基于贝叶斯网络的在线草图识别算法

针对手绘草图识别算法大多采用限制用户绘制习惯来实现笔画分组的问题,提出一种基于贝叶斯网络的手绘草图识别算法。该算法将手绘草图识别中的笔画分组和符号识别统一为一个过程,用贝叶斯网络拓扑结构来表达草图结构信息。基于该网络,根据最大后验概率对连续输入的笔画进行动态最优分组,同时在线预测每组笔画的符号类别。实验结果表明,该方法是一种有效的在线递进式笔画分组和识别算法,在电路符号手绘识别中达到71.3%的过程识别率和85%的最终识别率。     

在线草图识别研究综述

综述了在线草图识别研究现状,重点关注近十年的研究成果,内容包括识别时机、单笔画处理、单个图符识别、图文分离和无约束笔画成组等,最后就今后的发展和关键问题进行了总结.     

基于ARM的逻辑门电路手绘草图识别

针对电路草图识别主要在计算机上完成以及只能识别电路元件的问题,设计一个在ARM处理器和Linux系统上实现的逻辑门电路草图整图识别系统。采取在线识别的方式对触摸屏上输入的手绘笔画进行分段识别、组合、分类得到门电路的图元,按图元顺序建立图元列表,分割出逻辑门图元组合,重构门电路整图。实验证明该系统对逻辑门电路草图有很高的识别率。     

基于自适应HMM的在线草图识别方法

用户适应性是在线手绘草图识别的一个关键问题。本文以实现草图识别的自适应性为目标,对草图识别中的用户适应性问题进行了深入的研究和实验,提出了一种自适应草图识别解决方法,并针对在线草图识别的特点,提出了一种基于笔划曲率,速率以及整体几何特性的组合特征。本文重点研究并实现了基于自适应HMM的草图识别,在已有HMM的基础上,针对在线草图识别的特点,提出了状态数可变自适应HMM的学习方法。实验表明本文所提出的方法具有很好的效果。     

基于时序特征的草图识别方法

草图识别是一项很具有挑战性的工作。目前,大部分草图识别的工作都将草图当作普通的纹理图像,忽视了草图的时序性。因此,文中通过挖掘草图的时序性,将草图笔画按照时间分组。为进一步利用时序特征在草图识别过程中的作用,使用了循环神经网络将笔画分组按照时间序列作为输入,最后使用联合贝叶斯将各个时序下获得的草图特征进行整合,完成草图的识别工作。在公开标准数据集上对所提算法进行了测试,实验结果显示该算法的识别准确率明显高于其他算法。     

一种基于图匹配的复杂草图识别方法

复杂草图识别是手绘草图输入中的一个困难任务。现存的草图识别方法强调的是图形对象简单．但这不适合具有不同复杂性的复杂草图的识别。本文对具有不同复杂性的复杂图形对象提出一个基于图形的统一表示法,文中根据不同信息枉度将复杂图形分别转化为空间关系图(SRG)。文中提出了一个约束的部分枚举．以减小识别复杂草图时匹配SRG的状态空间。实验结果显示．我们的方法可适用于具有不同复杂度的各种复杂图形对象的识别。     

具有实时反馈的草图交互识别方法

针对同步在线草图识别算法中的效率和应用范围问题,提出基于增量式意图提取的识别算法．算法通过定义滞后窗口,采用增量式意图提取的方式理解用户的勾画意图,进而根据当前信息修正以前生成的意图段落,使得识别结果和用户的勾画意图保持一致．实验证明,该算法能够准确、实时地识别用户输入的多种图形．     

基于草图的人机交互技术研究进展

从草图识别和语义理解这两个方面对基于草图的人机交互技术的研究状况进行了分析和总结．对草图识别方法按其模式单元定义（笔划、图元、特征和组合图形）进行了分类和剖析;对草图语义理解所涉及的语义获取、语义解释和语义应用这三个关键问题及其解决方法进行了分析和阐述;并分别从基于草图的人机交互技术的几何模糊性、用户适应性和应用独旁性及其关系角度提出了这一领域的主要研究课题及其解决思路．     

在线手绘草图识别中的用户建模方法

提出了一种在线手绘草图识别的用户建模方法。该方法首先利用用户输入笔划的速率和曲率特性进行笔划特征点抽取和笔划分段,从而将用户的输入草图分解成基本图元表示;进而,利用决策树收集和记录用户输入草图的时序信息,实现对复杂手绘草图的用户建模和在线识别,并通过对用户输入模式使用频率的统计实现对用户模型的动态管理和更新。实验表明:该方法不仅能显著提高复杂图形的识别效率,而且具有在线训练能力。     

