基于概率统计直方图的压缩域说话人识别

压缩域说话人识别算法(Compressed-domain automatic speaker recognition,CD-ASR)即从压缩语音数据中直接提取压缩参数进行说话人识别,无需参数译码和波形合成.本文提出了基于概率统计直方图的VoIP压缩域说话人识别算法,包括矢量量化统计直方图和高斯混合模型统计直方图两种方法.在给出了G.729,G.723.1(6.3 kb/s),G.723.1(5.3 kb/s)压缩码流的压缩域特征提取方案后,分别以矢量量化统计直方图和高斯混合模型统计直方图作为识别模型进行说话人识别.实验结果表明,概率统计直方图法比在压缩码漉中提取同样识别参数的GMM模型,识别率有很大提高.     

基于数学形态学的甲骨拓片字形特征提取方法

甲骨拓片字形特征提取是对计算机辅助进行甲骨拓片复原、识别和断代等工作都非常关键的第一步。为了尽可能准确地把甲骨拓片从背景噪声中分离出来,首先对原始甲骨拓片图形进行预处理,然后再应用数学形态学方法对甲骨拓片进行图像处理和分析,提取出12项指标用于表现甲骨拓片字形特征,并构造了一个基于数学形态学方法的甲骨拓片字形特征提取系统。通过对《甲骨文合集》实验数据进行基于字形特征的甲骨拓片图像匹配验证,实验结果表明 数学形态学处理方法能有效地提取出较好地反映甲骨文字的笔画形态和结构的字形特征。     

基于特征融合的被动声纳目标识别

在被动声纳目标的分类识别中,不同的特征提取方法提取的特征反映了噪声信号不同的特性,一般情况下,很难做出某种方法优劣的判断.如何把这些不同的特征提取方法提取的特征矢量融合起来,对被动声纳目标分类识别非常有意义.在应用数据融合的方法对基于倒谱的特征提取方法、基于局域判别基的特征提取方法和基于听觉响度特征提取方法提取的特征矢量进行融合.提出了基于正态分布的概率密度函数的确定基本概率赋值的方法,利用三种特征提取方法对水声目标噪声信号进行特征提取,对提取的特征矢量进行融合,并进行分类实验,结果表明,特征融合使分类过程中的不确定性样本数减少,从而相应地提高目标分类的正确概率.     

粒子群优化人体星形骨架特征矢量量化

实现了人体星形骨架特征提取,并利用粒子群优化骨架特征矢量的量化。星形骨架通过连接人体质心点到人体四肢及头部端点实现,是一种快速骨架提取技术。把质心点和端点连接,人体星型骨架可以用一个五维矢量Si表示,Si∈Rn,Rn是星型骨架特征空间。时序图像中的人体动作可以用星型骨架序列表示的特征矢量序列S代替。最后用粒子群优化S的特征量化过程,生成特征码本G。     

显著度可控的DEM地形特征线提取

目的 基于数字高程模型（DEM）的地形山脊线和山谷线提取对地形模型简化、基于样本的地形合成和地形地貌研究有重要意义,针对许多传统算法无法对所提取特征线的显著度进行方便准确的控制,以及不支持环形特征线提取的问题,提出一种新的显著度可控的DEM地形特征线提取算法。方法 首先利用全局断面扫描算法提取特征点并计算各特征点的显著度,然后根据特征点的特征方向进行特征延伸以增强特征连通性,接着采用改进的Hilditch细线化算法对特征点集合进行细线化处理,之后为相邻特征点添加特征边,构成特征图,利用环路检测与破环算法检测特征图中的环路,并破除冗余小环路,最后根据分支显著度的相似度和分支方向一致性进行特征图分解,计算分解得到特征线的显著度并筛选得到最终特征线。结果 使用真实DEM数据提取最显著的若干条特征线,与现有的基于特征显著度的地形特征线提取算法进行对比,本文算法对特征图的分解能够更准确地提取主干特征线,而基于显著度的特征线筛选控制也更加准确合理。对提出的环路检测与破环算法进行实验验证,该算法能保留大的山脊线环路,破除小的冗余环路。结论 实验结果表明,本文算法能有效实现显著度可控的山脊线和山谷线自动提取,提取结果与人眼观察结果基本一致,同时能够支持含有环形特征的地形。     

