基于图像识别的疲劳驾驶监测方法研究

经研究提出使用摄像机直接朝向驾驶者的面部,以便实时监控驾驶者的疲劳程度.如果检测到疲劳将发出警告信号,提醒驾驶员.通过摄像头录制的视频文件并将其转换为帧,进行眼部跟踪定位,通过测量眼部区域中的图像强度的变化之间的距离可确定眼睛为闭眼或者睁眼.发现闭眼连续时间过长,系统判定驾驶员处于疲劳状态或者入睡状态,并发出警告信号的结论.通过对该算法测试,该方法可以有效的判定驾驶员的疲劳状态.     

三串联路口信号灯智能控制与计算机仿真

分析了城市交通系统的特点 ,把模糊控制运用到交通信号灯的实时控制中。在现有的城市交通现状下 ,选择了较有代表性的交通路口 ,在实地进行了数据的采集 ,对数据进行了筛选和分析后 ,建立了理想化的三串联十字路口的城市交通系统模型。在路口处设置车辆检测器 ,使交通系统能随时掌握到达的车辆数。为了减少路口车辆的等待时间 ,提高交通信号灯的控制效能 ,对交通系统模型运用模糊控制的方法 ,建立了模糊控制规则 ,设计了模糊控制器 ,通过对信号灯延长的控制进行优化。通过仿真程序进行系统仿真 ,仿真结果表明优化后的车辆等待时间优于没有优化的交通情况     

宁波市兴宁桥西路口渠化及信号灯相位优化的研究

交叉口是道路网的节点和枢纽。本通过对宁波市兴宁桥西路口渠化及信号灯相位优化的研究，提出了畸形复杂路口改造的基本途径和应遵循的基本原则。     

基于水平集方法的肿瘤图像识别

图像处理在计算机辅助医疗诊断系统中有着广泛的应用,本文在水平集方法的基础上,提出了一种肿瘤图像识别方法。首先,采用改进的水平集方法对肿瘤图像进行分割,获得肿瘤轮廓特征;其次,提取肿瘤的轮廓特征参数,对贝叶斯分类器进行训练,然后用训练的分类集进行肿瘤良恶性分类识别。通过对CT图像的肝脏肿瘤进行良恶性诊断,显示所开发的计算机辅助诊断系统是有效的。     

基于粗集方法的图像识别系统

提出了基于粗集理论的一种图像识别系统，该系统包括图像预处理，特征提取、决策表生成，条件属性简化等，运用粗集方法，能有效地压缩图像特征数目从而大大提高运行速度。     

基于最大互信息方法的机械零件图像识别

提出了应用最大互信息方法进行零件图像识别的方法,它利用图像的信息熵描述图像的特征,结合图像的颜色信息及局部形状信息,以互信息作为衡量两幅图像相似性的测度函数进行图像识别,弥补了直方图表达空间信息的不足。该方法既满足位置不变性,又能避免进行图像分割,从而避免了因图像分割引起的复杂计算,使算法容易实现。实验结果表明,该方法提高了零件图像识别的精度、稳定性和可靠性。     

基于局部学习的车辆图像识别方法

随着机动车交通违法行为的增多,民众利用智能手机拍照举报式的监督模式应运而生.针对由手机拍照举报的静态图像的车辆识别问题,提出一种基于局部学习的车辆识别方法.与在整个样本空间里训练一个全局模型的传统方法不同,该方法以局部学习中心选取策略和巴氏距离大小为基础,将样本划分若干子集并在每个子集上训练一个局部分类器.仿真结果表明:与已有形状模型法、超像素级别等图像目标识别方法相比,该方法在静态车辆图像识别的问题上拥有更好的识别率和识别效果.     

