基于组合不变矩的空间目标识别

本文针对Hu提出的不变矩和Jan Flusser提出的仿射不变矩的不同特点和适用条件，提出在不增加特征向量维数的条件下，将不变矩的部分分量和仿射不变矩组合成一个新的特征向量即组合不变矩，以用于空间目标的识别，并通过仿真实验进行了比较验证，结果表明组合不变矩对于空间目标的识别是有效的，且在一定程度上提高了识别率。     

基于分块不变矩特征的瓷砖分类识别的研究

首先通过形态学边缘检测方法提取瓷砖花纹,然后采用分块提取特征的思想对瓷砖进行分类识别,即先将瓷砖分成4行4列16个子块,然后提取每子块两个稳定的Hu不变矩,共32个不变矩作为瓷砖分类的特征向量。对于分块后造成的矩的位置相关性问题,通过将每个训练样本分别旋转90°、180°、270°,然后再提取它们的矩特征向量的方法来解决。最后将提取到的特征向量输入BP神经网络进行分类识别。测试结果表明,本方法识别准确率高、运算速度快,能达到预期目的。     

基于不变矩的实时人形识别研究

介绍了一种实时人形识别方法,使用这个方法,可以自动监测进入摄像机镜头拍摄范围内的物体,并识别其是否是人类,其主要步骤包括,首先预处理其中包括含一除背景之外的其它物体的图像,然后提取其7个不变矩,利用贝叶斯分类器作主要手段对不变矩进行分类,最后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.     

基于不变矩和小波神经网络的交通标志识别研究

研究了用于交通标志识别的小波神经网络模型,并描述了相应的算法,给出实验结果。实验结果表明,采用不变矩提取道路交通标志的特征,再利用训练速度快、优化性能好的小波神经网络作为分类器对交通标志识别具有很好的分类能力,对实现交通标志的精度识别提供了有力的支持。与传统的BP神经网络识别方法相比,小波神经网络的训练速度更快和识别率更高,能够满足在车辆自主导航系统中对交通标志识别的要求。     

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。     

基于不变矩理论线矩法图像特征的提取

传统的Hu不变矩直接针对原图计算,计算量大、实时性不够理想,且受强噪声影响明显,特征描述也不是很准确。文中在不变矩理论的基础上结合Schlick镜面指数简化公式,给出一种将边缘线矩作为识别特征的提取方法。该方法只需对边缘映射图计算不变矩,不必直接在原图上计算,因而避免了不必要的误差,再经过简化指数计算,降低复杂度、减少计算量的同时提高了实时性。最后针对该方法的效率和特征提取性能进行了实验,结果表明该方法快速有效,很好地兼顾了速度与精度。     

基于不变矩的步态识别

提出了一种利用不变矩进行步态识别的方法。该方法把二维人体空间轮廓信号变换为一维不变矩信号,把人体的步态序列变换为不变矩矢量,对不变矩矢量进行规格化,然后根据规格化不变矩矢量进行步态识别。实验中,本文的方法取得很好的效果。     

基于PCA和边缘不变矩的车标识别新方法

车标识别技术是进行车辆类型识别的关键内容。在车牌定位准确的基础上,利用车头图像中车牌、车标位置关系定位到车标大致区域;接着对车标进行精确定位、归一化处理,并提出似真度函数对车标进行确认;然后利用边缘不变矩的最小距离进行车标识别。该方法不受原始车标图像大小、变形等影响,能够自适应地进行目标定位确认和识别,具有较强的鲁棒性。通过实测图像测试,结果表明该方法是有效和可行的。     

基于不变矩的人形"头肩像"识别技术

针对实时监控识别人形的要求,提出了一种基于矩不变量的分级识别人形“头肩像”技术。首先从视频帧序列中,采用差分的方法分割出活动目标,对活动目标进行预处理后,根据活动目标轮廓的最小外接矩形宽高比,所定义的轮廓描述符和仿射不变矩,依据所选择的分级差别策略,由实验得出的经验数值,判断运动动目标是人形“头肩像”“正面”还是“侧面”。实验结果表明本方法具有快速,适应性强的特点。     

基于不变矩匹配的人耳识别

人耳识别技术是一门新型的个体生物识别技术,头部转动是影响人耳识别的重要原因之一.本文提出一种基于加权高阶不变矩特征方法的人耳个体生物识别系统,并初步建立60只人耳图像库.通过实验得出了主要测试数据,识别准确率可达到95%,证明该系统能够克服因头部转动对识别的影响.表明不变矩方法在人耳识别中具有一定优势.     

