基于肤色分割与改进VGG网络的手语识别

传统的手语识别仅仅依靠人工选取的底层特征完成识别, 难以适应手语图像背景的多样性, 本文提出了一种综合多要素的手语肤色分割与改进VGG网络的手语识别方法. 对采集到的手语图像利用椭圆模型进行初步分割, 根据最大连通域排除背景中的类肤色区域并用质心定位的方法去除手部区域以外的肤色区域, 从而实现手语图像准确分割. 在原有VGG网络的基础上减少卷积及全连接的层数对VGG网络进行改进, 减少了所需的存储容量和参数数量. 将分割后的手语灰度图像作为网络的输入, 采用改进的VGG网络建立手语的识别模型. 通过比较不同结构的网络模型对手语图像的识别率, 表明改进的VGG网络能够有效进行特征学习, 对手语图像的平均识别率都达到97%以上.     

脑启发的视觉目标识别模型研究与展望

视觉目标识别是计算机视觉领域中最基本、最具有挑战性的研究课题之一.由于灵长类出色的视觉目标识别能力,对其神经功能机理的研究可能为类脑视觉带来革命性的突破.旨在系统地回顾最近在计算神经科学和计算机视觉交叉领域的工作,研究当前基于脑启发的目标识别模型及其依据的视觉神经机制.从认知功能和皮层动力学方面总结了灵长类视觉目标识别...     

足球机器人彩色视觉图像的分割与识别

足球机器入世界杯(RoboCup)比赛要求视觉处理子系统能够准确地定位出场上机器人和球(共11个目标)的位置。受场地光照等比赛环境的影响,需要识别的各种色彩空间并非是规则且互不相交的矩形区域。因此用传统的阚值分割方法很难得到满意的结果。论文采用了一种结合阚值分割与种子点区域生长(SRG)的混合方法,这种方法先用阚值法将HSI色彩空间分成若干各不相交的子集,在每个子集中分别确定若干种子点,然后从这些种子点进行区域生长,在进行区域生长时,定义了一种适合HSI色彩空间的同类判据(homogeneity criterion),引入两个像素的联合抗噪因子P来衡量H的可信度。实验表明,采用的这种方法可以明显地提高区域分割的精度,实现彩色图像的准确分割,很好地满足了比赛的需要。     

基于卷积神经网络的监控场景下车辆颜色识别

颜色是车辆识别中广泛应用的主要线索之一,在智能交通系统中扮演着重要的角色.受光照变化、噪声、环境等复杂因素的影响,传统的车辆颜色识别方法难以取得理想的识别效果.利用卷积神经网络(CNN)的优越识别性能,提出了一种基于卷积神经网络的监控场景下车辆颜色识别方法.基于传统的CNN原理设计了车色识别专用深度网络架构,直接通过CNN学习基于颜色分布的分类模型.与其他基于深度学习的车色识别方法相比,提出的用于车色识别的专用深度网络,具有参数少、识别速度快、识别精度高等优点.实验结果表明,在Chen等公布的标准数据集上,与最新的研究成果相比,平均识别精度提高约0.77％,识别速度提高14倍左右.     

基于视中枢神经机制的层次网络计算模型

在视皮层区中,有许多非常规整的柱形功能结构,它们形成的局域网络具有抽取视图像中最基本的特征的计算能力,相邻视神细胞则抑制机制和神经细胞的感受野为实现这样的并行计算能力提供了保证,并且以层的这种等级组构为许多心理现像提供了生理解释,这不仅对模式识别、计算机视觉有重要的价值,而且对人工智能系统的知识获取和知识表示都具有非常重要的意义,文中通过构造一个金字塔状的神经网络层次模型,来对模拟视网膜的输入点阵     

粒子群优化神经网络在动态手势识别中的应用

为了提高动态手势学习训练速度和识别准确率,本文提出一种基于粒子群优化BP神经网络的动态手势识别方法。首先基于自然人机交互需要,定义一套基于机器视觉的动态手势模型;在获取指尖运动轨迹的基础上,提取动态手势的特征向量作为神经网络的输入;利用改进的PSO算法训练BP神经网络,得到神经网络的权值和阈值;最后利用训练过的神经网络识别基于机器视觉的动态手势。测试结果表明:改进的PSO算法能够提高神经网络训练速度和精度,进而提高动态手势识别准确率。     

一种鲁棒的彩色地图分割算法

研究了一种按颜色分割彩色地图的新算法。根据人类初级视觉的特性,先大致将图像分割为低频区和高频区,然后进行颜色聚类和区域生长。该方法不需人为指定聚色中心和类数,阈值的选定不对最终分割质量起决定性作用,具有较好的鲁棒性。     

色彩在广告视觉传达中的作用与美学效应

在广告视觉传达中,色彩的应用十分重要。本文应用案例分析的方法探究色彩在广告视觉传达中的作用与美学效应。从促进商品销售的角度来看,色彩能起到"引起注意、促进识别、增强记忆和还原产品"的作用。与此同时,色彩还具有"象征性、表情性、表现力"这些美学效应。     

具有颜色识别功能的类人机器人设计

针对传统类人机器人在控制系统实时性和视觉识别方面的不足,以S3C6410作为主控芯片,设计了具有视觉识别功能的类人机器人控制系统,通过改进和简化视频识别算法取得了良好的目标识别效果。实验表明,基于本控制系统设计而成的类人机器人实时性好,目标识别准确,通过调整运动路径能够快速找到目标。     

一种新的边缘检测计算模型和算法

该文分析了普通线性移不变边缘检测算子与人的视觉系统感知光强度变化时性能的不一致性,并根据视知觉原理提出了新的边缘检测模型和算法,由此所获得的边缘检测器不再仅是局部性的而且是兼备全局性的自适应特征提取系统.对一组含有小目标的自然场景图象的实验结果证实,与局部性算子相比,该方法具有优良的从低反差图象中提取边缘特征的性能.     

