基于D-S理论和BP网络的驾驶行为识别技术研究

提出了BP神经网络与D-S证据理论相结合的驾驶行为识别、预测方法;将汽车行驶过程中人-车-路的信息作为BP神经网络的输入,利用BP神经网络对驾驶行为进行初步识别,并将BP神经网络输出的结果归一化处理后作为D-S证据理论的基本概率分布;利用证据距离理论对证据进行证据冲突处理,通过D-S证据组合理论对输入信息进行综合分析处理,决策识别出当前的驾驶行为;利用MATLAB语言编写了仿真测试程序,仿真结果表明该方法能够准确的识别出当前的驾驶行为。     

基于视觉复杂环境下车辆行驶轨迹预测方法

安装在车辆正前方的电荷耦合摄像机(Charge coupled device,CCD)实时获取道路图像,利用灰度和梯度特征构成目标函数,并用抛物线模型拟合道路边界,使弯道路径和直道路径的识别统一化。将识别分成三个阶段,并设定出各阶段的抛物线参数感兴趣区。采用遗传算法,对抛物线各参数进行优化。通过初始化编码、计算适应度、多点交叉及变异等过程,搜索出目标函数值近似最大的抛物线,即最优解。通过道路识别得到道路曲率、预瞄点处的侧向偏差和方位偏差等,为轨迹预测提供信息。基于运动学模型的车辆前轮转角,根据动力学特性对其进行修正。建立基于预瞄的车辆转向动力学连续模型,车辆前轮转角和道路曲率作为系统输入,根据系统的采样频率将连续模型离散化,运用Kalman滤波理论设计状态观测器,实时观测车辆侧向速度和横摆角速度,从而得到车辆运动轨迹。试验表明,该方法既能在较复杂环境下较准确的拟合出路界线和预测出车辆运动轨迹,并具有较强的实时性。     

基于多传感器信息融合的绝缘子串自动识别方法

绝缘子串的自主识别是变电站带电水冲洗机器人执行绝缘子串冲洗任务的重要前提。针对变电站内电力设备复杂的架设结构和室外光照条件的复杂多变问题,提出一种基于SVM与证据相容度改进D-S证据理论方法,融合相机光学图像特征和激光点云图像特征的变电站支柱绝缘子串自主识别方法。通过构建光学图像中特征曲线的灰度周期性特征矩阵和灰度阈值特征矩阵,激光点云图像中特征曲线的深度重复性特征矩阵和宽度特征矩阵,将四种特征矩阵作为特征证据,通过SVM与证据相容度方法改进的D-S证据理论进行融合,得到结果,实现对三种不同形状支柱绝缘子串的自主识别。实验结果表明,该方法可以克服图像逆光和复杂背景等干扰,准确识别出绝缘子串的类型。     

采用改进尺度不变特征变换在多变背景下实现快速目标识别

提出一种改进的尺度不变特征变换(SIFT)算法,用于实现多变背景下的快速目标识别。首先,构建目标图像尺度空间,提取SIFT特征点并将其按大小分类,目标识别时只需比较同一类型的特征点。然后,由SIFT特征点子区域方向直方图计算得到4个新角度用于代表特征点的方向信息,并且在目标识别时根据角度信息限制特征点匹配范围,从而提高SIFT算法的运算速度。最后,计算目标图像和待识别图像之间的尺度因子,在尺度因子约束条件下进行目标特征点匹配,从而有效地保证正确匹配数量,提高目标识别的鲁棒性。实验结果表明:当目标在待识别图像中发生局部遮挡、旋转、尺度变化或者弱光照等情况下,改进的SIFT算法能够完成多变背景下快速目标识别任务,平均识别速度提升了40%。     

基于自适应递推算法的空中目标轨迹预测

在空中目标丢失的情况下,雷达系统无法探测到目标的位置,无法实现对目标的自动跟踪。采用自适应递推算法,根据已知的目标位置信息推算出下一时刻目标的预测位置,雷达系统以预测位置来跟踪目标。对目标的三种典型运行轨迹进行仿真分析,预测轨迹具有收敛速度快、误差值小的特点,有效提高了跟踪的精度和抗干扰能力,改进了雷达的探测性能。     

基于焊缝CCD图象模式特征的焊缝轨迹识别

提出了一种基于焊缝ＣＣＤ图象模式特征的焊缝轨迹识别的新算法，其基本思想是将焊缝等分成为段，每段的灰度分布用特征向量来描述，利用前一段的特征向量来识别下一段的特征向量。从而实现焊缝的识别．这种算法具有对各种坡口快速、准确地识别并能自适应局部和整体噪声等特点，可用于机汛无辅助光源焊接焊缝轨迹预规划，并对实时焊缝轨迹进行了识别     

