基于多特征融合的行人检测

研究了3种不同类型的特征算子:梯度直方图(HOG),基于Gabor变换的局部二值特征直方图(LGBPHS)和基于剪切波变换的直方图(HSC)在基于图像的行人检测中的应用.提出了基于多特征融合的检测算子,对单一特征进行L1范式规格化之后,将3个特征融合为一个高维的拥有大量信息的新特征,之后引入偏最小二乘法(PLS)进行特征降维,得到最终的人体特征.利用线性SVM作为分类器,在INRIA人体库上进行了实验,结果表明,融合后的特征极大的提高了检测率,在FPPW=10-5时,检测率达到了95.6％.     

导引概率图与显著特征相结合的行人目标检测

研究了仿生人眼视觉注意机制,采用目标导引概率图作为自上而下的信息,通过调制基于目标显著特征的自下而上信息,实现行人目标检测的方法。首先,对相似场景的目标样本图像提取尺度不变特征变换(SIFT)特征,基于贝叶斯公式,采用高斯混合模型(GMM)建立目标导引概率模型,利用期望最大(EM)算法和狄利克雷过程(DP)自动估计模型参数;进而,对一副待检测图像,采用已估概率模型计算图像中每一像元的目标似然性,形成导引概率图作为自上而下的信息;同时,针对行人目标,模拟中央-外周机制计算多尺度的肤色特征和竖直方向特征,形成基于目标显著特征的自下而上信息;最后,将两者结合得到候选目标区域,再通过提取候选区域的积分梯度直方图和等价的局部二值模式(LBP)特征,输入到级联支持向量机(SVM)分类器,验证并得到目标检测结果。基于实拍数据库和复旦大学-宾夕法尼亚大学行人数据库的大量实验表明,对概率模型的这种改进能显著提升行人目标预测效果,且检测算法在整体上优于传统检测算法。     

基于多特征和多核学习的行人检测方法的研究

行人检测系统涉及交通安全问题,需要很高的鲁棒性,基于单特征结合单核支持向量机的方法效果有限,为解决这一问题,提出采用多特征和多核学习的方法来提升系统的鲁棒性,通过将积分信道特征、多层次导向边缘能量特征和CENTRIST特征分别与直方图交叉核、高斯核和多项式核进行线性组合,采用简单多核学习（Simple MKL）来分别计算核函数的权重系数,将多核学习方法与经典的梯度直方图特征/支持向量机、多尺度梯度直方图特征/直方图交叉核支持向量机和特征融合/直方图交叉核支持向量机的行人检测方法进行比较,实验表明所提出的行人检测算法的鲁棒性有明显提升。     

中心修正投影结合IGWO-SVM的滚动轴承故障分类方法

针对滚动轴承故障分类中全局信息损失和模态识别精度低的问题,提出一种中心修正投影算法(center modified projection, CMP)结合改进的灰狼算法(improved grey wolf optimization, IGWO)优化支持向量机(support vector machine, SVM)的滚动轴承故障分类方法。首先,融合样本高维空间全局分布信息和样本局部信息提出CMP降维算法,利用CMP的信息保留能力,实现轴承信号特征矩阵降维;其次借助钟形收敛曲线不同阶段下降速度的差异性特点以及前进式搜索和包围式搜索模式优化灰狼算法收敛性能,并利用IGWO实现SVM参数的自主寻优;最后采用优化后的SVM进行轴承故障分类识别。该方法充分结合了CMP的特征信息保留能力和SVM的小样本分类性能,有效减弱特征冗余成分对诊断结果的影响。多组对比试验表明,所提方法能有效的去除冗余成分,较好的保留样本空间分布信息,具有较好的分类性能。     

基于非稀疏多核支持向量机的重现行人识别

目前,视频跟踪正向大范围长时间目标跟踪研究方向发展。重现行人识别是对行人目标进行大范围长时间持续跟踪的关键技术,是后续行为分析的基础。本文提出了一种基于非稀疏多核支持向量机的重现行人识别算法。首先,该方法提取跟踪行人视频图像序列的多层SIFT视觉单词树特征和多层颜色直方图特征。接着,利用高效的非稀疏多核支持向量机算法在线融合多层SIFT视觉单词树特征和多层颜色直方图特征得到行人外观模型。最后利用存储的行人外观模型库对重现行人进行识别。该方法可应用于多摄像机视频监控中同一行人目标的跨摄像机跟踪以及单摄像机监控中行人目标重新出现的识别。实验结果表明,该方法能快速训练人体目标外观模型,能获得很高的识别率。     