形态、颜色特征及神经网络在肺癌细胞识别中的应用研究

通过形态、颜色的分析,对细胞图像进行形态特征和颜色特征的提取,在此基础上,用神经网络对细胞图像进行识别分类,实验结果表明,文中提出的方法可以取得很好的效果。     

字符点相关技术与神经网络识别

本文探讨一种新的在工程图扫描图象中自动识别字符、符号的方法,该研究是基于点相关的神经网络识别技术,这种方法考虑了各种退化的字符样本,训练一个字符时使用一种新的学习规则来自动完成训练过程,并从一组字符图象样本集中产生每个字符的理想的特征描述。这种方法使学习的复杂度呈常量,并在工程图字符识别中得到实际的应用。     

基于彩色图像分割的高温辐射体识别方法

准确识别待测目标是利用CCD图像传感器进行高温测量的关键.本文在对高温辐射体彩色图像的噪声特点进行分析的基础上,提出一种基于彩色图像分割的高温辐射体识别方法,通过对红、绿基色图像分别进行分割来减小甚至消除高温辐射体图像的各种噪声,然后综合红、绿基色图像分割结果实现高温辐射体的准确识别,并运用数学形态学方法对分割结果进行后处理以消除游离点和孔洞,使图像边缘平滑;实验表明,该方法可以有效地实现高温辐射体的正确识别,具有较强的实用性.     

一种基于神经网络的数字识别方法

为获得非均匀沙床面上沙粒跳跃的轨迹和速度,需对沙粒跳跃跟踪电视摄像试验得到的序列图象进行处理。文章在对单幅图象进行处理,成功分割标尺与沙粒图象的基础上,给出了一种基于神经网络的数字的识别方法.通过提取标尺上数字的外围轮廓特征,并将其作为特征向量输入BP神经网络,对数字进行识别,从而给出了染色沙粒在标尺上的位置,实现了沙粒运动轨迹的描述。     

基于径向基函数神经网络的非线性模型辨识

从径向基函数（RBF）神经网络原理分析出发,提出了一种基于RBF神经网络学习算法,用于对非线性对象模型的拟合与辩识,并将此方法用于实际非线性模型的学习与辩识。结果表明,基于RBF的神经网络可快速完成对样本的学习与拟合,对具有连续特性的线性与非线性模型,具有快速实时的学习速度和优良的学习性能。     

简析服装流行色视觉评价体系

服装流行色视觉评价能够全面、系统、深入的认识服装流行色,为此要构建起服装流行色视觉评价体系。文章就服装流行色视觉评价体系中的评价的内容、评价的方法、评价的实施进行了分析。认为评价的内容包括服装色彩所处的视觉状态,服装流行色存在的视觉形式;评价的方法应采用定量与定性相结合的方法;评价的实施主要分为专业性评价和非专业性评价,个体基础性的评价和集体结论性的评价。     

图像识别的静态手势识别与动态跟踪系统设计

本文研究了图像手势识别和增强现实技术,设计了可以进行静态手势识别和动态跟踪的系统,通过提前录入不同手势,利用皮肤颜色对图像进行OSTU自适应阈值划分,建立二值化图像,与已知的手势进行匹配,以得到手势结果.实验结果表明,准确率达到96.8％,识别速度达到0.55 s.动态跟踪利用检测每帧图像中手部的位置进行定位和捕捉,图...     

一种基于视觉知识加工模型的目标识别方法

提出了一种基于视觉知识加工模型的目标识别方法. 该加工模型结合目标定位、模板筛选和MFF-HMAX (Hierarchical model and X based on multi-feature fusion)方法对图像进行学习, 形成相应的视觉知识库, 并用于指导目标的识别. 首先, 利用Itti模型获取图像的显著区, 结合视觉通路中What和Where通道的位置、大小等特征以及视觉知识库中的定位知识确定初期候选目标区域; 然后, 采用二步去噪处理获取候选目标区域, 利用MFF-HMAX模型提取目标区域的颜色、亮度、纹理、轮廓、大小等知识特征, 并采用特征融合思想将各项特征融合供目标识别; 最后, 与单一特征以及目前的流行方法进行对比实验, 结果表明本文方法不仅具备较高的识别效果, 同时能够模仿人脑学习视觉知识的过程形成视觉知识库.     

用于多目标检测与识别的视觉系统研究

本文以人机博弈系统作为实验手段，复普通廉价的摄像机实现了视觉的检测，着重讨论了目标物体的分割与畜产品     

面向中等词汇量的中国手语视觉识别系统

手语识别的研究和实现具有重要的学术价值和广泛的应用前景.提出了基于混合元捆绑的隐马尔可夫模型(TMHMM)用于视觉手语识别.TMHMM的模型刻画精度接近于连续隐马尔可夫模型,因此能保证最终的识别率不会明显降低,同时通过混合元捆绑降低计算成本,有效地提高识别速度.在特征提取方面,提出的层次型特征描述方案更加适合于中等或更大词汇量的手语识别.在此基础上,通过集成鲁棒的双手检测、背景去除和瞳孔检测等技术,实现了一个面向中等词汇量的中国手语视觉识别系统.实验结果表明,提出的方法能较好地实现常规背景中的中等词汇量的手语识别.