基于篇章的中文地名识别研究

该文介绍了以篇章为单位的中文地名识别方法和系统实现。地名识别包括简单地名识别和复杂地名识别两个阶段。简单地名识别由基于条件随机场的识别模块和基于篇章地名关系的识别模块顺序构成,以原始文本为输入,直接利用地名内部结构和相邻字信息进行地名识别和文本分词,然后利用篇章地名关系和地名性判断进一步处理。复杂地名识别以简单地名识别结果为输入,采用条件随机场识别。系统在封闭测试和开放测试中F-1值分别达到92.87%和89.76%。研究发现,在地名性判断中地名确信度低的字串对于地名识别干扰性较大,篇章地名关系能够在不降低识别精确度的情况下有效提高召回率,综合利用地名短距离和长距离依存关系可以有效提高地名识别效果。     

基于视觉的水下管线识别与定位系统

论述了在水环境下如何通过视觉识别管线并给以精确的定位。提出了水下视觉系统的总体设计方案。在识别目标时,以目标的颜色为特征,并将颜色从ＲＧＢ窨转换到ＨＳＩ空间,使图象处理的速度和特征抽取的鲁棒性得到提高。对水下环境中点和线的精确定位进行了详细的分析,给出定位算法。最后的实验结果证明了算法的有效性。     

机器人视觉定位中的路口场景识别方法研究

针对室外巡逻机器人的视觉定位问题,提出了一种基于尺度不变特性变换(scale invariant feature transform,SIFT)和颜色特征的路口场景识别方法.该方法首先提取路口场景图像的SIFT和颜色特征,并计算其在HSI颜色空间中的颜色直方图;然后采用K-D树和Bhattacharyya距离进行特征匹配;最终用决策公式对路口场景进行识别.为了提高SIFT算法进行场景匹配时的速度,还对场景地图库采用基于阈值分割的聚类方法进行了预处理.实验结果表明,该方法对环境光照变化、动态干扰和自身旋转有较强的鲁棒性,并能很好地识别出路1:3,以实现定位.     

虹膜定位与识别的算法研究与实现

针对虹膜定位速度慢的问题,通过采用投票法和成长法来快速定位瞳孔中心、虹膜位置,详细给出瞳孔和虹膜定位的算法分析和实现流程,具有较高的定位精度。在虹膜识别方面,给出了一种简单的虹膜特征提取和比照方案,把虹膜在其半径和圆周方向分割成一定数量的微小区域,然后对每个微小区域进行灰度平均值的计算和矢量化的转换。最后根据虹膜矢量化后的结果进行精度比照,取得了较好的比照精度。     

图像文本识别中目标定位方法研究

目标定位是图像文本识别的关键步骤。为了增加检测的可靠性,依据文本区域存在丰富的一致性边缘这一特性,改进了传统的基于Sobel边缘检测与形态学运算结合的文本检测方法,在此基础上采取了轮廓跟踪以及与先验知识结合的算法而实现了精确定位。     

On the Recognition and Location of Partially Occluded Objects

The recognition and location of partially occluded objects is important for image-guided robot automation. A computational object recognition system consists of three main parts: shape representation, matching strategies and verification. The shape representation scheme, which is always application-oriented, should keep extracted features as invariant as possible. This paper presents a new model-based object recognition scheme for general two dimensional objects in a cluttered scene. The scheme considers objects subjected to similarity transformations (i.e., a combination of rotation, scaling and translation). It employs a new feature detection algorithm, combining curvature measures and polygonal approximation. An approximate, but efficient matching strategy is proposed for hypothesis generation and synthetic verification procedures are introduced to improve the robustness of the system. Experiment results are presented to show that the system works effectively and efficiently.     

基于MATLAB的车牌定位识别方法

车辆车牌的准确定位识别在交通安全管理方面具有重要的作用。笔者首先对原始彩色车辆图像进行增强处理,然后采用彩色像素点统计法来获取车牌图像,进而采用高斯滤波来强化车牌关键特征,采用二值化处理有效突出目标轮廓,最终采用分割和模板匹配完成车牌的定位识别。实验表明,该方法能够在复杂的环境下实现车辆车牌的有效识别。     