轮廓特征与神经网络相结合的行人检测

传统的基于方向梯度直方图与支持向量机的行人检测方法运算量大,针对这一问题,本文从轮廓特征的角度出发,提出了头肩轮廓特征与神经网络相结合的检测方法。该方法根据人体头肩模型具有相对稳定性,且轮廓特征可以作为人体识别的依据,采用边缘检测与均值漂移相结合的方式提取人体轮廓,采用经PCA降维的傅里叶描述子提取轮廓特征,结合神经网络分类器完成初次人体识别。采用RGB头发模型和均值漂移方法,对遮挡情况下被判别为非人体的目标图像做进一步处理,聚类出多个人体头肩模型,重新参与分类。实验结果表明,本方法人体检测的准确率和检测速度与现有的算法相比都有所提高,且克服了遮挡情况下人体头肩模型提取错误的弊端,提高了人体检测的识别率和应用范围。     

基于小波包和1(1/2)维谱的舰船辐射噪声频域特征提取及融合

舰船辐射噪声频域特征提取是舰船目标识别的关键技术之一。为提高舰船目标识别率 ,采用小波包和 112维谱对舰船辐射噪声进行多小波包空间调制谱和噪声谱特征提取及融合研究。并用提取的特征对五类舰船目标辐射噪声进行了分类识别实验 ,结果表明所提特征具有很好的分类识别效果     

基于复合分类特征的红外图像人体实时检测

针对红外图像中人体区域的检测问题,提出了一种基于复合分类特征的人体实时检测方法.首先根据红外图像中人体区域的特点,使用自适应的两级方向投影获得人体候选区域的可能位置,然后融合方向梯度直方图特征,人体形状特征及亮度分布惯性特征以充分描述人体区域的特点,并且采用支持向量机算法对候选目标中存在的人体进行分类检测.实验结果表明,本文提出的方法充分利用了复合分类特征各自的优点,具有较好的实时性和鲁棒性.     

特征融合的多视角步态识别研究

针对单一特征步态识别率低的问题,提出一种将步态能量图(Gait Energy Image,GEI)中动态部分和Gabor小波特征融合的步态识别算法.首先,通过运动目标检测及二值化和形态学处理等预处理操作得到步态轮廓图,再进一步从步态轮廓图计算得到步态能量图,并从中分割出动态部分.然后,利用Gabor小波从步态能量图的动态部分中提取不同角度的信息,将两步态特征融合在一起,对融合后得到的特征向量用改进的KPCA方法进行降维.最后,将降维后的融合特征向量输入到基于多分类的支持向量机(Support Vector Machine,SVM)中,从而完成步态的分类和识别.经过在中国科学院自动化研究所CASIA步态数据库上进行实验,取得了很好的识别效果,实验结果表明,与单一特征的步态识别方法相比,融合后算法的识别率提高了约10%.     

HSV空间中基于区域边缘直方图的视频目标再识别算法

视频目标再识别涉及计算机视觉领域的运动目标检测、跟踪、图像处理、特征提取、特征匹配等.现提出一种基于前景检测、彩色区域边缘直方图(REH)的视频目标再识别算法.前景目标检测能有效消除背景像素产生的冗余特征,结合HSV空间中的彩色区域边缘直方图,增强了对目标的特征描述.实验在笔者建立数据集和3Dpes上取得了86.7%和51.5%的识别率,进一步提高了视频目标再识别的准确率.     

基于加权硬度特征的仪表数字识别

仪表数字识别是智能仪表应用的关键,针对现有方法对角度倾斜、半字识别效率低的问题,引入硬度特征参数来衡量数字图像目标区域在某方向上的抵抗变形的能力,提出了一种结合数字结构特征和统计特征的识别方法。通过对仪表盘上采集的数字进行分析,建立数字自上而下及自下而上的硬度特征库。并依据每个特征重要程度的不同,引入权重,采用加权特征匹配的方法进行数字识别。实验表明,算法不仅简单高效,对于整字和半字都能够取得很好的分割和识别效果,而且对旋转和畸变有较强的容错。     

