小波变换在手写体汉字识别中的应用

汉字识别中的结构类特征具有抗变形的优点，合适做为手写体识别过程使用，但其中笔划特征的提取非常困难。本文用小波变换这一图象分析中有力工具对汉字图象分析处理之后，再进行笔划的提取，其过程简洁、明晰。     

基于双正交小波和加权NLDA的人脸识别

文章针对基于零空间线性判别分析方法在高维多类别的人脸识别应用中存在的“次优性”和“效率低”两个问题,提出了一种改进方法.该方法用加权函数重新定义类间离散矩阵以减弱边缘类带来的不良影响来改善次优性问题;并对图像进行双正交小波分解来降低分辨率以到达提高效率的目的.最后在ORL人脸库上进行了实验,通过实验确定了最优加权系数和小波分解的最佳层数,并验证了该方法比基于零空间线性判别分析方法有更高的效率和识别率.     

基于身份的一次性盲公钥方案

在现有方案的基础上,通过分析超椭圆曲线双线性对和基于身份的特点,给出了一个改进的基于身份的一次性盲公钥方案。该方案由用户和可信中心共同完成用户密钥的生成,克服了密钥托管问题,避免了由可信中心进行密钥管理所产生的安全隐患。新构造的方案能够抵抗伪造性攻击,具有不可欺骗性,又保证了一次性盲公钥的独立性,是安全可靠的。而且方案中用户在通讯时可以使用不同的公钥,解决了Internet通信中的匿名认证问题,实现了用户隐私的有效保护。     

基于HTK的连续汉语数码语音输入系统研究

HTK是英国剑桥大学开发的一套基于C语言的语音处理工具箱,广泛应用于语音识别、语音合成以及字符识别等领域。文章在详细介绍了语音识别的过程、原理及相关概念的基础之上,介绍了HTK的基本原理和软件结构,以及使用HTK完成语音识别任务的整个过程。最后,讨论声学单元等一系列的模型参数的选择,使用HTK搭建一个简单连续汉语语音输入系统。     

基于综合特征的车辆检测识别系统

随着信息技术和智能交通的迅速发展,自动的车辆检测识别成为不可或缺的技术。由于基于单一特征和单车辆的识别并不能满足实际中的应用要求,因此提出了多特征多车辆的检测识别算法,利用基于灰度对称,形状特征和光流强度特征的提取,通过基本的图像处理算法,最终由综合特征为基础得出车辆的识别检测结果,利用基于VC＋＋6．0的软件系统开发出车辆检测识别系统,通过实验对照,由单一特征和综合特征的检测不同结果获得实验数据,通过检测算法将视频序列图像中的车辆信息自动识别提取出来并加以标记。实验结果表明系统能够适应多变的车型和环境信息,通过识别结果准确性的分析,得出结论：针对不同的车型有较好的鲁棒性,能够满足实际智能交通控制平台的构建的基本要求。     

完全判别分析

针对现有的线性判别分析算法中存在的降维舍弃空间的判别信息丢失问题,以及秩空间和零空间的判别信息难以兼顾的问题,本文提出了一种完全判别分析算法.算法通过新构建一个子空间以及其中的判别矩阵,实现了可以充分使用全空间的判别信息;且新空间的维数较低,算法流程简单,计算代价较小.相关实验结果证实了本文算法较传统判别分析算法有更好的性能和效率.     

乒乓球机器人的视觉伺服系统

视觉伺服的乒乓球机器人系统作为典型的"手眼系统",是研究高速视觉感知和快速伺服运动的理想平台,其涉及的高速物体识别跟踪、快速精确轨迹预测及机械臂伺服准确回球等关键技术在工业、军事等领域有广泛的应用前景.本文提出了乒乓球机器人的高速视觉伺服系统实现方法,包括基于特征直方图统计和快速轮廓搜索的目标识别算法,基于模型参数学习和自适应模型调整的物体运动状态估计和轨迹预测算法,及基于轨迹预测的灵巧臂回球规划算法.通过实验验证了各算法的实时性和高效性,并在165cm高的仿人机器人"悟"和"空"上成功实现了双机器人对打和与人对打任务.     

增值税发票抵扣联移动认证系统的研究

无线通信技术和无线通信终端设备的发展为增值税发票抵扣联移动认证系统的研发提供了技术支持。文章从企业的实际需求为设计出发点,选择Visual Studio2005之C#作为本系统开发环境,综合利用微软移动通信技术(Microsoft Windows Mobile)和汉字设别技术,研发了增值税发票抵扣联移动认证系统。该系统通过"取得增值税专用发票→文字识别→无线认证→认证结果接收"等流程实现了增值税发票抵扣联的移动认证。     

Driving intention recognition and behaviour prediction based on a double-layer hidden Markov model

We propose a model structure with a double-layer hidden Markov model (HMM) to recognise driving intention and predict driving behaviour. The upper-layer multi-dimensional discrete HMM (MDHMM) in the double-layer HMM represents driving intention in a combined working case, constructed according to the driving behaviours in certain single working cases in the lower-layer multi-dimensional Gaussian HMM (MGHMM). The driving behaviours are recognised by manoeuvring the signals of the driver and vehicle state information, and the recognised results are sent to the upper-layer HMM to recognise driving intentions. Also, driving behaviours in the near future are predicted using the likelihood-maximum method. A real-time driving simulator test on the combined working cases showed that the double-layer HMM can recognise driving intention and predict driving behaviour accurately and efficiently. As a result, the model provides the basis for pre-warning and intervention of danger and improving comfort performance.