融合步态和人脸特征的远距离身份识别研究

在单一摄像头获得的步态图像序列中将步态信息和人脸信息相融合进行实时的远距离身份识别。在步态图像序列中自动提取侧面人脸图像。采用基于傅里叶描绘子和关键点特征的方法提取步态特征,采用傅里叶变换和奇异值分解的人脸识别方法对步态图像序列中的侧面人脸进行特征提取。利用欧氏距离作为度量建立匹配函数。在中科院自动化研究所CASIA步态数据库中进行实验,通过对单独利用步态特征和人脸特征进行识别的识别率和通过最大法则、加法法则和乘法法则融合后进行识别的识别率进行比较,实验表明将步态和人脸特征相融合可有效地提高了识别率,识别率可达95.00%。     

基于频谱脸和不变矩人脸识别新方法的研究

提出了基于频谱脸和不变矩的人脸识别方法。频谱脸是一种人脸的特征表达方式,可以有效地消除人脸表情变化、少许遮掩对人脸识别的影响。而不变矩是图像的一种统计特征,具有的平移不变性、旋转不变性和比例不变性,可以有效减少少许姿态和光照条件变化所带来的识别误差。因此首先对原始图像进行适当级数的小波变换及傅立叶变换得到人脸图像的频谱脸表达,然后利用频谱脸图像矩阵的不变矩作为识别特征,建立人脸识别模型。利用ORL人脸数据库进行仿真实验,结果表明,该方法识别率较高,识别速度较快,便于实时实现。     

奇异值熵和支持向量机的齿轮故障诊断

提出了一种基于总体平均经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵和支持向量机的齿轮故障诊断方法.首先,通过EEMD方法将非平稳的原始加速度振动信号分解成若干个平稳的本征模式分量,将得到的若干个本征模式分量自动形成初始特征向量矩阵;然后,对该矩阵进行奇异值分解,提取其奇异值作为故障特征向量,并对其进行归一化,求得奇异值熵,根据奇异值熵值大小可以判断齿轮的故障类型;最后,将奇异值故障特征向量作为支持向量机的输入,判断齿轮的工作状态和故障类型.试验结果表明,即使在小样本情况下,基于EEMD奇异值分解和支持向量机的故障诊断方法仍能有效地识别齿轮的工作状态和故障类型.     

基于Stockwell变换的滚动轴承故障诊断方法

针对滚动轴承产生磨损时振动信号表现出非平稳的特点,采用继承短时傅里叶变换和小波变换优良性质的Stockwell变换特征提取方法。为解决Stockwell变换后得到的二维矩阵阶数过高问题,采用奇异值分解方法对结果进行降维,并进一步矢量化,然后构成特征矩阵。将特征矩阵分别输出至多分类支持向量机、神经网络和近邻算法模型进行训练。对比测试结果,表明多分类支持向量机在准确率和识别速度上均有优势,从而证明基于Stockwell变换的滚动轴承故障诊断方法的有效性。     

万向轴动不平衡检测的二代小波变换奇异值方法

针对第二代小波变换依然存在频率混叠的更本缺陷,提出一种高速列车万向轴动不平衡车载检测的新方法。该方法的核心是对万向节安装机座的振动加速度信号进行第二代小波变换得到不同尺度的分解信号,应用单尺度信号构造Hankel矩阵,对该矩阵进行奇异值正交化分解,以奇异值关键叠层作为奇异值的选择准则对信号进行重构,应用重构信号的傅里叶谱来检测高速列车万向轴的动不平衡,消除第二代小波变换频率混叠对故障淹没缺陷,凸显故障特征。应用万向轴动不平衡试验数据对该方法进行试验验证,结果表明,该方法能够有效检测万向轴动不平衡引起的基频、倍频和分频的故障特征,与传统小波、纯第二代小波变换相比,该方法在谱的清晰度和故障表征力上得到了显著提高。     

改进的奇异值分解法估计图像点扩散函数

为了提高图像复原算法的性能,提出了一种改进的奇异值分解法估计图像的点扩散函数。从图像的退化离散模型出发,对图像进行逐层分块奇异值分解,并自动选取奇异值重组阶数以减少噪声对估计的影响。利用理想图像奇异值向量平均能谱指数模型,估计点扩散函数奇异值向量的频谱,再反傅里叶变换得到其时域结果。实验结果表明,该方法能在不同信噪比情况下估计成像系统的点扩散函数,估计结果比原有估计方法有所提高,有望为图像复原算法的预处理提供一种有效的手段。     

一种模糊双向最大间距准则人脸识别方法

研究提出一种模糊双向最大间距准则(fuzzy bidirectional maximum margin criterion,FBMMC)特征提取方法,并将其用于人脸识别.在FBMMC中,首先通过引入原始训练样本集的模糊隶属度矩阵,定义了面向图像的行方向模糊离散度矩阵和行方向模糊最大间距准则,进一步求得行方向最优投影矩阵;然后,对原始训练样本集中的每一个样本,采用行方向最优投影矩阵进行投影变换,从而得到行方向特征训练样本集.同样地,通过引入行方向特征训练样本集的模糊隶属度矩阵,给出了面向图像的列方向模糊离散度矩阵和列方向模糊最大间距准则的定义,进一步求得列方向最优投影矩阵.FBMMC在得到行、列两个方向的最优投影矩阵后,就可以将原始数据空间的样本数据投影到一个相对低维的特征空间,从而完成对原始样本数据的特征提取.在ORL和Yale人脸数据库上的实验结果表明,文中提出的模糊双向最大间距准则特征提取方法用于人脸识别具有较高的识别率.     