基于Mask RCNN的目标识别与空间定位

在机械臂的自主抓取系统研究中,为了自动获取目标物体的空间位置,采用Kinect深度传感器采集RGB图像,利用改进的深度学习算法Mask RCNN对RGB图像上的目标进行识别与分割,并通过Kinect深度传感器模型,将二维图像坐标转换成三维空间坐标,对目标物体进行三维建模,达到空间定位的目的。通过大量数据训练的Mask RCNN算法,可以同时识别多种特征差异很大的目标物体,具有广泛的应用空间。经过实验表明,获得的目标物体的三维空间坐标较为准确,且受环境影响较小,对机械臂抓取系统的研究具有较为重要的意义。     

基于特征匹配的集装箱识别与定位技术研究

集装箱识别与定位是实现港口自动化的关键技术之一。模板匹配是一种较常用的 图像识别方法,但传统的模板匹配算法仅基于像素的灰度信息进行对比匹配,当外部环境稍有 变化时,算法的鲁棒性会大幅下降,且存在匹配效率不高,适应性不强等问题。提出基于目标 颜色模板预定位与变步长图像块匹配分割相结合的算法,将具有形状不变性的特征向量作为集 装箱实时识别与定位的重要依据,实验结果显示该识别方法能有效提高图像分割效率,同时对 目标平移、旋转、尺度变化具有适应性。     

PCANet下的遮挡定位人脸识别算法

自然环境中的人脸图像大部分带有遮挡,这对于人脸识别一直是巨大的挑战,用于人脸识别的主流深度模型对于遮挡人脸图片并不具有特别好的识别性能。针对深度模型由于遮挡的存在以及遮挡位置不确定所导致的识别率下降的问题,提出一种结合深度学习和特征点遮挡检测的PCANet下的遮挡定位人脸识别算法。分类器用于关键点检测,使用PCANet深度学习模型进行特征提取,形成支持向量机(SVM)训练模型组。遮挡判别分类器定位遮挡,结合特征模型组完成有遮挡人脸识别任务,并且对于表情变化有很强的鲁棒性。实验结果表明,该算法对于常见遮挡类型取得了非常好的效果,对于大面积遮挡的极端类型也具有很高的识别率。     

一种基于靶标识别定位算法的视觉测量技术

视觉测量在飞行试验高精度测试中发挥着重要作用。针对常规视觉测量中多标志点识别定位存在误识别、定位精度低等问题,设计了一种新的环形编码对角标志,并提出了一种基于环形编码对角标志识别定位算法的视觉测量技术。重点介绍了基于EDCircles圆检测算法的标志点识别、基于Harries角点检测算法的亚像素级定位和基于坐标变换的编码信息解码等技术的实现。经过实验验证,研究成果编码标志点识别定位算法识别准确、鲁棒性强、定位精度高,在大投影角度下仍能达到92%的识别率,可以满足飞行试验动态视觉测量任务相关需求。     

YOLOv5定位多特征融合的车标识别

为解决智能交通系统中车标识别的问题,提出YOLOv5s网络车标定位多特征融合的车标图像识别方案。车标定位阶段选择YOLOv5s网络以满足对车标定位速度与精度等的需求。车标识别阶段通过调整扩展高斯差分中的参数得到具有不同效果的车标边缘,设计一组二维Gabor滤波器对边缘检测后的车标图像进行滤波处理并提取出对应的车标图像特征向量,通过计算待测车标图像特征与标准比对库中特征向量的欧几里德距离,取距离最小者对应的标签索引作为分类识别结果,该方案的最佳识别正确率为96.91%。采用随机森林算法进行分类后的最佳识别正确率可达99.33%。该方案的车标定位与识别最佳整体正确率超过了YOLOv5s网络直接一步到位识别车标的方案,且相较于传统图像处理方法有明显提升。     

深度残差收缩网络下的定位与行为联合识别

基于WiFi信道状态信息（channel state information,CSI）的人体感知方法在许多物联网场景得到了应用,但现有大部分基于CSI人体感知的系统仅进行定位或行为识别其中一项工作,而物联网的发展对两者能同时识别提出了新的要求。针对这一问题,提出一种基于深度残差收缩网络的定位与行为联合识别方法。通过普通商用WiFi设备获取两种场景（暗室、会议室和走廊）的CSI数据,将预处理后的数据输入结合了深度残差收缩网络的学习模型,进行12个位置与和6种日常行为（站起、坐下、跳跃、深蹲、跌倒、捡起）的联合任务识别。实验结果显示,针对在暗室、会议室和走廊三种场景下的室内定位的平均识别率达到97.29%,行为识别的平均识别率达到90.02%。能够实现定位与行为的高精度联合识别。     