基于笔序的手绘草图识别方法

本文提出了一种基于用户绘图过程笔序信息的手绘草图识别方法,该方法利用同一用户绘制同一草图的笔序趋向于一致这一特点,在收集用户绘图笔序信息的基础上建立用户模型,从而达到提高输入自由度和识别效率的目的,并用实验加以了证明。     

笔输入草图的分层识别

针对计算机支持的草图设计技术中的草图识别这个核心问题,给出了一套分步逐层的识别方案：从原始笔划的在线识别与线元转换,到几何层基于上下文的草图规整,到语义层基于领域知识的草图理解．整个识别过程通过一个带有黑板的知识库系统实现,逐步有效地解决了草图的模糊性与不确定性,将原始草图转换为精确的几何图形．文中方法已经过原型草图工具系统ISID的验证,并取得良好效果．     

结合多尺度HOG特征和语义属性的合成素描人脸识别

合成素描的人脸识别问题属于异质人脸识别研究领域,在刑侦领域具有重要的实际应用.由于合成素描与人脸照片属于不同模态,对不同模态人脸进行鲁棒的表征是识别的关键.针对合成素描人脸在某些区域缺乏纹理细节,单纯依赖局部细节特征识别率较低的问题,文中提出一种融合多尺度HOG特征并加以语义属性约束的合成素描人脸识别的算法.首先提取出合成素描人脸的全局HOG特征以及五官等关键部位的局部HOG特征来表征人脸的整体结构特征和细节特征,之后将得到的整体结构特征和各个部位的细节特征进行分数层融合,最后用语义属性特征对匹配结果进行重排序.在PRIP-VSGC和UoM-SGFS数据集上进行验证,文中算法rank10的识别率分别达到88.6%和96.7%,与现有算法相比有明显的提高.     

基于跨批次存储预训练的素描人脸识别方法

素描人脸识别技术在刑侦领域应用广泛,有助于缩小嫌疑人的搜寻范围。由于素描人脸样本数量不足,导致经典的深度学习模型无法达到理想的识别精度。针对此问题,提出一种基于跨批次预训练的素描人脸识别方法,通过在有限素描人脸数据集进行跨批次预训练的方式缓解训练样本稀缺问题,从而提高人脸识别模型的泛化能力。该方法通过跨批次存储机制缓解GPU存储限制扩大单批次预训练样本数量,从而获得更优的模型初始参数,并在其基础上根据三元组损失进一步优化模型,以提升网络性能。提出的方法在UoM-SGFS素描人脸数据集上的Rank-1识别精度为72.53%,在PRIP-VSGC数据集上Rank-10识别精度为62.47%。相比CDAN、DANN、SSD等方法识别率有显著提高。     

手绘草图实时处理方法研究

徒手草绘作为一种简便、自然、高效的人机交互方式,在计算机辅助设计领域越来越受到人们的重视。本文主要针对草绘设计与图形识别的行为过程进行了一系列较为广泛的研究,以便将用户的草绘习惯、识别能力与现有的CAD技术紧密结合起来,开发出新一代的智能CAD产品。具体包括草图前处理、特征点的检测、笔划分段、图元识别、图元重构、图元规整、端点校正等内容。实验表明所提出的方法能得到较好的识别结果。     

手绘草图实时处理方法研究

徒手草绘作为一种简便、自然、高效的人机交互方式，在计算机辅助设计领域越来越受到人们的重视。本文主要针对草绘设计与图形识别的行为过程进行了一系列较为广泛的研究，以便将用户的草绘习惯、识别能力与现有的CAD技术紧密结合起来，开发出新一代的智能CAD产品。具体包括草图前处理、特征点的检测、笔划分段、图元识别、图元重构、图元规整、端点校正等内容。实验表明所提出的方法能得到较好的识别结果。     

汉字联机手写建模方法

为了解决手机的汉字联机识别,我们提供了完整的解决方案。先定义了一套六组基本定义,形成一种特殊的但是很简单的图形描述方法。将汉字楷书的常用字的笔画,进行统计归纳归类,找到有限的笔画组成。使用基本定义,描述楷书的独立笔画,这些描述是互不相同的。回避了传统的复杂的二维图形学的方法。经过穷举法验证,几乎每个常用汉字的拆解的内容,都互不相同,所以从逻辑上可判定这种方法是有效的。也提供并公布对汉字行书、草书的部分解决方案。形成了一个手机汉字连笔识别的体系。     

基于非参数技术的贝叶斯人脸识别算法*

考虑到类内差与类间差的分布实际并不是严格的高斯分布,在概率密度估计方面提出改进的方案.采用非参数技术而不是高斯模型估计后验概率,将其应用于传统的贝叶斯分类器.在FERET数据库的FB及FC子集上的实验结果表明,使用非参数技术的贝叶斯分类器优于或相当于使用高斯模型的分类器,且具有训练简单的优点.