运动目标检测与识别算法的研究

传统的运动目标检测方法不能精确检测目标发生仿射形变,为此提出一种动态模板匹配改进算法。该算法首先利用改进后的瞬时差分算法对序列图像中的运动物体进行检测和定位,提高检测与识别的实时性;其次,采用仿射不变矩作为提取目标时的不变特征,从而克服不能有效检测与识别时发生仿射形变目标的缺点。实验仿真结果表明,该算法优于传统的动态模板匹配算法。     

改进模板匹配的快速识别算法

为解决噪声导致的模板图像误匹配问题以及提高算法的识别速度和准确率,提出一种改进模板匹配的快速识别算法。该算法使用改进的低通滤波器对图像进行降噪处理,并使用改进的加权Hamming Distance,对图像进行相似度检测,降低算法的复杂程度,最后使用阈值和同伦骨架加快算法识别的运行速度。通过对不同背景下的噪声图像进行实验,该算法在目标识别过程中有很好的识别效果,对噪声有很好的鲁棒性,并且能够改善算法的运行效率,从而证明了该算法在目标识别过程中的有效性。     

一种基于模板匹配的人民币纸币面额识别方法

从图像处理的角度论述了人民币纸币的识别方法.针对人民币纸币面额种类少的特点，提出了采用模板匹配的方法.传统的二维模板匹配虽然实现简单，但计算量十分庞大，花费时间太长，针对此情况采用了当今发展比较成熟的一维灰度投影的模板匹配算法.该算法通过图像灰度投影变换，形成一维图像，并用一维图像进行快速匹配.试验结果表明，后者在保证了匹配准确率略高的前提下，识别速度明显高于前者，从而提高了设备的识别速度，使之更具有了实用性.     

基于FPGA的实时车牌字符识别方法的研究

通过对车牌图像进行预处理,提取出车牌中字母和数字字符,建立相应的模板.采用多模板匹配算法,在FPGA中实时地实现车牌字符识别.该文对字符识别系统的软硬件设计进行了详细的阐述.实验结果表明:该方法具有较高的识别速度,多模板匹配确保了字符识别的准确率.     

基于改进SIFT特征和粒子滤波的目标识别仿真研究

针对在目标识别中原始SIFT（尺度不变特征转换）特征算法计算量大,特征点匹配耗时长等缺陷,采用一种改进的SIFT特征算法。在原始的SIFT算法基础上简化了特征描述符,以及对匹配算法进行了改进,考虑到识别过程中目标物体的特征点会发生变化,因此结合粒子滤波来实现对目标物体的识别。仿真结果表明：该方法继承了原始SIFT算法的优点,有效地避免了一些干扰,减小了计算量,在结合粒子滤波算法后能够有效地更新特征点的匹配,最终实现了对目标物体准确的识别。     

基于模板匹配的人脸识别跟踪方法研究

在对运动物体的实际追踪过程中,由于目标运动方向不确定、背景环境复杂多变等因素,增加了动态目标跟踪的难度,所以用普通识别方法较难提取出目标特征,从而无法准确跟踪动态目标。提出了基于模板匹配的人脸识别算法,分析了基于方向梯度直方图(HOG)的人脸特征提取算法和基于欧氏距离的人脸识别算法,设计出了人脸识别跟踪系统。实验结果表明通过动态目标视觉检测以及PID控制的角度输出,该系统实现了对特定目标的人脸识别和跟踪。     

一种空对地可见光图像制导跟踪算法

为解决复杂背景下空对地可见光图像制导跟踪问题,提出一种基于特征匹配的跟踪算法。首先,通过等间隔采样与改进Kirsch边缘检测相结合的方法进行特征点采样;然后,采用金字塔模板光流法提取目标特征;最终,采用模板匹配法识别目标特征完成对地面目标的制导跟踪。实验结果表明：算法速度可以满足最大129Hz帧率的相机进行实时跟踪,稳定跟踪速率优于7.75ms/F,具有跟踪速度快和抗干扰能力强的特点。该算法完全满足空对地复杂背景下跟踪的需求。     

多阶微分环形模板匹配跟踪方法

基于环形模板结构提出一种新的模板匹配跟踪方法,在匹配准则函数中增加了图像的多阶微分匹配信息,在确保算法具有旋转不变性的前提下,可有效提高算法识别的准确性.匹配模板中的像素按环形结构排列,环形结构的中心对称性确保了算法具有旋转不变性.根据图像的灰度值可计算图像的各阶微分值,匹配准则函数由灰度匹配值和各阶微分匹配值共同构成.微分匹配信息中包含了图像的细节信息的匹配结果,因此可提高算法识别的准确性.仿真结果表明:该方法可应用于序列图像的目标识别,在背景复杂或目标发生较大旋转变化的情况下,该方法的识别性能明显优于传统方法.     