D-S证据理论在公路车辆识别方面的应用

为解决公路车辆类型识别信息的融合问题,本文采用基于推理的数据融合方法,分析D-S证据理论用于多数据融合的基本概念和理论。最后,依据基本信任函数的决策方法辨别通过车辆的类型。并通过实例分析,指出将D-S证据理论应用于在公路车辆类型识别方面具有实际应用前景。     

基于局部特征提取的目标自动识别

提出一种基于局部特征提取的目标识别方法,用于自动识别不同尺度,视角和照度条件下的目标.首先,建立图像的尺度空间;结合海森矩阵和Harris算法提取局部特征点,计算该特征区域的方向和灰度梯度及方向;统计出每块子区域的标准灰度梯度直方图,得到128维的特征向量.然后,基于主成分分析的降维算法来降低特征向量的维数,加快识别的计算速度.最后,采用特征空间分类器增加目标识别的速度.实验结果表明:基于局部特征提取的目标识别达到了较高的识别率,在视角、尺度和照度变化下的识别率分别为61.9％,80.5％和84.4％,平均识别时间为130.9 ms.与尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比,本算法不仅在不同的视角,目标尺度及照度条件下具有较高识别率,而且识别速度比SIFT方法高.     

基于切片技术的曲面特征识别研究

在借鉴医学CT扫描成像原理和参考曲面特征加工轨迹规划中的截平面法的基础上,提出了一种基于切片技术的曲面特征识别新方法.针对曲面特征零件模型的STEP文件,利用切片技术直接截取曲面的特征面,将得到的切片(切片序列)信息直接作为曲面特征加工轨迹规划中的截平面信息,从而直接从特征零件模型的STEP文件几何信息中获取曲面特征的数控加工轨迹信息,实现曲面特征识别与后续数控加工轨迹的联系.     

基于RGB-D视觉定位的购物机器人运动轨迹识别分析研究

为降低工作人员劳动强度,人们使用智能购物机器人完成各种搬运任务,关键为精确机器人定位、轨迹规划和商品检测识别。文章提出基于RGB-D视觉定位的购物机器人运动轨迹识别分析研究,是利用Kinect采集到的商品图像信息,使用多种算法对商品类别进行检测,得到商品边框和颜色分布,并通过Kinect相机标定机器人运动,将数据反馈给电脑,以指导机器人沿轨迹运行到指定地点。实验结果表明,经过Kinect检测,移动机器人速度为1.16m/s,可针对不同目标商品实时、可靠地完成商品抓取搬运任务。     

基于改进 ByteTrack 的高铁周界入侵监测方法研究

本文旨在应对高铁周界环境复杂、小目标多等情况,研究周界入侵行为的识别与跟踪问题,并提出一种改进ByteTrack算法。本文融合YOLOv7-X与BYTE数据关联方法对模型进行改进,并且引入卷积块注意力机制以提升周界复杂环境下前景目标的识别效果,利用空间-深度转化模块优化跨步卷积与池化层,改善小目标识别时下采样导致的细粒度信息丢失情况。制作铁路周界入侵数据集进行实验,实验结果表明,改进后的模型平均精度达到95.6%,提升了9.4%,对大中小目标识别的平均精度均有提升,尤其是对小目标识别效果提升显著,提升了22.2%。结果表明改进ByteTrack算法在高铁周界复杂环境下能实现入侵行为的识别与跟踪,为高铁周界防护提供技术支持。     

采用视觉特征整合的红外弱小目标检测

针对红外光学系统在复杂背景下的弱小目标检测问题,建立了基于特征整合的信息处理模型,提出了采用视觉特征整合的弱小目标检测方法。该方法首先利用视网膜神经节细胞感受野的数学模型DOG(Different-of-Gaussian)对红外图像进行初级信息处理,初步检测出弱小目标。而后,分为空域和频域两个通道进行特征提取。在空域通道,利用图像信息构造二阶微分Hessian矩阵,通过计算其直迹与行列式进行局部极值的判定,提取出含有弱小目标的结构分量特征;在频域通道,利用小波对图像频域进行二级分解,提取出含有弱小目标的高频分量特征。最后,将空域通道与频域通道的分量特征整合,提取出复杂背景下的弱小目标。实验结果表明:当虚警率为10-3时,该方法对弱小目标的平均检测概率为95.17%。基本满足红外弱小目标检测方法的稳定可靠、精度高等要求。     

基于吉林一号遥感图像的星载目标快速识别系统

针对传统遥感图像地面目标识别系统图像获取周期长,信息实时性差等问题,设计星载目标快速识别系统,用于卫星在轨快速识别,提出改进的基于快速视网膜关键点(FREAK)的特征匹配识别算法,解决遥感图像数据量大、背景复杂的问题。介绍了星载目标快速识别系统的工作原理,提出简化的FREAK特征提取模型,将原有算法的七层模型减少为四层,用于快速提取出遥感图像中目标特征;利用二进制量化空间将高维特征数据量化为二维数据,提高算法的准确度;最后通过匹配,快速识别出遥感目标。实验结果表明,识别算法的准确度平均提高2.3%,识别用时缩短约27.8%,满足遥感卫星在轨目标快速识别的要求。     

