基于WPD和(2D)~2PCA的步态识别方法

为了提高步态识别率,在步态能量图(gait energy image,GEI)基础上,提出了基于小波包分解(waveletpacket decomposition,WPD)和完全主成分分析(two-directional two-dimensional principal component analysis,(2D)2PCA)的步态识别方法.该方法采用基于人体轮廓的GEI来解决步态数据量过大的问题,并采用WPD和(2D)2PCA进行步态特征提取,解决了已有基于小波变换的步态识别方法中高频分量丢失或维数过高问题.在NLPR步态数据库上对该方法进行了评测,并与经典方法进行了比较.实验结果表明:该方法具有更高的识别率和视角变化的鲁棒性.     

一种基于运动分析的步态识别方法

步态识别是新近发展的一种用在身份识别、视频监控等场合的生物特征识别技术.文中提出了一种基于运动分析的步态识别方法,采用线性判别分析和离散余弦变换分析从图像序列中提取的步态特征.采用背景减除技术提取了侧影,利用侧影的宽高变化进行了步态周期分析及行走方向判断;采用一种通过分析侧影宽度变化获取角度信息的肢体角度提取方法获取了步态序列特征;用类间散布矩阵和类内散布矩阵对应的行列式的比值确定特征个数,并采用线性判别分析和离散余弦变换分析了步态特征.在几个常用数据库上进行了实验结果表明,该方法行之有效.     

基于广义主成分分析的步态识别算法研究

步态识别是根据人行走方式的不同对人的身份进行识别的.通过背景减除实现人体检测,运用形态学操作和图形几何变换实现了图像的标准中心化.在特征提取阶段使用步态能量图(GEI)来描述每个步态序列,分别使用主成分分析、二维主成分分析、完全的二维主成分分析以及加权完全的二维主成分分析对特征进行降维,最后采用最近邻分类器来测试识别结果作对比研究.实验结果表明权衡计算量和识别率,二维主成分分析对于GEI的步态识别比较有效,识别率可达95.43%.     

一种基于步幅长度及频域特征的步态识别方法

步态识别作为一种较新的生物认证技术有其独特优势,它旨在根据人行进过程中的行走步态模式来识别其身份.提出一种基于步幅长度及频域特征的步态识别方法:首先采用背景减除算法实现运动人体检测,并根据步幅长度变化特征进行周期分割.然后提取步幅长度极值结合关键帧的频幅均值构成五维特征向量,最后用标准模式分类器在中科院自动化所提供的CASIA步态数据库中进行实验,在降低了算法复杂度的同时,获得了令人鼓舞的实验结果.     

基于识别关键件的子装配体识别方法

为避免在复杂产品装配序列规划过程中出现过度的组合爆炸,同时基于产品无向连接图和子装配体约束要求,提出一种新的子装配体识别方法。通过产品零件的无向连接图,找出复杂产品中的"连接关键件"和"识别关键件",用于区分不同的零件连接集合;通过子装配体的稳定性检验及矫正、独立无冲突性检验及矫正,找出复杂产品中的有效子装配体;采用深度搜索策略生成每个子装配体的装配序列,得到复杂产品的装配树结构。通过某齿轮油泵模型的实例演示,证明了子装配体识别方法的有效性。     

多重图像轮廓特征结合的步态识别算法

为提高图像步态识别率,研究了一种基于图像轮廓多特征的步态识别算法.该算法首先从图像轮廓的基础上选取了图像步态的3个特征;然后,通过建立不变矩、帧差百分比的动态特征,并结合改进的角度距离的静态特征,实现了图像轮廓特征的提取;最后,通过对传统的K近邻法改进,完成了图像步态识别.实验结果表明:单用静态特征的步态识别率最高为91.94%;结合动态特征,并在改进分类器下获得最高为99.19%的识别率.     

基于Radon变换的特征提取在步态识别中的应用

步态识别主要通过人体走路的姿势来识别人的身份．从经过背景减除后的人体运动图像序列中,根据面积变化确定运动周期,提取人体宽度信息,对下肢进行Radon变换,经处理后提取运动角度信息．对所得到的信息主分量分析变换后进行动态时间规整,采用最近邻分类器分类．该方法可以有效地降低人体运动时身体自遮挡及影子带来的影响．在小数据库上取得了很高的识别率．实验结果表明该方法有效．     

基于统计模型的步态识别

提出一种简单有效的步态识别算法.对于每个步态序列,首先,通过背景减差检测运动目标的轮廓;再计算轮廓质心与边缘的距离,并对其进行归一化;用PCA方法获取归一化距离信号的特征空间;使用时空相关进行相似性度量;最后通过最近邻法进行分类识别,在自己建立的样本数据库中取得了满意的效果.     

