面向学前教育对话机器人的多模态情感识别实现关键技术

为进一步提高学前教育对话机器人交互过程的准确性，结合多模态融合思想，提出一种基于面部表情情感和语音情感融合的识别技术。其中，为解决面部表情异常视频帧的问题，采用卷积神经网络对人脸进行检测，然后基于Gabor小波变换对人脸表情进行特征提取，最后通过残差网络对面部表情情感进行识别；为提高情感识别的准确性，协助学前教育机器人更好地理解儿童情感，在采用MFCC对连续语音特征进行提取后，通过残差网络对连续语音情感进行识别；利用多元线性回归算法对面部和语音情感识别结果进行融合。在AVEC2019数据集上的验证结果表明，表情情感识别和连续语音情感识别均具有较高识别精度；与传统的单一情感识别相比，多模态融合识别的一致性相关系数最高，达0.77。由此得出，将多模态情感识别的方法将有助于提高学前教育对话机器人交互过程中的情感识别水平，提高对话机器人的智能化。     

基于弦和路径分析的环系最小环最小集识别方法

最小环最小集（SSSR)是环系的重要特征之一。本文提出一种基于生成树、弦和路径长度的环系最小环最小集识别方法，不需事先进行环系识别。由于采用以分枝节点和枝为基本单元的树图表示，降低了树图的复杂度，并且识别过程只需在图上搜索一次，大大加快了识别过程。给出了2个包含复杂环系的化学结构作为最小环最小集识别的例子。     

数字图像处理在顶点识别中的应用研究

图像检测中对2D图像的长度，面积测量，以及工件的某些指标的计算，常常会遇到顶点识别问题,锯齿型工件的锯齿顶点坐标的测量，是数字图像顶点识别中比例典型的例子，利用数字图像处理技术检测锯齿工件顶点，对图像进行了边缘检测，二值化，顶点识别处理，在顶点识别中还需剔除异常点，以减少识别错误率，描述了数字图像处理技术用于非接触精确测量的原理，对整个顶点识别过程做了详细的探讨，给出满意的识别结果。     

基于BP网络的侦察雷达目标识别方法研究

本文旨在探讨应用于侦察雷达的一种目标识别方法。选择目标回波信号的多普勒频率作为目标特征，采用目前被广泛应用的BP网络构建人工神经网络模型，对某型战场侦察雷达的目标样本进行训练，并进行测试。在识别过程中不断对训练样本及训练目标进行更新，提高了识别正确率和识别速度。     

基于惯性传感器的步态身份识别

基于步态的身份识别作为一种新的生物特征识别技术，以其非接触、无打扰、远距离、不易伪装等优点成为了生物特征识别技术领域的研究热点。此外，近年来，由于MEMS惯性传感器技术发展成熟及其在便携式设备中的广泛应用，基于惯性传感器的步态身份识别越来越受到科研人员的关注。文中收集整理了国内外有关惯性传感器步态身份识别的研究方法和现状，并对该领域的相关技术进行了回顾；根据识别过程处理的先后顺序，依次回顾了数据采集、数据预处理、数据分割、特征选择与组合、智能识别各个阶段的相关技术以及研究现状，并给出了目前主要的公共步态数据库，以方便感兴趣的读者进行实验分析。最后，在此基础上讨论了基于惯性传感器的步态身份识别的技术难点，并对未来发展方向进行了展望。     

机智机型运动识别方法的研究

本文在文章的思路下（即根据不同机种机型具有不同的运动性能对飞机进行机种机型的识别），以美军战斗机和攻击机为例，对识别过程中存在的关键问题的解决进行了讨论。     

基于纹理特征的汉字字体识别研究

介绍了字体识别的重要性和有待解决的问题，提出了一种利用Gabor滤波器提取版面纹理特征进行字体识别的方法，着重介绍了滤液器设计、纹理特征提取和字体识别的过程。这种方法是与内容无关的，不需要局部微细特征分析，可以解决实际版面样弱印刷质量差、变形多的问题。用于常见字体的识别，取得了较好的效果。     

HMM在汉字识别技术中的应用

研究在汉字识别技术中，采用ＨＭＭ描述汉语本识别过程，汉语本识别后处理以及采用２Ｄ－ＨＭＭ进行字符识别，以提高系统的识别率和稳定性。     

基于端到端句子级别的中文唇语识别研究

近年来，随着深度学习的广泛应用，唇语识别技术也取得了快速的发展.与传统的方法不同，在基于深度学习的唇语识别模型中，通常包含使用神经网络对图像进行特征提取和特征理解两个部分.根据中文唇语识别的特点，将识别过程划分为两个阶段——图片到拼音（P2P）以及拼音到汉字（P2CC）的识别.分别设计两个不同子网络针对不同的识别过程，当两个子网络训练好后，再把它们放在一起进行端到端的整体架构优化.由于目前没有可用的中文唇语数据集，因此采用半自动化的方法从CCTV官网上收集了6个月20.95GB的中文唇语数据集CCTVDS，共包含14 975个样本.此外，额外采集了269 558条拼音汉字样本数据对拼音到汉字识别模块进行预训练.在CCTVDS数据集上的实验结果表明，所提出的ChLipNet可分别达到45.7%的句子识别准确率和58.5%的拼音序列识别准确率.此外，ChLipNet不仅可以加速训练、减少过拟合，并且能够克服汉语识别中的歧义模糊性.     