对步态空时数据的连续特征子空间分析

提出一种基于空时特征提取的人体步态识别算法。连续的特征子空间学习依次提取出步态的时间与空间特征：第一次特征子空间学习对步态的频域数据进行主成分分析,步态数据被转化为周期特征矢量;第二次特征子空间学习对步态数据的周期特征矢量形式进行主成分分析加线性判别分析的联合分析,步态数据被进一步转化为步态特征矢量。步态特征矢量同时包含运动的周期特征以及人体的形态特征,具有很强的识别能力。在USF步态数据库上的实验结果显示,该算法识别率较其他同类算法有明显提升。     

保持物理特征的三维标量场拓扑简化

针对现有三维标量场拓扑简化方法,在简化的同时可能丢失部分有意义的物理特征问题,提出并实现了一种保持物理特征的三维标量场拓扑简化算法,采用为应用定制的物理判据分类标量场区域,将标量场重要特征检出和拓扑简化关联起来。结合Morse理论在次要物理特征所在区域构造Morse-Smale复形,并通过对复形上一系列临界点对的删除,达到简化和平滑函数拓扑特征的目的。实验结果验证了该方法的可行性。     

仿生优化算法用于保持特征的地形绘制

针对原始的geomipmapping算法在地形网格简化过程中不考虑地形特征,容易造成实时绘制失真度较大的问题,提出一种保持地形特征的简化算法.该算法采用免疫粒子群网络算法提取山顶点,采用蚁群聚类算法提取山脊线;对于提取出的地形特征点所在的地形块,根据特征等级不同程度地提高绘制分辨率,对不包含特征点的相对平坦区域降低绘制分辨率;并提出了针对保持地形特征的geomipmapping算法的裂缝消除机制.实验结果表明,文中算法在保持geomipmapping算法效率的基础上保留了地形特征信息,有效地减轻了地形绘制失真,并在一定程度上减轻了视点移动过程中的视觉突跳现象.     

分形算法在BP网脉象识别系统中的应用

首先介绍了传统人工脉象识别的缺点,而后介绍了现代脉象分类的优点和当今主要特征提取方法,针对其提取特征的特点提出了利用分形理论提取脉搏信号的分数维,以此作为波形的重要特征,用于脉象分类识别。利用这些特征矢量在BP神经网络系统中对实测的脉象数据进行了分类,取得了令人满意的分类正确率。     

基于DCT域奇异值分解的图像检索技术

提出一种在DCT域获取图像的代数特征--SV特征矢量进行图像检索的方法.在图像解压到量化的DCT域时,提取粗糙纹理矩阵Ⅰ,对Ⅰ进行奇异值分解,根据图片库的特点选取部分或全部奇异值表征图像的纹理特征,试验了该特征提取技术在图像检索中的应用.     

前背景骨架区域随机点对策略驱动下的车标识别方法

目的 现有的车标识别算法均为各种经典的图像特征算子结合不同的分类器组合而成,均未分析车标图像的结构特点。综合考虑车标图像的灰度特征和结构特征,提出了一种前背景骨架区域随机点对策略驱动下的车标识别方法。方法 本文算法将标准车标图像分为前景区域和背景区域,分别提取前、背景的骨架区域,在其中进行随机取点,形成点对,通过进行点对的有效性判断,提取能表示车标的点对特征。点对特征表示两点周围局部区域的相似关系,反映了实际车标成像过程中车标图案部分与背景部分的灰度明暗关系。结果 在卡口系统截取的19 044张车标图像上进行实验,结果表明,与其他仅基于灰度特征的识别方法相比,本文提出的点对特征识别方法具有更好的识别效果,识别率达到了95.7%。在弱光照条件下,本文算法的识别算法效果同样优于其他仅基于灰度特征的识别方法,识别率达到了87.2%。结论 本文提出的前背景骨架区域随机点对策略驱动下的车标识别方法,结合了车标图像的灰度特征和结构特征,在进行车标的描述上具有独特性和排他性,有效地提高了车标的识别率,尤其是在弱光照条件下,本文方法具有更强的鲁棒性。     