基于混合特征提取的细粒度图像识别方法

由于细粒度图像类内差异大、类间差异小的特点,导致其识别具有较大的难度,针对该问题,提出了一种基于混合特征提取的细粒度图像识别方法。借助混合增强(Mixup)思想混合卷积神经网络中间层,提取类内和类间的特征信息,并通过非局部模块加强模型提取特征的能力。同时,为了降低Mixup方法引入的噪声和歧义,设计了与训练过程耦合的多损失函数。该模型在广泛使用的公开细粒度图像数据集CUB-200-2011和Stanford Cars上分别达到了87.4%和93.8%的识别精度,与多个基线方法相比有显著的性能提升。     

基于图像识别技术的钢球精确计数方法

通过CCD图像处理技术识别钢球数量,研究了基于图像识别技术的钢球精确计数方法。该方法采用工业CCD相机对无序排列的单层钢球进行拍照,用双灰度阈值算法对所采集的钢球图像进行二值化图像处理。设置合适的像素阈值区间,对计数区域内的像素群扫描计数,满足像素阈值区间的独立像素群个数即为钢球数。针对钢球在计数过程中可能遇到的光源投影、防锈油等干扰进行了分析,提出了去除干扰的方法,保证了在实际应用中钢球计数的可靠性。     

基于连通区域矩阵的文本图像识别方法

如何从海量的图像里将文本图像挑选出来是网络图像处理领域的研究热点.为了达到更好的文本图像识别效果,文章从文本图像的文字特征出发,提出了一种基于连通区域矩阵的文本图像识别方法.首先对图像进行二值化,计算二值化后图像的连通区域矩阵,然后根据连通区域矩阵提取出图像的8维特征值,最后使用BP神经网络来对图像进行训练和识别.实验证实,该方法在保证较高识别率的同时,明显降低了误识率.     

基于改进GhostNet的轻量级手势图像识别方法

卷积神经网络应用于复杂背景的手势图像识别时,存在深层模型参数量大、计算成本高、轻量级模型准确率低等问题,针对这些问题提出了一种基于改进GhostNet的轻量级手势图像识别方法。首先,在Ghost模块中添加通道混洗操作,建立CS-Ghost模块以提取手势图像中的手势特征;然后,选用SMU(Smoothing maximum unit)激活函数优化模型在反向传播中的学习能力;最后,使用注意力机制中的轻量级通道注意力模块ECA去除特征中的噪声信息。该方法在ASL和NUS-Ⅱ数据集上的实验平均准确率分别为98.82%和99.36%;在OUHANDS数据集上的实验平均准确率为97.98%,参数量为1.2 Mi, FLOPs为0.29 Gi。实验结果表明该方法参数量小,计算成本低,可有效提高手势图像识别的准确率。     

一种基于小波矩的图像识别方法

研究了一种基于小波矩的图像目标平移、缩放和旋转不变特征提取算法,将不变特征提取算法与BP神经网络结合,组成一个图像识别系统.目的在于提高图像处理的质量,这种方法有更好的实用性.在这个系统中,利用小波矩不变量不仅可以得到图像的局部特征,还增加了对图像结构精细特征的把握能力强的优点,把提取的图像目标平移、缩放和旋转不变特征馈人BP神经网络,完成有监督的不变性模式识别.在实验中,利用该方法对无噪、有噪图像,特别是相似物体图像进行识别,可获得98％的正确识别率;并且将其与一般不变矩特征的算法获得的实验数据进行了对比分析.实验结果表明,该方法在图像识别准确率和抗噪性能上都有较大的提高.     

基于BP神经网络的人脸图像识别方法的研究

提出了用BP神经网络对人脸图像进行特征提取和识别的方法,讨论了BP网络结构的设计,输入、输出层的设计,隐层结点数的选取等问题,对由10人,每人3幅图像组成的人脸图像数据库做识别实验,结果表明,BP具有很强的自适应性,对有噪声、残缺和戴眼镜的图像识别效果较好。     

车辆夜间驾驶辅助系统设计

本文针对车辆夜间驾驶过程中视线盲区或者会车过程中车灯对驾驶者的干扰所造成的安全隐患,提出一种近红外多波长自动切换车辆夜间驾驶辅助系统的设计方法.所设计的系统包括可变波长近红外照明系统、超焦距红外成像光学系统、波长自动转换系统、红外成像及信号处理系统、车辆电子控制单元(ECU)连接系统以及投影或屏幕显示与目标提示系统等.该系统利用辅助近红外光源提高道路的红外照明条件,并通过多个近红外照明和成像波长的自动切换实现近红外清晰成像,避免相对行驶车辆会车时光线的相互干扰,提高车辆驾驶的安全性.针对系统主要要求,设计了中心波长850 nm,峰值透过率高于90%,带宽小于20 nm的带通滤光片;确定了满足180 m照明距离所需要的发光二极管的总功率为30 W.     