对联机手写汉字识别技术的研究——实现笔画识别

联机手写汉字识别(OLCCR)，是指用笔在图形输入板上写字，人一边写，机器一边认，是一种方便的汉字识别手段。在各种自动识别输入的方法中，OLCCR是能够代替或部分代替人工编码输入的惟一可能的方法。识别中主要是两方面的问题：建立汉字识别库和手写板上笔画轨迹的识别。文中就第二方面即手写笔画识别的问题进行了全面的研究，采用笔画基元帮助分析笔画轨迹，并用可视化编程工具Visual C 6.0实现了基于这种方法的笔画识别过程。     

Introducing rotation invariance into the Neocognitron model for target recognition

This model introduces rotation invariance into the Neocognitron model by way of rotation layers. The most likely orientation of the target is detected and used for further pattern classification using an algorithm similar to that for the Neocognitron model. The visual target recognition capability of this model is demonstrated.     

一种Pseudo-Zernike矩的改进算法

Pseudo—Zernike矩在模式识别中被广泛采用。但由于Pseudo-Zernike矩的复杂性，相关算法研究尚未得到良好解决。文中对常用算法进行改进，提出了一种直接将矩形图像映射到单位圆内进而求取Pseudo—Zernike矩的算法，并将其应用于识别阿拉伯数字。实验结果表明该算法在计算速度和识别精度上都有明显提高。     

一种Pseudo-Zernike矩的改进算法

Pseudo-Zernike矩在模式识别中被广泛采用。但由于Pseudo-Zernike矩的复杂性,相关算法研究尚未得到良好解决。文中对常用算法进行改进,提出了一种直接将矩形图像映射到单位圆内进而求取Pseudo-Zernike矩的算法,并将其应用于识别阿拉伯数字。实验结果表明该算法在计算速度和识别精度上都有明显提高。     

On choosing measurements for invariant pattern recognition

Achieving system invariance to complex pattern transformations is a frequently occurring problem in pattern recognition. Quite often it is difficult to find measurements or their processing operators that are invariant to the transformation under question; thus averaging over the transform domain is the only solution. This paper presents computationally simple criteria for evaluating measurements, based on their average performance. An algorithm for comparing the effectiveness of different such measurements is also proposed.     

Kohonen SOFM神经网络及其演化研究

Kohonen SOFM神经网络广泛地应用于模式聚类、模式识别、拓扑不变性映射等方面。从KohonenSOFM神经网络结构和聚类算法入手，对其演化网络进行了比较分析，并从聚类算法性能的角度给予了综述。最后针对网络结构和算法的不足，指出了需进一步研究的方向。     

微分几何编码识别物体的形状

为更好地识别目标形状,编码方法需要对目标的刚体变换具有不变性,同时最大限度保持目标的原有信息。鉴于刚体平面曲线作变换时其曲率的不变性,提出了基于轮廓曲率提取的目标边界编码方法,并对此方法实施了离散化处理。提出了基于改进的KMP算法（D.K.Knuth,V.R.Pratt和J．H．Morris）的曲线匹配方法,并对目标轮廓的重建作了描述。实验证明,利用微分几何的思想描述目标边界,提取方法简单,存储量小,其编码针对目标刚体变换具有不变性,为识别提供了较大的方便。     

模式识别协同算法的平移不变性

在模式识别的协同学理论框架下，引入了和坐标空间相关的模式矢量及其关于坐标的Ｆｏｕｒｉｅｒ变换，从而解决了平移不变性的问题。文中以染色体识别为例作了验证。     

Rotation-invariant neural pattern recognition system withapplication to coin recognition

In pattern recognition, it is often necessary to deal with problems to classify a transformed pattern. A neural pattern recognition system which is insensitive to rotation of input pattern by various degrees is proposed. The system consists of a fixed invariance network with many slabs and a trainable multilayered network. The system was used in a rotation-invariant coin recognition problem to distinguish between a 500 yen coin and a 500 won coin. The results show that the approach works well for variable rotation pattern recognition.     

基于多尺度轮廓段的形状特征提取与识别

形状识别是计算机视觉与模式识别领域的重要研究内容。形状的特征选取与描述是形状识别的研究热点。针对现有识别方法的不足，提出一种通过对不同长度轮廓段进行描述，进行特征提取的方法。对每个形状均在6种尺度下进行特征提取，每种尺度选取5种轮廓段特征参数，实现了对形状的特征描述。在形状识别阶段，使用动态时间规整（DTW）算法度量形状描述子之间的匹配距离，实现形状识别。分别在Kimia99、Kimia216和MPEG-7数据库中进行算法验证，结果表明基于多尺度轮廓段的形状特征描述子具有旋转、缩放、平移和局部遮挡不变性，识别率优于现有算法。     

基于结构特征的视网膜血管形态识别

针对视网膜眼底图像获取过程中眼球转动的问题,提出一种基于节点最近邻结构的具有旋转和平移不变性的视网膜血管形态识别方法.该方法利用节点的周边结构稳定性的特点来进行节点结构特征提取,进行图像相关结构匹配的判定.实验结果表明了该识别算法的有效性和可靠性,且不需要进行方位对准处理,具有较好地识别灵活性和实用性,正确识别率达到98.57％.