此构建了深度主干网络,并对网络进行了减枝。在创建的数据集上对视觉感知的目标识别模型进行了实验验证,获得了72.7%的mAP,在NVIDIA 1080Ti GPU上推理速度达到66.7 帧/s。  相似文献   

16.
目的 为更好地兼顾基于手动设置的二进制特征描述子优越的实时性能和基于优化学习的二进制特征描述子鲁棒的区分性能,提出一种快速优化筛选多尺度矩形域的二进制描述算法(MRFO),运用于识别卫星装配时所需的典型工件目标。方法 按像素的灰度值和梯度方向划分图像并利用不同的高斯核函数进行平滑,建立多尺度的子图像集合;从多尺度的子图像中,快速通过约束条件提取候选矩形域;在训练阶段,通过优化学习计算候选矩形域的相关得分及最优阈值,筛选出其中具有强区分性和低相关性的集合;在测试阶段,计算筛选出的矩形域响应值并利用最优阈值进行二值化,将结果依次串联构成二进制描述向量。结果 实验通过ROC曲线图和80%精确率条件下的召回率统计结果证明MRFO描述算法具有优越的区分性能,平均的精确度能够高出对比算法8%~12%;并在真实的视频图像中利用MRFO描述算法识别出典型工件目标;根据训练阶段的执行时间只有传统优化学习算法的4.35%,只是在测试阶段略高于手动设置的二进制描述算法,证明MRFO描述算法具有优良的实时性能。结论 MRFO描述算法能够更好地克服各种视角、尺度和旋转变换的干扰以及周围相似背景信息的影响,准确识别出典型工件目标,有助于提高卫星的地面装配精度和效率,改善国内相关行业的自动化水平。普遍适用性较强,具有良好的应用前景。  相似文献   

17.
提出一种基于多尺度LBP(Local Binary Pattern)的人脸识别算法。建立人脸图像高斯差分尺度空间,计算尺度空间图像的LBP特征,将LBP特征图像划分为互不重叠的特征区域,然后分别进行直方图统计,最后将所有区域的LBP直方图序列连接起来得到多尺度LBP特征,采用最近邻分类器对人脸图像分类识别。实验分析表明,多尺度LBP特征具有较强的人脸图像描述能力,能够提取到更加丰富的全局信息,鲁棒性强,在识别率和识别速度上均比SIFT算法高。  相似文献   

18.
针对海上复杂环境下深度学习方法跟踪速度慢和尺度变化问题,以及现有跟踪算法仅使用单层深度特征或手动融合多层特征的问题,提出一种基于卷积神经网络特征深度融合的多尺度相关滤波海上目标跟踪算法。以VGG-NET-16深度模型为基础,加入多层特征融合结构,实现深度卷积融合网络,用于特征提取,通过相关滤波算法构建定位滤波器,确定目标的中心位置,通过多尺度采样构建尺度滤波器,实现对目标的判断。实验结果表明,该算法可对海上移动目标实现多尺度的有效跟踪。  相似文献   

19.
小孔钨极惰性气体保护焊K-TIG(Keyhole Tungsten Inert Gas Welding)的强烈氩弧光会对熔池液面与焊件的成像造成干扰。针对其熔池图像呈现边界模糊、特征尺寸差异大、形态不规则的特点,设计了一种基于注意力机制的多尺度特征融合语义分割模型,对焊接熔池区域图像进行分割。首先,利用并行结构的多尺度非对称瓶颈单元替换UNet在特征提取过程中的卷积块,加强对不同尺度特征提取的能力,强化对熔池轮廓的表征能力;然后,在上采样阶段使用跨层的注意力模块引导网络模型更加关注熔池的锁孔区域;最后,在进行网络训练之前,对训练集的图片采用Multi-Scale Retinex算法执行颜色和形态的图像增强。实验结果显示,该神经网络的分割结果与熔池实际区域在Dice系数、MIOU以及F1系数的指标上分别达到95.78%、83.32%和91.86%。  相似文献   

20.
薄树奎  荆永菊 《计算机应用》2013,33(11):3190-3192
针对遥感影像目标特性随分辨率变化的问题,提出了目标识别的多尺度分析方法。首先,基于混合像元分析了多尺度影像中地面目标形状结构产生变化的原因,这种变化主要是由混合像元在目标中所占的比例决定的;然后,根据多尺度影像中的目标提取实验,分析并验证了目标提取误差随着尺度变化的规律;最后,基于遥感影像目标的多尺度特性分析,进一步提出了优势类别的概念。从遥感目标的多尺度分析与实验结果来看,目标的形状结构特征随着尺度的变化而发生改变,而且尺度越大改变越大。通过研究遥感影像目标的多尺度特征,揭示了目标特征随尺度变化规律,对多尺度遥感影像自动目标识别具有指导意义。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号