成熟柑橘的图像识别及空间定位研究

采用RGB颜色系统中2R-G-B色差的Ostu自适应闽值分割的方法可以将单果、多果、部分重叠及遮挡的成熟柑橘自动、快速识别；优化圆形Hough变换逼真地拟合出目标图像的形心坐标及半径；提出一种新的基于特征的匹配策略，结合双目立体成像技术实现空间目标的准确定位。经过验证，识别率〉95％，当工作距离小于1．0m时，距离误差可以控制在±0．8cm以内，算法准确快捷、鲁棒性好、通用性强。     

改进FAST-SURF算法在卷烟包件识别定位中的应用

在智能卷烟包件码垛系统中抓取目标物体前需要快速而准确地对其进行识别与定位。而传统的SURF方法在进行特征点检测时时间较长。因此,提出一种基于改进的FAST-SURF算法的双目目标匹配定位方法。将FAST算法检测特征点的检测像素个数由16个降为12个,利用FLANN算法搜索待匹配特征点,缩短搜索匹配时间,然后用改进RANSAC算法剔除误匹配对,根据图像匹配的结果与标定得到的内外参以及匹配特征点近似均匀分布的规律,将所有特征点的三维坐标进行平均运算,得到近似形心坐标。实验中,确定了合适的阈值,证明了该方法在卷烟包件识别定位的速度和正确率上都有一定提高且具有更好的鲁棒性。     

表情识别中基于轴对称的人眼定位方法

提出了一种精确的人眼定位方法.首先初步定位眉眼区域,接着利用先验知识将区域分成左右两类,然后利用邻域关于过虹膜中心的垂直线的轴对称性,以下半圆为邻域,选择轴对称性强的邻域所代表的点作为候选眼睛中心.该方法分析了眉毛和眼睛之间的白块,从而有效地区分了真假眼睛中心.实验结果表明,以这种轴对称性定位眼睛更加精确,速度快,不需要对产生的候选点进行复杂的筛选.本方法适合于表情丰富人脸图像的眼睛定位.     

表情识别中基于轴对称的人眼定位方法

提出了一种精确的人眼定位方法。首先初步定位眉眼区域,接着利用先验知识将区域分成左右两类,然后利用邻域关于过虹膜中心的垂直线的轴对称性,以下半圆为邻域,选择轴对称性强的邻域所代表的点作为候选眼睛中心。该方法分析了眉毛和眼睛之间的白块,从而有效地区分了真假眼睛中心。实验结果表明,以这种轴对称性定位眼睛更加精确,速度快,不需要对产生的候选点进行复杂的筛选。本方法适合于表情丰富人脸图像的眼睛定位。     

CRF与规则相结合的维吾尔文地名识别研究

该文通过维吾尔文地名的分析研究,提出了一种基于条件随机场和规则的维吾尔文地名识别方法。根据维吾尔文地名黏着性、音译等特点,针对维吾尔文地名识别任务,在词汇和词性特征基础之上,引入音节、词向量获取的相似单词、常用地名词典、地名特征词、地名词缀等特征进行实验,结果表明这些特征对识别性能有较大的影响。通过对错误识别结果分析,该文提出了基于规则的后处理,进一步提高了识别性能,准确率达到94.68%,召回率达到89.52%,F值达到92.03%。     

基于自动定位分割的图书识别框架

提出一种基于自动定位分割的图书识别算法,主要包括对拍摄图像进行图书封面区域的自动定位、感兴趣区域(ROI)分割、标准形状矫正以及有效区域的特征提取与相似性匹配部分.自动定位分割部分根据图书封面的几何形状特点,通过基于霍夫变换的形状检测算法对自然场景下拍摄的图书封面图像进行有效区域定位,对ROI进行分割并根据逆仿射变换将其矫正到标准形状;然后对获取的有效图书封面区域进行基于改进的尺度不变特征变换(SIFT)的特征点检测和特征描述,并采用词包(BOW)方法对其进行特征量化和码本学习,从而将定位分割出的图书图像与数据库中图书源图像进行相似性匹配.实验结果表明,对包含一定复杂程度背景的图书图像进行准确的定位分割和矫正,在很大程度上影响着基于特征匹配的图书识别技术的精确度.