基于曼哈顿距离加权协同表示分类的车辆识别

加权稀疏表示分类（WSRC）在声频传感器网络下的车辆识别中取得了不错的效果。但是稀疏表示分类（SRC）中实际上起较大作用的是字典中所有类的协同表示,因此协同表示分类（CRC）被提出用来提升算法效率,CRC框架还改进了残差计算方式来提高识别精度。在WSRC中发现保局性对提升识别率起到很好的作用,因此在CRC中引入加权编码,提出了声频传感器网络下基于加权协同表示分类（WCRC）的车辆识别方法,取得了明显的速度（相比WSRC、SRC）以及不错的精度（对比WSRC、CRC、SRC）提升。同时针对欧氏距离对样本相似性判断的不足,将曼哈顿距离引入加权编码,进一步地提出了基于曼哈顿距离加权协同表示分类（Manhattan-WCRC）的车辆识别方法,取得了最高的识别率,而运算速度与WCRC接近。     

基于模糊模式识别的车型分类研究

根据目前中国路桥车辆收费标准，提出了一种基于模糊模式识别的车型分类系统。车辆经过环形线圈传感器时，形成感应曲线，提取感应曲线的特征并进行特征分离，利用模糊模式识别方法对车型进行匹配分类。研究结果已在路桥收费系统以及交通流量统计中得到应用。     

基于深度学习的车标识别方法研究

对交通监控录像中车牌污损、遮挡的肇事车辆信息进行确认是现阶段智能交通系统中的一个重要问题,车标作为一个关键特征,可以起到辅助判别的作用.提出了一种基于深度学习的车标识别方法,相对于以人工提取特征为主的传统车标识别方法,该方法具有可自主学习特征、可直接输入图像等优点.实验表明,这种方法正确率较高,在光照变化和噪声污染下的准确性和稳定性较好,能够有效降低车标识别的错误率.     

基于实验室安保服务型机器人的人脸识别

设计一个用于机器人的人脸识别系统。该系统先通过摄像头捕捉人脸图像，在计算机上完成人脸识别，最后对机器人发送指令。识别过程是提取摄像头捕捉的人脸特征和数据库中人脸特征的128维向量进行欧氏距离计算，通过欧氏距离的计算结果进行判定。实现该系统所用的平台和硬件标准不高，且识别效果良好、构造简单方便，因此可应用范围广。     

基于主成分分析方法的人脸识别研究

本文以MATLABE作为工具平台．通过计算输入图像和训练集图像的欧几里得距离对主成分分析算法的人脸识别效果作了仿真研究。结果表明了主成分分析算法识别人脸的有效性，论文还通过对不同光照条件建筑物的识别验证了PCA对光照条件的鲁棒性．最后提出了改进的识别方法。     

计算机视觉技术的车型识别应用研究

针对目前立体停车库主要采用传统的传感器入库检测系统来识别车辆信息,存在施工周期长、器件损坏率较高,维护成本较高的问题,提出了一种应用计算机视觉技术的车型识别解决方案.应用卷积神经网络框架Caffe,基于Caf-feNet模型,通过fine-tuning模型优化以及参数优化,最终得到了一个性能较优异的识别模型.实验结果表明,该模型可克服输入图片背景复杂多变,目标被遮挡的情况,对轿车车型识别这一问题鲁棒性好,具有一定的可行性及应用价值.     

一种基于频谱脸和Fisherface的人脸识别新方法

频谱脸方法主要是采用二维小波变换和傅立叶变换。因为人脸图像的低频部分对人脸的表情变化是不敏感的,所以对人脸图像使用二维小波变换,提取人脸图像的低频部分。再对人脸图像的低频部分使用傅立叶变换,从而获得原人像的一个低维空间的表达。但是频谱脸特征维数仍然较高,所以在频谱脸法的基础上继续提取人脸频谱图像的Fisherface特征,降低特征的维数,提高识别效率。利用ORL人脸库进行了实验,实验结果表明该识别系统具有较好的识别能力。     

基于神经网络的车牌识别技术的研究

汽车牌照识别技术研究与实现一直是现代化交通发展中倍受关注的问题,也是制约交通系统智能化、现代化的重要因素。本文深入研究了基于神经网络的识别技术,提出了一种基于多个神经网络的字符识别方法,实现了车牌字符识别。     

基于彩色形态学与支持向量机的实时汽车牌照识别

车牌识别系统是智能交通系统的重点研究方向。本文在对现有技术的研究和分析基础上,提出了一个实时车牌识别系统,该系统由五部分组成:利用彩色形态分割与判断边缘颜色对进行彩色边缘检测,生成连通域进行车牌定位,倾斜矫正,字符分割,以及利用多类支持向量机进行字符识别。通过对大量的实践验证,该系统克服客观条件和参数的影响,具有良好的实时性和更大的应用范围。     

基于超分辨率和深度神经网络的车型识别

车型识别在视频监控系统中起着关键作用,文中利用深度神经网络和超分辨率来实现交通监控中的车型识别。利用深度卷积神经网络CaffeNet,并采用先进的深度学习框架CAFFE和具有强大计算能力的GPU来完成对车辆的车型识别。在图像预处理阶段,采用一种基于深度学习和稀疏表示的图像超分辨率(SR)重构算法,来增强图像的细节信息。其中首先基于深度学习模型自编码器,提出一种改进模型非负稀疏去噪自编码器(Nonnegative Sparse Denoising Auto-Encoders,NSDAE)来实现字典的联合学习,然后基于稀疏表示实现车辆图像的超分辨率重构。经实验验证,在加入超分辨率处理之后,车型识别效果在精确度上得到了明显的提升。