基于流形学习的三维步态鲁棒识别方法

针对过去几乎都是在单目视觉的情况下进行步态识别研究的现状,提出一种基于立体视觉的步态识别方法。首先利用立体匹配技术获得人体轮廓的三维信息,并据此构造出三维人体轮廓描述子以获取人体的步态特征。接着通过平滑、去噪等预处理手段抑制噪声的影响,并采用流形学习构建低维流形进行特征降维。最后将最近邻分类器和最近邻模板分类器用于识别过程。采用该方法在PRLABⅡ立体步态数据库和不规则测试数据集ExN上进行实验,获得较高的识别率。实验结果表明,文中所提出的方法具有与行人行走路径到摄像机之间的距离无关的特点,且对于不完整的残缺步态序列、行人行为姿态的变化、携带物品和服饰变化等具有较强的鲁棒性。     

一种基于时频分析的语音卷积信号盲分离算法

本文根据语音信号在实际环境下传播存在多径效应而造成反射信号之间产生时延差异的特点,提出了一种新的基于卷积混合矩阵模型的盲分离算法.该算法利用语音信号频谱中普遍存在的稀疏特性,通过对两路接收信号语谱图的对比分析估计出模型中时延参数和幅度系数的待定值;更进一步,从极大似然估计的思想出发,构造了一种基于时延参数和幅度系数的可信度函数,提出了通过寻找上述可信度函数的峰值以准确确定混合矩阵参数的方法.与现有的基于独立性假设的盲分离算法不同,本算法利用了语音信号频谱中普遍存在的稀疏特性,适用于求解大多数场合下的盲源分离问题.由于本算法本质上是一种非迭代的算法,且不存在发散的问题,故具有快速、稳定的特点.仿真实验和实际环境下所得到的实验结果表明,该算法能在各种信噪比的条件下准确地估计出由环境所确定的时延和幅度参数,并据此成功地分离出源语音信号,是一种面向真实环境下语音盲分离应用的有效算法.     

一种对亮度变化鲁棒的局部特征描述子及其快速生成算法

在不同的时间、从不同的视角、以不同的摄像机参数所拍摄的同一场景的图像间存在非线性亮度变化,这种非线性亮度变化给图像间的鲁棒匹配带来困难.为了解决这个问题,提出一种用于构建鲁棒局部特征描述子的新方法.该算法引入灰度相对次序的思想,在得到特征点归一化支撑区域以后,将区域内各点分割为多个组,并以区域中心和各点连线为Y轴,分别建立直角坐标系,计算中心对称局部二值模式,得到二维的统计直方图;据此,经归一化处理后可形成所需的兴趣点描述子.实验表明,本文算法构造的描述子在复杂亮度变化下的区分度更好,测试性能优于传统描述算子.同时,算法本身具有旋转不变性,并以插值计算替代了传统描述子构造过程中的梯度统计,具有描述子构造简单和快速的特点.     

基于前馈网络的盲分离算法

本文基于盲定位(Blinlind Surce Localization,BSL)指导盲分离(Blind Source Separatton,BSS)的思想,提出了一种用无限冲激响应(IIR)滤波器来构造前馈分离网络的盲分离算法.该算法不仅解决了传统盲分离算法不能估计信号源数目和不能确定分离输出信号与源信号之间的对应关系的问题,还能在实施信号分离处理之前判断所构造前馈分离网络的稳定性.对语音信号的仿真实验验证了该算法的有效性.     

用于大库人脸识别的脸型分类研究

提出了一种基于”分集”的人脸识别方法,该方法在人脸识别前加入脸型预分类环节,将一个大规模的人脸数据库分解为依脸型分类的若干个子库。这样做一方面可通过分集降低后续识别处理的数据量,提高人脸识别的速度,另一方面可利用脸型特征对候选人脸集合进行粗筛选,降低系统的错误接受率。为了实现脸型分类,进一步提出了一种基于人体测量学的分类方法,即首先借助AAM技术提取脸部特征点,然后在此基础上计算面型指数,并由此实现对脸型的分类。对较大规模的人脸数据库所进行的实验结果表明,所提出的方法可有效提高人脸识别系统的识别率和识别速度。     

基于有限元方法的一种新型人工肌肉驱动器设计

为了满足机器人驱动器速度输出范围宽、负载能力大、输出精度高等要求,提出了一种新型的人工肌肉驱动器.介绍了该机构的运行原理和实现方式,并对其主要部件进行了有限元分析和参数优化.其独特的柔性铰链结构及箝位中心调节装置使得该机构能够实现高速、大行程、大输出力且工作的稳定,具有较高的实用价值.该人工肌肉具有良好的驱动性能,为下一步物理样机的研制提供了很好的基础.     

输入向量控制细胞神经网络全局指数稳定

利用输入向量来控制细胞神经网络的稳定性.所得结果表明,当输入向量的绝对值大于某个仅仅只与细胞神经网络的物理参数有关的值时,不附加其它任何条件,细胞神经网络是全局指数稳定的.也讨论了输入向量的部分分量的绝对值大于某个仅仅只与细胞神经网络的物理参数有关的值时,细胞神经网络的全局指数稳定性,所得结论推广和改进了某些已有文献的相应结果.     

复杂彩色图像中的字符提取算法

提出一种基于对称邻域滤波的、面向复杂彩色图像的字符提取方法.该方法首先对原始彩色图像进行SNF图像增强,在此基础上得到图像边缘.然后,综合利用所得到的边缘图像及彩色图像进行基于边缘的连接体搜索,生成字符候选区域.最后,利用字符的纹理特征最终确定字符区.实验结果表明该方法是行之有效的.它可以在保留图像中真实边缘的同时,有效地将图像中内部区域的干扰点平滑掉,为后续算法的成功实施奠定基础.     

基于内容的视频压缩改进算法

由于时间的连续性,视频前后帧图像有很大的相似性,视频图像前后帧存在着很大的时间冗余.针对视频图像的帧间冗余,在传统的视频编码算法基础上,提出一种基于匹配内容的视频压缩改进算法,根据实际视频图像的不同,选取不同的编码策略,并采用零树小波变换算法,使压缩比和实时性得到很大的提高.     

基于区域间协同优化的立体匹配算法

提出了一种基于分割区域间协同优化的立体匹配算法. 该算法以图像区域为匹配基元, 利用区域的彩色特征以及相邻区域间应满足的平滑和遮挡关系定义了区域的匹配能量函数, 并引入区域之间的合作竞争机制, 通过协同优化使所定义的匹配能量极小化, 从而得到比较理想的视差结果. 算法首先对参考图像进行分割, 利用相关法得到各分割区域的初始匹配; 然后用平面模型对各区域的视差进行拟合, 得到各区域的视差平面参数; 最后, 基于协同优化的思想, 采用局部优化的方法对各区域的视差平面参数进行迭代优化, 直至得到比较合理的视差图为止. 采用Middlebury test set进行的实验结果表明, 该方法在性能上可以和目前最好的立体匹配算法相媲美, 得到的视差结果接近于真实视差.