基于隐马尔科夫模板模型的视频动作识别算法

针对动作识别算法中构建局部特征间关系不准确、先验知识少的问题,采用一种隐马尔科夫模板模型(HMT),用于从视频中识别人的动作。通过隐马尔科夫模型的状态转移概率,描述动作的各个姿态间的关系。通过模板匹配的方式来计算观测值到隐含状态之间的似然函数(因此称为隐马尔科夫模板模型),模板是活动的,可以克服目标几何外观的变化。隐马尔科夫模版模型的参数包括所有关键姿态模板的参数和这些关键姿态之间的转移概率。这些参数可以通过"期望最大化"算法从训练数据中学习。实验结果表明,所提出的方法在识别准确率上有明显优势。     

基于十字模板的数字减影图像配准快速算法

提出一种基于十字模板的数字减影图像配准快速算法.采用块匹配法消除几何失真带来的运动伪影.选择不受血管区域影响的差值直方图能量尺度作为相似性尺度.通过计算图像梯度信息,选取边缘区域像素作为控制点,既改善减影图像质量,又提高运算速度.用十字模板替代传统块匹配法中常用的矩形模板,可减少直方图统计中的像素数量,缩短计算时间.对比矩形模板和十字模板的差值直方图能量搜索结果,发现参数选取适当时,改变模板形状不影响控制点运动位移量的正确确定.对十字模板中像素进行采样,可进一步压缩像素数量,提高运算速度.实验结果表明,改变模板形状后,图像配准速度显著加快,且减影图像质量保持良好.     

基于彩色伪随机编码结构光特征提取方法

为增强三维重建过程中弱纹理目标的特征信息,提出一种基于彩色方格伪随机编码结构光的特征提取方法。设计一幅由五种彩色方格组成的伪随机编码结构光图案并将其投影到目标物体上。建立一种梯度算子模板对降采样图像中角点进行粗定位,然后进行局部非极大值抑制。将Harris算法推广到彩色多通道图像,对原图像粗定位区域进行角点检测,进而确定彩色图像中角点的精确位置。试验结果表明,在被测物体表面颜色和纹理结构均不丰富的条件下,提出的方法依然能够有效地保证特征提取的精度,具有较强的鲁棒性。     

整体特征通道识别的自适应孪生网络跟踪算法

针对孪生网络目标跟踪算法仅使用特征提取网络提取特征,在遮挡、旋转、光照与尺度变化中容易出现跟踪失败的问题,提出整体特征通道识别的自适应孪生网络跟踪算法. 将高效的通道注意力模块引入ResNet22孪生网络中,提高特征的判别能力. 使用整体特征识别功能计算全局信息,提取更为丰富的语义信息,提高跟踪算法精度. 同时,引入自适应模板更新机制,解决遮挡与长期跟踪导致的模板退化问题. 为了验证所提方法的有效性,在OTB2015、VOT2016与VOT2018等公开数据集上进行测试,并与其他跟踪算法进行对比. 结果表明,所提算法在精确度与成功率上表现较好,在背景杂乱、旋转、光照与尺度变化等情况中表现稳定.     

基于多特征在线模板更新的鲁棒目标跟踪算法

在Mean-shift算法框架下提出一种基于多特征在线模板更新策略的鲁棒目标跟踪算法．首先,针对目标与背景色彩相似引发的跟踪漂移现象,提取照度不变性色彩特征与旋转不变性LBP纹理特征提取算法,并通过引入BWH算法实现多特征融合;其次,在传统的Mean-shift算法收敛条件上增加了直方图相似度校验,以避免陷入局部最优解．此外,还提出了基于直方图差异空间分布图的遮挡现象检测算法,从而提升了模板在线更新算法的准确性．实验结果表明,本文方法对于复杂动态场景、遮挡现象以及目标自身形变具有较强的鲁棒性和较高的准确性．     