基于骨骼关键点检测的多人行为识别

人体行为识别(Human Activity Recognition,HAR)技术是计算机视觉领域的研究热点,目前多人HAR的研究仍存在很多技术难点。针对多人HAR中人数判断不准确、特征提取难度大导致行为识别准确率低的问题,提出了一种基于骨骼关键点检测的多人行为识别系统。该系统将骨骼点提取与动作识别相结合,首先对原始视频进行图像帧提取,然后通过OpenPose算法得到人体骨骼关键点数据来对人体进行检测并标注,最后根据骨骼点的特点提取人体姿态特征。同时,为准确描述特征之间的关系,提出了一种基于帧窗口矩阵的特征描述方法,该方法将支持向量机(Support Vector Machine,SVM)作为分类器以完成多人行为识别。选择UT-Interaction和HMDB51这两个公开的数据集中的10类日常典型行为作为测试对象,实验结果表明,所提方法可以有效提取图像中的多人骨骼关键点信息,且其对10类日常典型行为的平均识别准确率达86.25%,优于对比的其他已有方法。     

基于并行特征组合与广义K-L变换的字符识别

针对传统的串行特征融合方法的弱点,提出了一种新的并行特征融合方法.该方法的基本思路是:首先,利用复向量将样本空间上的两组特征集组合起来,构成复特征向量空间;然后,从理论上推广了经典的K-L变换方法与3种基本的K-L展开方法,使其适用于复特征向量空间内的特征抽取.此外,还揭示了并行特征融合的对称性质,并详细讨论了并行特征组合的策略问题.最后,用所提出的方法来解决手写体字符的特征抽取与识别问题.在南京理工大学NUST603HW手写体汉字库以及Concordia大学的CENPARMI手写体阿拉伯数字数据库上的实验结果表明,所提出的特征融合方法不仅较大幅度地提高了识别率,而且识别结果优于传统的串行特征融合方法.     

基于模板匹配和局部HOG特征的车牌识别算法

针对车牌字符识别中模板匹配法识别率低,尤其是无法准确识别相似字符的不足,本文提出了一种模板匹配法结合局部HOG特征的车牌识别算法.首先利用模板匹配法对车牌所有字符进行初步识别,然后分别提取车牌和模板相似字符中最具区分度的一小块HOG特征进而构建特征向量,最后根据特征向量之间的欧氏距离来度量车牌字符和模板字符的相似性,进而完成二次识别.实验结果表明,本文方法有效地解决了相似字符误识别的问题,在保证识别速率的同时识别率显著提高.     

快速定位图像尺度和区域的3维跟踪算法

目的 传统的2维自然图像的增强现实算法,对模板图像的各个尺度下的整个图像提取特征点并保存到特征点数组中,跟踪阶段对模板图像提取出的所有特征点进行匹配,造成了大量的无效运算,降低了特征匹配的效率.为了解决这个问题,将模板各个尺度的图像进行区域划分,提出了一种快速定位图像尺度和区域的算法,缩小特征匹配的范围,加快3维跟踪的速度.方法 预处理阶段,通过对图像金字塔每一尺度图像分成小区域,对模板图像上的特征点进行分层次分区域的管理.在系统实时跟踪阶段,通过计算几何算法快速确定当前摄像机图像所对应的尺度和区域,从而减小了特征匹配的范围.结果 该方法大幅度缩小了特征匹配的范围,降低了特征匹配所消耗的时间,与传统算法相比,在模板图像分辨率较大的情况下特征匹配阶段时间可以缩短10倍左右,跟踪一帧图像的时间缩短1.82倍.系统实时跟踪过程中的帧率总体保持在15帧/s左右.结论 提出的快速定位图像尺度和区域算法适用于移动设备上对2维自然图像的跟踪,尤其在模板图像分辨率较大的情况下,算法能够显著减小特征匹配的范围,从而提升了实时3维跟踪算法的运行效率.     

核典型相关分析算法的多特征融合情感识别

为了提高情感识别的正确率,针对单模情感特征及传统特征融合方法识别低的缺陷,提出了一种核典型相关分析算法(KCCA)的多特征(multi-features)融合情感识别方法(MF-KCCA)。分别提取语音韵律特征和分数阶傅里叶域表情特征,利用两种特征互补性,采用KCCA将它们进行融合,降低特征向量的维数,利用最近邻分类器进行情感分类和识别。采用加拿大瑞尔森大学数据库进行仿真实验,结果表明,MF-KCCA有效提高了语音情感的识别率。     