基于高斯混合HMM雷达目标识别方法

采用Relax算法提取雷达目标参数,选择散射点强度及其相对位置作为模式识别特征;用高斯混合模型来逼近模式特征的概率分布密度;通过隐马尔可夫状态描述雷达目标不同方位之间的概率关联。研究了飞机类目标的识别问题。实测数据的计算机仿真结果表明,当训练数据与识别测试数据取之完全不同数据段时,三类飞机的100次识别的平均识别率分别为76％,74％,83％。     

多目标轨迹分离方法研究

为了实现多目标落点测量,建立了多目标测量方案,并且对大视场光电测量设备在像面坐标系下进行多目标分离的方法进行研究。该方法按目标运动方向、运动速度、运动加速度的变化,建立了相关性评价函数,根据评价函数判断像点与目标轨迹的关联程度,从而现实多目标轨迹分离工作;而且在分离过程中,考虑了同一目标像点在不同幅图像上的丢失情况,根据已有目标轨迹数据,使用卡尔曼滤波器补充丢失的像点,保证同一目标轨迹的连续性。仿真数据与实际数据结果表明,该方法有效地分离了多目标轨迹。满足多目标落点测量的设计要求。     

全自动芯片键合机中多目标图像识别算法

在全自动芯片键合机图像识别系统的开发中,芯片数目自动确定是一个亟待解决的问题。提出了一种新的基于聚类遗传算法的多目标图像识别算法。将聚类思想引入遗传算法的搜索机制中,结合模板语义以及遗传算法进化过程中形成的适应度图景构造聚类规则,将遗传群体有效的划分为不同的小生境。实际应用表明,算法有效地解决了自动确定目标图像数目的问题,一次可以准确识别场景图像中的多幅目标图像,减少了单幅图像的识别时间,提高了系统效率,实现了多目标图像识别的自动化。     

基于系统信息融合的滚动轴承故障模式识别

基于滚动轴承故障模式识别的随机性、灰色性和模糊性特征,从信息融合的角度出发,提出了一种融合框架.首先针对这三方面的信息分别从小波域、幅域和频域构造特征向量;然后借助于D-S证据理论,在基于概率统计的隐马尔科夫模型的诊断结果基础之上,进一步融合从系统灰色性和模糊性观点出发所得的诊断信息,从而实现滚动轴承故障模式的多角度信息融合识别;最后,利用该融合框架对实测滚动轴承故障数据进行了识别.结果表明,基于系统随机性、灰色性和模糊性信息融合的识别方法较基于系统单一性信息的识别方法能够进一步提高模式分类的正确率.     

A novel sensor selection using pattern recognition in electronic nose

A novel sensor selection using pattern recognition technique in electronic nose (E-Nose) is proposed in this paper. This paper studies the portable E-Nose based on metal oxide semiconductor (MOS) gas sensors for detection of multiple kinds of indoor air contaminants. The characteristics of portability, low cost, multiple targets detection and high performance of E-Nose monitor are the main pursuit for home use. Formaldehyde, benzene, toluene, carbon monoxide, and ammonia are the primary targets of the proposed E-Nose which benefits from the characteristics of the broad spectrum, reproducibility, sensitivity and low-cost of MOS gas sensors. Therefore, a potential and full contribution analysis of the small sized sensor array, in detection of indoor air contaminants coupled with a kernel principal component analysis (KPCA) based linear discriminant analysis (LDA) pattern recognition technique, is presented in this paper. Some experimental findings on the roles of sensors in an E-Nose have also been concluded. The recognition results clearly demonstrate the contribution of each sensor to gas detection which helps the sensor selection in E-Nose design.     

基于信息熵贴近度和证据理论的旋转机械故障诊断方法

从信息融合的思路出发,建立反映振动能量的旋转机械故障状态的信息熵特征,如奇异谱熵、功率谱熵、小波空间状态特征谱熵和小波能谱熵。通过试验,建立了旋转机械典型故障下的信息熵期望值,即获得基于信息熵的故障诊断标准特征向量。由于传感器的不确定性和故障的多样性,提出采用D-S证据理论来对4种信息熵进行信息融合。根据越相似模式间的距离越短的思路,提出采用信息熵贴近度来建立证据理论的基本可信度分配,以基于基本可信数的决策方法来作为故障模式识别方法。通过实例计算,证明基于信息熵贴近度和证据理论的旋转机械故障诊断方法是故障模式定量识别的一种可行的新方法。     

一种新的测量点编码方法及识别算法

提出一种基于单环编码法的改进的测量点编码方法,并结合新的编码点形状特征设计了新的目标识别算法,从而实现了近景摄影测量中编码点的匹配。验证结果表明,编码点的识别准确率达100%。