一种基于分块的虹膜识别方法（研究生论坛）

为了解决低质量虹膜图片识别效果不好的问题,提出了一种基于分块的虹膜识别算法。该方法并不像常规算法一样对整个图片进行识别,而是首先将虹膜区域均等地分割为无重叠的分块,然后对每一个分块提取低秩矩阵作为特征,接着使用稀疏分类器进行分类,最后依据稀疏浓度指数,将各分块识别结果进行贝叶斯融合,由于虹膜图片不同区域的质量不一样,该方法能够降低质量不好的虹膜区域对最终识别结果的影响。在标准虹膜数据库CASIA-Iris-Interval 和 IIT Delhi V1上的实验结果显示该算法拥有较高的正确识别率,且对于低质量的虹膜图片具有较强的鲁棒性,对分块和训练图片数量的研究表明,将虹膜区域分为8个分块较为合适,使用7张训练图片就能够很好的表示一类。     

拓展模板的视频跟踪技术

在视觉目标跟踪(video tracking)过程中,当跟踪图像存在背景杂波、图像噪声(如图像遮挡、图像快速移动)时,算法往往不能取得很好的图像追踪效果.为解决该问题,在经典L1-tracker追踪算法的基础上,针对目标遮挡、目标消失等严重影响跟踪效果的情况进行研究,提出加入拓展模板(固定模板和近况模板)的策略来提高跟踪精度和抗遮挡能力.固定模板保持追踪目标最初的图像特征,防止错误的追踪结果在模板更新时引入错误的特征,进而导致识别目标偏移.近况模板记录目标的最新跟踪结果,避免由于点模板的大量使用而造成遮挡的误识别.通过对多个标准数据集的实验测试,证明加入新策略的L1-tracker算法,在不破坏原有L1-tracker优势的基础上,显著地提升了L1-tracker算法应对遮挡问题的能力.     

基于DTW 和EMD的孤立词语音识别研究

针对语音识别过程中环境噪声干扰大的问题,提出一种基于经验模态分解(EMD)与动态时间规整 (DTW)相结合的孤立词识别算法。该方法利用EMD 算法,首先将提取的性能不好的语音信号分解成若干个基本模函数(IMF),去掉原始信号中的干扰和噪声。然后,基于DTW 算法,采用短时过零率和短时能量对语音信号进行端点检测,提取语音特征参数后与参考模板进行匹配。将参考模板与待测模板之间的最短路径作为识别结果。仿真结果表明,该算法能够提高语音的识别效率和识别的正确率。     

旋转不变性图像模板匹配快速算法

综合利用图像梯度幅值统计的旋转不变性,梯度角度统计的旋转迁移性以及图像梯度角度统计的旋转自相关系数分布对称性,基于图像的3种不同特征,分两步精确快速地完成了统计匹配运算。仿真试验结果显示:本文算法在模板图像发生任意角度旋转的情况下匹配性能好。该算法时间复杂度小,并且在模板图像灰度发生一定程度的非线性变换、缩放、遮挡等情况时仍具有良好的鲁棒性能。     

一种基于多特征融合的视频目标跟踪方法

针对复杂场景下多特征跟踪算法适应性不强的问题,提出一种多特征有效融合和更新的目标跟踪方法.该方法首先在粒子滤波框架下采用加权融合的方式对目标进行多特征观测和相似性度量,通过分析粒子的空间集中度和权值分布建立一种有效的融合系数计算方法,使融合结果更加准确可靠.然后选取可信度高的特征检测遮挡,并动态调整目标模型的更新速度,以降低算法受目标变化和部分遮挡的影响.实验证明该方法对复杂的跟踪场景具有更强的鲁棒性,并适用于目标被遮挡时的跟踪.     

基于策略梯度的目标跟踪方法

针对目标跟踪过程中的遮挡、形变和快速运动等问题,提出基于策略梯度的目标跟踪方法. 该方法利用策略梯度算法训练策略网络. 该策略网络能够根据当前跟踪结果的可靠性进行动作决策,以避免错误的模板更新或者重新检测丢失的目标. 在决策过程中,通过计算加权置信度差值分析当前跟踪结果的鲁棒性和准确性,使得策略网络能够更准确地评估跟踪结果. 在重检测过程中,提出有效的重检测方法,对大量的搜索区域进行过滤,大大提高了搜索效率,利用决策模块检验重检测结果,确保重检测结果的准确性. 利用提出的算法在OTB数据集及LaSOT数据集上进行评估. 实验结果表明,提出的跟踪算法在原算法的基础上提高了2.5%~4.0%的性能.