多特征融合的复杂环境海洋涡旋识别

目的 海洋涡旋识别研究已成为物理海洋领域的研究热点之一。传统的海洋涡旋识别算法多是基于物理参数法、流场几何特征法以及两种方法的混合,通过设置统一的阈值对海洋涡旋进行识别。在特定环境的海域中,传统算法的识别效果较好。但引起海洋涡旋生成的环境复杂多变且具有快速运动的特性,导致其具有快速连续变化的特点,依赖专家经验进行单一阈值设置的方法存在显著的主观性和不确定性,通常会导致海洋涡旋的漏判和错判,缺乏通用性。针对以上问题,为构建具有泛化能力的海洋涡旋自动识别方法,兼顾考虑海洋涡旋的全局和局部特征,提出一种复杂环境下海洋涡旋多特征融合识别方法。方法 首先通过数据预处理对数据集进行扩充;其次提取海洋涡旋的纹理特征（GLCM）、傅里叶描述子（FD）和Harris角点特征;接着将提取的GLCM特征进行均值化,并通过主成分分析法（PCA）对FD描述子和Harris角点特征进行降维;然后将处理后的特征向量进行串行融合;最后通过分类器完成对海洋涡旋的识别。结果 实验结果表明,提出的多特征融合方法的识别率高于单一特征方法的识别率,采用DT分类算法的识别精度最高,达86.904 5%;本文方法中采用PCA降维能有效提高识别精度,FD特征经PCA降维后,识别精度从83.906 0%提高到86.904 5%,Harris特征经PCA降维后,识别精度从84.009 7%提高到85.354 7%;且对于形态多样的海洋涡旋具有良好的鲁棒性。结论 本文融合了基于SAR影像海洋涡旋的3种特征信息,包括GLCM、FD和Harris角点特征,有效克服了阈值选取以及单一特征的不足,提高了基于SAR影像海洋涡旋的识别率,本文方法适用于复杂环境下的海洋涡旋识别。     

A surface based approach to recognition of geometric features for quality freeform surface machining

The paper presents a surface-based approach for geometric feature recognition for the purpose of automating the process planning of freeform surface machining. The proposed approach consists of the following four steps for recognition of the geometric features: conversion and preprocessing of the surface geometry data, subdivision of NURBS surface, reconstruction of surface orientation areas, and recognition of geometric features. The proposed scheme assumes that the input geometry data form is based on an IGES CAD model and the surface model can be represented in the form of trimmed NURBS surfaces. The connectivity relations of the product surfaces are analyzed and each surface is subdivided into orientation regions based on the surface normal vector over a certain point density grid, and then all the connected regions with the same orientation type are grouped into surface orientation areas. After that, the geometric feature will be recognized through the analysis of area connectivity and relationship. The paper describes the developed algorithms on surface orientation region subdivision, surface orientation area reconstruction, and geometric feature recognition. The verified feasibility study of the developed method is also presented.     

自适应骨骼中心的人体行为识别算法

目的 基于3维骨架的行为识别研究在计算机视觉领域一直是非常活跃的主题,在监控、视频游戏、机器人、人机交互、医疗保健等领域已取得了非常多的成果。现今的行为识别算法大多选择固定关节点作为坐标中心,导致动作识别率较低,为解决动作行为识别中识别精度低的问题,提出一种自适应骨骼中心的人体行为识别的算法。方法 该算法首先从骨骼数据集中获取三维骨架序列,并对其进行预处理,得到动作的原始坐标矩阵;再根据原始坐标矩阵提取特征,依据特征值的变化自适应地选择坐标中心,重新对原始坐标矩阵进行归一化;最后通过动态时间规划方法对动作坐标矩阵进行降噪处理,借助傅里叶时间金字塔表示的方法减少动作坐标矩阵时间错位和噪声问题,再使用支持向量机对动作坐标矩阵进行分类。论文使用国际上通用的数据集UTKinect-Action和MSRAction3D对算法进行验证。结果 结果表明,在UTKinect-Action数据集上,该算法的行为识别率比HO3D J2算法高4.28%,比CRF算法高3.48%。在MSRAction3D数据集上,该算法比HOJ3D算法高9.57%,比Profile HMM算法高2.07%,比Eigenjoints算法高6.17%。结论 本文针对现今行为识别算法的识别率低问题,探究出问题的原因是采用了固定关节坐标中心,提出了自适应骨骼中心的行为识别算法。经仿真验证,该算法能有效提高人体行为识别的精度。