运动目标识别中基于边缘点寻找特征点的算法

文章介绍了基于目标物体边缘点提取特征点的算法,避免了在整个目标图象范围内寻找特征点,算法简单,速度快。仿真结果表明,该算法是有效的。     

基于踝关节轨迹的身份识别算法

步态识别相对于其他的生物特征具有诸多优点。本文通过跟踪脚踝得到其运动轨迹,计算出步态特征的相关信息,并以此为基础,进行了动态参数的识别算法研究。在中科院的NLPR数据库上进行了大量的仿真实验。     

基于矩阵特征值分解的盲SIMO信道识别算法

论文提出了一种有效的基于矩阵特征值分解的多路信道盲辨识算法。与基于预测误差盲辨识方法不同,新的算法不要求输入信号独立同分布,甚至输入信号可以是非平稳的。与最小均方盲辨识算法相比,这种新算法对信道时延阶数估计有更好的鲁棒性。最后实验演示了新算法的有效性。     

基于特征点的静脉识别算法研究

用生物识别中常用的基于特征点的方法、选用点模式匹配来研究静脉识别,将预先从静脉图像中提取的特征点集与输入的待匹配的静脉图像中提取的特征点集进行匹配.     

基于特征值的快速分形图像编码算法

基于分形图像编码算法的仿射参数,研究了值域块方差、比例因子s和均方误差之间的关系,分形图像编码的收敛特性和比例因子s的取值特点,在此基础上提出了特征值算法。实验证明该方法可显著减少编码时间,提高压缩比。     

基于统计特征值的文件类型识别算法

恶意篡改文件的类型属性以掩盖文件真实结构达到诱骗用户访问、回避检测、隐藏数据等目的是计算机犯罪行为中最常用的手段。该文提出的一种基于统计特性识别文件类型的方法能有效识别被篡改的文件类型属性。依据同类型文件在多维空间中的统计特征值具有相似性的规律,给出了判断其相似性的基本假设,设计了基于欧几里德距离的球体模型及k-球体模型,同时根据文件统计特征值权重的加权欧几里德距离优化两种模型,解决了相似性判断的正确性和效率。     

一种基于特征点识别的曲线离散化方法

提出了曲线局部特征点的概念，并根据平行线原理给出了一种快速求取特征点的算法。通过对局部特征点进行优化，得到所需的局部特征点集，实现了曲线的离散。该方法在离散过程中充分考虑了离散精度误差与逼近弦长对后续三角化质量的影响。实验结果表明，由这些特征点组成的多边形可较好地逼近曲线，算法效率较高。     

基于局部特征点方法的动作识别研究

利用局部特征点方法进行视频中的动作识别研究,通过对尺度空间理论以及多种经典的局部特征点检测方法的深入分析,将SIFT算法引入到视频研究领域,提出了一种全新而高效的视频特征点检测算法。在此基础上,设计了合理的机器学习方法对局部特征点进行训练,利用训练出的通用动作模式在视频中进行动作识别。     

基于Freeman链码的几何图形识别算法

目前关于几何图形识别的算法存在的问题主要有准确率低,计算复杂度较高,运行时间较长等。利用简洁高效的Freeman链码算法结合几何图形特有的几何属性设计出新的算法,使其能够快速识别几何图形的顶点分布,并反映在一张边界震荡（boundary vibration,BV）曲线图上。该曲线图能够刻画几何图形的属性,如顶点的个数、距离分布,角度的大小,线段的曲直和图形的周长等。因此通过对曲线图的特征分析可以准确识别对应的几何图形。该算法不受图形的平移、旋转、放缩、噪声影响。为了测试算法的稳定性,仿真试验针对九种不同的随机生成且带噪声的几何图形,结果识别率较高,运行速度较快,达到了预期的效果。     

结合像素模式和特征点模式的实时表情识别

目的 目前2D表情识别方法对于一些混淆性较高的表情识别率不高并且容易受到人脸姿态、光照变化的影响,利用RGBD摄像头Kinect获取人脸3D特征点数据,提出了一种结合像素2D特征和特征点3D特征的实时表情识别方法。方法 首先,利用3种经典的LBP（局部二值模式）、Gabor滤波器、HOG（方向梯度直方图）提取了人脸表情2D像素特征,由于2D像素特征对于人脸表情描述能力的局限性,进一步提取了人脸特征点之间的角度、距离、法向量3种3D表情特征,以对不同表情的变化情况进行更加细致地描述。为了提高算法对混淆性高的表情识别能力并增加鲁棒性,将2D像素特征和3D特征点特征分别训练了3组随机森林模型,通过对6组随机森林分类器的分类结果加权组合,得到最终的表情类别。结果 在3D表情数据集Face3D上验证算法对9种不同表情的识别效果,结果表明结合2D像素特征和3D特征点特征的方法有利于表情的识别,平均识别率达到了84.7%,高出近几年提出的最优方法4.5%,而且相比单独地2D、3D融合特征,平均识别率分别提高了3.0%和5.8%,同时对于混淆性较强的愤怒、悲伤、害怕等表情识别率均高于80%,实时性也达到了10~15帧/s。结论 该方法结合表情图像的2D像素特征和3D特征点特征,提高了算法对于人脸表情变化的描述能力,而且针对混淆性较强的表情分类,对多组随机森林分类器的分类结果加权平均,有效地降低了混淆性表情之间的干扰,提高了算法的鲁棒性。实验结果表明了该方法相比普通的2D特征、3D特征等对于表情的识别不仅具有一定的优越性,同时还能保证算法的实时性。     