基于计算机图像识别的柴油机喷油嘴渗漏检测方法

提出了采用计算机图像识别技术的柴油机喷油嘴渗漏检测方法。通过喷油嘴图像的采集,图像的计算机处理,获取渗漏油迹信息,计算油迹面积,达到对喷油嘴渗漏现象的检测。实验证明,该检测方法能快捷观察到喷油嘴有无渗漏,且可对喷油嘴渗漏量进行精确检测。     

基于图像识别的多指针仪表自动读数方法

针对多指针仪表的指针读数识别问题,提出了一种基于色差变换的定位方法和基于表盘结构特征的指针读数自动识别与判读方法.采用LRCD变换、数学形态学处理方法和p 分位法完成有效区域筛选及水表的指针定位,根据表盘中心到指针回转中心的连线与子表盘0刻度线的夹角等特征,计算出子表盘0刻度线与指针指向线段的夹角,进一步识别并判读出指针读数.实验结果表明,该定位及识别算法计算简单,具有较高的准确率,克服了表盘随机角度倾斜对读数识别算法的影响.     

基于图像识别与PLC技术的温度计分号方法

针对温度计生产中的分号工序人工操作效率低、分号精度难以保证的现状,设计了一种能够自动分号的回转式分号机.通过对实时获取的口腔温度计图像进行中值滤波等处理,得到温度计两基准温度线数据,运用平面图像测量技术并通过修正物距变化的影响计算出各个温度计的分号数值,将该数值传送至西门子可编程序控制器(PLC)V变量字节中,PLC控制系统可自动控制回转式分号机有序运行,实现了温度计快速准确分号.实际使用效果表明:分号精度满足每0.25 mm分出一档的要求,分号效率达1支/s.     

基于用户点击数据的细粒度图像识别方法概述

近年来,细粒度图像识别逐渐成为计算机视觉领域的研究热点.由于不同类别图像间的视觉差异小、语义鸿沟问题严重,传统的基于视觉特征的细粒度图像识别性能往往不尽人意.针对这些挑战,目前许多学者都在研究基于用户点击数据的图像识别.本文围绕点击数据在图像识别中数据预处理、特征提取和模型构建3大模块中的应用,总结了已有的基于点击数据的识别算法及最新的研究进展.     

基于卷积神经网络的水下目标声呐图像识别方法

水下目标识别是水下无人探测的一项核心技术,为提高水下自动目标识别准确率,提出基于卷积神经网络的目标声呐图像识别方法,针对声呐图像特点,设计了融合图像显著区域分割和金字塔池化的水下目标识别模型。基于流形排序显著性检测方法分割和裁剪图像,减小输入数据维度并减少图像背景对目标特征提取过程的干扰;通过堆叠卷积层和池化层,从原始声呐图像中自动学习目标的高层语义信息,避免人工提取图像特征对有效信息的破坏;提出采用空间金字塔池化方法提取特征图中的多尺度信息,弥补声呐图像细节信息少的缺陷,同时解决输入图像尺寸不一致的问题。结果表明,设计的卷积神经网络模型在实测声呐图像数据集上能够比常规卷积神经网络更准确、更快速地识别水下目标。     

基于特征分布的建筑墙体裂缝图像识别方法

针对当前以人工智能为基础的墙体裂缝识别主要以图像识别为主,容易受到裂痕特征分布不均匀的影响,识别精度不高的问题,提出基于特征分布和高斯混合模型的建筑墙体裂缝图像识别方法.采用Harris角点检测算法对墙体图像进行角点求解处理,对建筑墙体图像进行预处理;通过选择掩模平滑法对墙体图像进行增强处理,将特征分布和高斯混合模型相结合,实现对建筑墙体裂缝图像的高精度识别.结果表明,该方法识别精度较高且识别时间短,预处理效果明显增强.