利用奇异值分解的信号降噪方法

为了提高测试信号的信噪比,针对奇异值分解降噪法中有效秩阶次的选择以及重构矩阵结构的确定两个关键问题,提出了一种基于信号频率成分的奇异值降噪方法.该方法利用信号快速傅里叶变换结果中主频率个数来确定有效秩阶次,通过降噪信号的信噪比和均方差大小确定重构矩阵结构,并采用不同频率成分的几组信号对该方法进行了验证.结果表明,有效秩的阶次是源信号主频个数的2倍,并且这种倍数关系不随重构矩阵行列数的变化而变化;在工程应用中,重构矩阵的最佳行数取信号数据长度的一半,可以得到较好的降噪效果;除傅里叶变换结果中有用信号频率与噪声频率难以区分的情形外,无论是白噪声还是色噪声,该方法都十分有效.     

高速列车万向轴动不平衡检测的EEMD-Hankel-SVD方法

针对聚合经验模式分解(Ensemble empirical model decomposition,EEMD)的等效滤波特性依然存在模式分量间频带重叠较大的根本缺陷,提出一种高速列车万向轴动不平衡动态检测的新方法。该方法的核心是对万向节安装机座的振动信号进行EEMD分解得到基本模式分量,应用基本模式分量信号来构造Hankel矩阵,对该矩阵进行正交化奇异值(Singular value decomposition,SVD)分解,以奇异值关键叠层作为奇异值的选择准则对信号进行重构,应用重构信号的傅里叶谱来检测高速列车万向轴的动不平衡,消除EEMD分解模式频带重叠对故障特征的淹没和混淆效应,提高了谱的清晰度,凸显了故障特征。应用万向轴动不平衡试验数据对该方法进行试验验证,结果表明,该方法能够有效检测万向轴动不平衡引起的故障特征和万向轴的固有振动特征,与纯EEMD方法相比,该方法在谱的清晰度和故障表征力上得到了显著提高。     

一种基于双向2DLDA特征融合的人脸识别方法

在分析2DLDA方法的基础上,给出类间离散度和类内离散度矩阵另一种形式的定义.基于这种类间离散度和类内离散度矩阵定义的二维线性判别分析方法即为扩展2DLDA方法.通过对2DLDA方法和扩展2DLDA方法提取的人脸图像特征分析可知,2DLDA提取的主要是人脸图像水平方向上的判别信息,扩展2DLDA提取的主要是人脸图像垂直方向上的判别信息.因此,称2DLDA为水平方向2DLDA,扩展2DLDA为垂直方向2DLDA.水平和垂直方向2DLDA将同一原始人脸图像映射到两个不同的特征空间,并得到互补的两类人脸图像特征.最后,设计一种特征融合方法,对这两类人脸图像特征进行融合,并将其用于人脸识别.在ORL和Yale人脸数据库上的实验结果证明,本文提出的人脸识别方法具有较高的平均识别率,鲁棒性更好.     

基于小波变换的人脸光照补偿

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法。该算法首先将人脸图像变换到对数域，并在对数域中计算2维小波变换，通过舍弃低频子带图像中的系数来实现人脸图像的非均匀光照补偿。由于人脸光照补偿的目的是为了提高人脸识别性能，所以光照补偿的效果利用人脸识别率来表征。在Yale B人脸库中，与对数域离散余弦变换（DCT）光照补偿算法进行了比较，实验结果表明，本文方法的人脸识别平均误识率可以达到0.18%，比对数域DCT方法具有更好的性能。另外，在CAS_PEAL人脸库中的实验结果表明，本文方法的性能与对数域DCT方法相近。     

模拟生物视觉机制的彩色人脸识别方法

为了充分利用彩色图像提供的信息提高人脸识别的性能,提出了一种模拟生物视觉机制的彩色人脸识别方法。该方法首先构造一种模拟人类的色彩感知机制的对立色模型,将彩色人脸图像描述为对立色形式。然后,模拟初级视皮层的信息处理机制,从图像对立色描述的亮度分量和色度分量分别提取人脸的纹理特征和色彩特征。最后,分别对纹理特征和色彩特征进行分类识别,并将二者的识别相似度融合得到最终的人脸识别结果。该方法利用对立色模型提高了色彩特征对光照变化的鲁棒性,并且综合利用彩色图像的色彩和纹理信息提高了人脸识别的精度,特别是对模糊图像的识别精度。在彩色FERET人脸库和AR人脸库上的实验表明,相对于直接对灰度图像进行识别的方法,该方法对清晰图像的识别率提高了4.5%～16.3%,而对模糊图像的识别率提升更加显著。     