基于特征邻接关系传递的加工单元序列规划

针对基于特征的ＮＣ编程中加工单元的识别与相应的制造规划 ，深入探讨特征复合的基本规律。     

基于奇异值分解的数字图像的特征提取

特征提取是图像识别过程中的重要的一部分,本文利用奇异值分解这种有效的代数特征提取方法,获得图像的有效特征描述,把同一类图像集中的各幅图像的信息矩阵的奇异值向量作为矩阵中的一列构成图像特征矩阵,求出图像类间离散度矩阵和图像类内离散度矩阵,比较它们的相似程度,最终获得有用和有效的特征。     

一种视听融合的水下目标识别方法研究

特征提取是水下目标识别研究中最为关键的技术之一,特征参数的优劣将直接决定分类识别系统的性能。将声信号的听觉与视觉感知特征结合,应用于水下目标识别,通过实验得出如下结论,相比于单独应用听觉特征,融合特征的平均识别率能提高4%~6%以上,特别是将听觉特征与声谱图的Gabor小波变换特征、灰度-梯度共生特征进行融合后,分类性能较好,平均达到87%以上。     

概念设计中的夹具几何特征识别

针对概念设计中对零件几何分析的要求,从零件的几何特征角度,制定了一系列夹具几何特征的判定准则,探讨了夹具特征的类型、定义及其具体的识别算法。并利用Visual C 语言和AutoCAD R14的二次开发工具0bjectARX,对中等复杂程度的零件完成了夹具特征识别。     

语义特征造型系统中特征相互作用机制

当前基于特征的造型系统不能很好地维护特征的语义,主要是由于缺乏一种有效的、贯穿于整个造型过程的有效性维护机制,其中一个突出方面就是特征相互作用管理机制。笔者提出了一种满足各种条件的相互作用定义、分类方法,描述了特征相互作用管理器在特征模型有效性维护中的作用及工作过程,确定了每个操作的特征相互作用范围,这些将为特征相互作用管理器进行工作奠定基础。     

Multi-Index Image Retrieval Hash Algorithm Based on Multi-View Feature Coding

In recent years, with the massive growth of image data, how to match the image required by users quickly and efficiently becomes a challenge. Compared with single-view feature, multi-view feature is more accurate to describe image information. The advantages of hash method in reducing data storage and improving efficiency also make us study how to effectively apply to large-scale image retrieval. In this paper, a hash algorithm of multi-index image retrieval based on multi-view feature coding is proposed. By learning the data correlation between different views, this algorithm uses multi-view data with deeper level image semantics to achieve better retrieval results. This algorithm uses a quantitative hash method to generate binary sequences, and uses the hash code generated by the association features to construct database inverted index files, so as to reduce the memory burden and promote the efficient matching. In order to reduce the matching error of hash code and ensure the retrieval accuracy, this algorithm uses inverted multi-index structure instead of single-index structure. Compared with other advanced image retrieval method, this method has better retrieval performance.     

基于特征的产品信息应用模式

企业信息管理系统已经得到极大地普及,随着时间的推移,不少信息管理系统中逐渐积累了大量的数据。如何便捷有效地利用这些数据成为一个亟待解决的问题。论文提出一种基于特征的产品数据应用模式,通过特征的抽取、运算,针对性的解决企业信息管理系统中的数据深层次利用问题。最后,以某装备研发中心的具体案例说明该模式在信息管理系统中的应用。     

A content-based image retrieval system based on object-moment feature

The last decade has witnessed great interest in research on content-based image retrieval (CBIR). In 2009, Lin et al. proposed a smart CBIR system based on colour and texture feature. Their system has a high detection rate except the cases where image objects have similar shapes. To enhance the detection rate a shape-based image feature called object-moment is proposed in this paper. Object-moment uses the moment of force to compute the object edge feature by calculating the distance from each edge pixel to the axis, and adding them up as a feature. Besides, we integrate the colour features (NSOM, CSOM) and the texture features (CCM, DBPSP) to enhance image detection rate and simplify computation of image retrieval. A series of analyses and comparisons are performed in our experiments to demonstrate that our proposed method improves the retrieval accuracy significantly.     

A novel grey‐based feature ranking method for feature subset selection

Abstract

In this paper, a novel grey‐based feature ranking method for feature subset selection is proposed. The classification effectiveness of each attribute of a specific classification problem is proposed and then each attribute can be ranked. Features with higher classification effectiveness are more important and relevant and thus considered as the final feature subset for pattern classification. Experiments performed on various application domains are reported to demonstrate the performance of the proposed approach. The proposed approach yields better performance than other existing feature subset selection methods and is helpful for improving the classification accuracy in pattern classification.