基于改进的边缘检测蚁群算法的大米轮廓检测

在蚁群算法的基础上针对大米轮廓检测提出了一种改进的边缘检测蚁群算法。该算法能有效地检测出米粒的边缘信息,解决了传统大米颗粒检测方法的不稳定和不精确等问题。与此同时,还将其结果与原蚁群算法、Roberts、Sobel和Prewitt等边缘检测算子对图像处理的结果进行了研究对比,实验结果表明,采用改进的边缘检测蚁群算法对大米粒形的检测效果较好,正确率较高,且具有适应性强、效率高等特点。     

一种规则几何图形的计算机识别方法

许多领域在进行图片处理时都需要识别出图片中的几何图形,传统的霍夫变换、不变矩等识别方法都存在着耗费大量系统内存、计算速度慢等缺点。基于此,提出一种新的几何图形的识别方法。介绍了该方法的实现原理和实现过程。最后利用C++Builder编写软件对这种方法进行了测试,证明了该方法的正确性和可靠性。     

Fast ellipse detection based on three point algorithm with edge angle information

In this paper, we introduce a fast ellipse detection method that uses the geometric properties of three points on an ellipse. Many conventional ellipse detection methods carry out detection using five points, but a random selection of such points among candidate edges requires much redundant processing. To search for an ellipse with the minimum number of points, this study used the normal and differential equations of an ellipse, which requires three points based on their locations and edge angles. First, to reduce the number of candidate edges, the edges were divided into 8 groups depending on the edge angle, and then a new geometric constraint called the quadrant condition was introduced to reduce noisy candidate edges. Clustering was employed to find prominent candidates in the space of a few ellipse parameters. Experiments using many real images showed that the proposed method satisfies both reliability and computing speed for ellipse detection.     

多特征量对数回归的火焰快速识别算法

为了提高实时视频监控中火焰识别率和降低误识率,提出了一种基于多特征量对数回归模型的火焰快速识别算法。首先,根据火焰的色度特征进行图像分割,通过运动目标与参考图像差分运算获取火焰候选区域（CFR）;然后提取候选区域的面积变化率、圆形度、尖角个数以及质心位移等特征量,建立火焰的对数回归快速识别模型;其次采用美国国家标准与技术研究院（NIST）、仁荷大学计算机视觉实验室（ICV）和基于计算机视觉的火灾探测（VisiFire）实验库以及自制蜡烛、纸燃烧火焰中的火焰和非火焰图像中的300幅进行参数学习;最后选取实验数据库中8段视频共11071幅图像进行识别算法检验。测试结果表明,所提算法的真正率（TPR）达到93%、真负率（TNR）达到98%,识别平均用时0.058 s/帧。所提算法识别速度快且识别率高,可以应用于嵌入式实时图像火焰识别。     

一种融合多特征的UAV快速目标识别

针对UAV（Unmanned Aerial Vehicle）侦察图像快速目标识别问题,提出一种融合多特征的UAV快速目标识别算法。该算法结合图像的不变矩特征和SIFT特征,用不变矩特征构造适应度函数并利用遗传算法的全局搜索能力,在侦察图像中进行搜索,快速提取出可能包含目标的感兴趣区域（Region Of Interest,ROI）。采用尺度不变特征变换算法（Scale Invariant Feature Transform,SIFT）在ROI区域中进行匹配识别,从而精确确定目标的位置。仿真结果表明：该算法的鲁棒性较强,能有效识别特定目标并显著减少识别时间。     

基于边缘学习的低分辨率图像识别算法

由于受光照条件、拍摄角度、传输设备以及周围环境的影响,刑侦视频图像中的目标物体往往分辨率较低,难以识别。针对低分辨率图像识别问题,在经典LeNet-5识别网络的基础上,提出了一种基于边缘学习的低分辨率图像识别算法。首先由边缘生成对抗网络生成低分辨率图像的幻想边缘,该边缘与高分辨率图像边缘相近;再将该低分辨图像的生成边缘信息作为先验信息融合到识别网络中对低分辨率图像进行识别。在MNIST、EMNIST和Fashion-mnist三个数据集上分别进行实验,结果表明,将低分辨图像的幻想边缘信息融合到识别网络中可以提高低分辨率图像的识别率。     

基于分层识别的快速说话人识别研究

随着说话人模型数量的增加,说话人识别系统的识别速度下降,不能满足实时性要求。针对这个问题,提出了基于分层识别模型的快速说话人识别方法。将变分法求解的KL散度的近似值作为模型间的相似性度量准则,并设计了说话人模型聚类的方法。结果表明,本文方法能够保证说话人模型聚类结果的有效性,在系统识别率损失很小的情况下,使系统的识别速度得到大幅度提升。     

一种基于Pseudo-Zernike矩和SVM的目标识别快速算法*

为减少Pseudo-Zernike矩的计算复杂度,将系数迭代算法与核函数的对称性相结合,提出了一种新的混合快速算法。与现有的两种快速算法相比较,新算法有更快的计算速度。将其应用到遥感飞机图像库识别中,首先提取图像的Pseudo-Zernike矩特征,然后将其作为支持向量机分类器的输入。理论分析和实验证明,新算法在保持识别准确率的情况下提高了识别速度。     

一种基于块共同特征值的人脸识别方法

主成分分析与线性判别分析是人脸识别的重要识别方法,它们都通过求解特征值问题实现特征提取,但由于维数灾难会导致小样本和奇异性问题。提出了一种简单的人脸识别方法,无需进行奇异值分解,能有效地降低计算代价。首先将图像划分成块,然后计算多项式系数,得到友阵用于特征提取。基于两张不同图像的多项式系数友阵来计算对称阵。最后通过计算对称阵的零空间的零化度识别相似的人脸图像。为验证提出方法的有效性,在ORL、Yale和FERET人脸数据库上进行了实验。结果表明,该方法对于有较大姿态与光照变化的人脸识别具有较高的识别性能。