三维目标离面旋转和非线性光照识别研究

针对三维目标在离面旋转以及非线性光照条件下的识别问题,采集了180幅不同旋转角度的图像作为训练集,利用主分量分析法选取了20个特征向量,显著降低了特征空间的维数.利用这些特征向量对图像进行分解和重构,在保持较高计算精度的前提下减少了计算的复杂性.提出了利用原始图像向量与重构图像向量夹角余弦值来判别目标真假的方法.模拟结果表明,该方法能有效识别不同旋转角度的目标,同时能够消除非线性光照对目标识别的影响.     

利用改进的Retinex进行人脸图像光照处理

为了提高光照变化条件下的人脸识别率,针对Retinex算法处理人脸侧光照图像时会误增强阴影的边缘提出了一种基于新的传导函数的自适应平滑Retinex算法。该传导函数用空间梯度和像素的局部不一致性两种方式共同测量灰度的剧烈变化,在平滑图像的同时没有边缘增强效应,且不会损失人脸特征边缘。在平滑估计的迭代过程中,选取上一次与此次迭代结果中的较大值作为约束条件来保证估计出的亮度图像能满足Retinex理论的约束条件。在YaleB人脸库上的实验结果表明,本文算法能有效克服强侧光照时的阴影现象且没有损失人脸特征边缘;与较经典Retinex算法相比,侧光照时的识别率在最好情况时提高了24.2%,无强侧光照时也可提高4%左右,具有光照鲁棒性,可适用于任何光照条件下的人脸识别。     

基于多级小波分解的人脸图像光照补偿方法

人脸在不同光照条件下所得图像的差异很大，这给人脸识别带来了巨大的挑战。为改善不同光照条件下的人脸识别，本文提出一种利用多级小波分解和样条插值进行光照补偿的方法。一般认为，光照变化会给图像中混入两种噪声：背景噪声和增益噪声。背景噪声是加性噪声，通过直接对图像进行多级小波分解和样条插值来估计并去除；增益噪声是乘性噪声，通过对去除了背景噪声的图像进行对数变换后，再利用多级小波分解和样条插值来估计并去除。在Yale B人脸识数据库上的实验结果表明经过本方法处理之后的识别结果高出其他方法2~11%，可以有效地对不同光照条件下的人脸图像进行调整，提高不同光照条件下人脸识别的精度和稳定性。     

基于加权奇异值分解截断共轭梯度的电容层析图像重建

针对电容层析成像技术(ECT)中的"软场"效应和病态问题,提出了一种基于加权奇异值分解(SVD)截断共轭梯度的电容层析(ECT)图像重建算法。阐述了电容层析成像工作原理,提出了12电极ECT系统的测量方法。在分析灵敏度矩阵的奇异值分解理论的基础上,推导出了加权SVD截断共轭梯度的数学模型,并利用Tikhonov方法进行正则化加权处理。最后,分析了算法的收敛性,并将其应用于电容层析成像系统的图像重建中。实验结果表明,对于层流,截断共轭梯度算法的平均误差能达到27.54%,全部流型平均迭代步数达到13步,与LBP、Landweber和CG算法比较,该算法具有成像效果好,成像速度快,易于实现等特点。     

基于多尺度LBP特征的人脸描述与识别

为提高人脸识别的准确性和鲁棒性，提出了一种基于多尺度LBP特征的人脸描述与识别算法。先对原始人脸图像进行二级小波分解，并采用LBP算子分别计算两幅低频逼近图像的LBP特征谱，再将LBP特征谱划分为若干个互不重叠的特征区域，并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，将其作为人脸的鉴别特征用于分类识别。所提出算法在ORL人脸数据库上取得高达99%的人脸识别率。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和可鉴别性，且对人脸表情及位置的变化具有较高的鲁棒性。     

用于数字视频监控系统的人脸识别技术

提出了一种应用于数字视频监控系统的人脸识别技术。根据Hough变换具有的检测精度高、受噪声和曲线间断的影响较小等优点，采用Hough变换进行人脸定位和检测。运用Karhunan-Loeve(K-L)变换进行数据压缩，用维数为几十的向量来代表原来的一幅图像，大大减少了后续处理的数据量，加快了系统的识别速度。用神经网络进行人脸的识别。根据B-P神经网络固有的收敛速度低，易陷入局部极小点等缺陷，提出改进的B-P神经网络算法。该方法具有处理速度快，识别准确率高的特点，适合于数字视频监控系统的要求。