基于卷积神经网络的步态周期检测方法

针对步态周期检测直接影响到步态识别的计算量和精度的问题,本文基于深卷积神经网络实现步态周期检测,分别通过将步态序列根据周期性进行分类,和将步态序列拟合为正弦函数进行步态周期性检测的方法,对步态周期进行建模.其关键思想是根据步态周期的规律性,将步态起伏作为分类问题或一个正弦函数来建模,步态视频中的每个帧对应一个可以表示其...     

基于能量图匹配的步态识别方法研究

步态识别是一种新兴的生物特征识别技术,它依赖于图像处理和模式识别技术.本文针对步态识别目的,运用基于能量图的方法识别步态目标.首先对静态背景下的序列图像进行背景建模,根据建模结果提取出各帧图像中的目标.二值分割之后,运用形态学滤波器处理目标,得到无噪声的完整目标,经平均化计算得到能量图.讨论了相似性计算方法,运用模板匹配法进行最终的目标识别.运用步态数据库中的图像进行实验,结果证明了方法的有效性.     

一种基于MASM的口形轮廓特征提取方法及听视觉语音识别

提出了一种用于听视觉语音识别的基于MASM的口形轮廓提取方法，这种方法只需要少量的训练数据就可以实现对大量口形轮廓的准确提取。还引入了一种口形轮廓的平滑修正方法，该方法利用口形连续变化的特点，对错误轮廓进行修正。实验证明，利用该方法提取轮廓的准确率比常规ASM模型高出20个百分点；将该口形轮廓特征引入到听视觉语音识别中，可以有效地提高噪音环境下的识别率。     

A nonlinear PCA algorithm based on RBF neural networks

Traditional PCA is a linear method, but most engineering problems are nonlinear. Using the linear PCA in nonlinear problems may bring distorted and misleading results. Therefore, an approach of nonlinear principal component analysis (NLPCA) using radial basis function (RBF) neural network is developed in this paper. The orthogonal least squares (OLS) algorithm is used to train the RBF neural network. This method improves the training speed and prevents it from being trapped in local optimization. Results of two experiments show that this NLPCA method can effectively capture nonlinear correlation of nonlinear complex data, and improve the precision of the classification and the prediction.     

基于人工神经网络的非线性组合预测方法研究

在现有组合预测模型中以线性或非线性规划方法求解优化问题遇到了较多的困难,而递归组合预测方法的过程又较为烦琐。针对这一问题,本文基于人工神经网络技术建立了一种新的非线性组合预测模型;并从避免不规则权重入手,提出了通过主分量分析提高参与组合预测信息有效性的方法,提高了预测精度。实践表明,效果是令人满意的。     

身份识别中步态特征的提取

阐述了2种简单有效的基于步态的身份识别方法——基于模型的方法和非基于模型的方法.基于模型的方法利用人体的骨骼化模型,首先对输入的图像序列自动进行背景初始化;然后分割图像中运动人体的侧面影像,并进一步细化为人体的骨骼化模型;接着从模型中提取人体的静态参数以及动态参数作为特征.非基于模型的方法计算图像间的光流场,从光流场中进一步提取可识别特征.将2种方法应用于室内拍摄的视频,实验结果表明,通过提取可靠的步态特征,降低了数据处理的代价,而且得到了较好的识别性能.     

PCA故障检测方法及应用

基于主元分析（PCA）的传感器故障检测方法中T2和SPE统计量是两个重要指标。首先介绍T2统计量超限而SPE没超限故障检测的方法。利用主元相关变量残差统计量代替平方预测误差SPE统计量,并采用累积方差贡献率确定PCA模型的主元数。该方法避免了SPE统计量的保守性。最后将该方法应用于电厂某机组工作过程检测中,通过仿真验证该方法的有效性。     

一种基于小波包主成分分析的语音情感识别方法

在语音情感识别中,由于特征参数的提取直接影响到最终的识别效率,从原始语音信号中提取特征参数是非常重要的。但是本文中提取的特征维数太多,导致特征匹配时过于复杂,消耗系统资源,不得不采用特征降维的方法。本文主要是研究一种在小波包变换的基础上通过特征降维来提高语音情感识别效果的方法,为此本文在德国库EMODB的基础上,通过小波包变换提取出语音的情感特征参数,然后利用主成分分析法对特征参数进行降维,最后利用支持向量机进行训练和测试。通过实验,获得了较好的识别效果。     

低信噪比混沌信号的维数计算

维数的分析与计算在混沌信号处理中有着重要作用，而基于Hausdorff 维数理论的G－P算法在计算混沌吸引子的关联维数时存在抗噪声干扰能力差，运算时间长等缺点，通过对重构空间引入奇异谱分析，将状态矢量变换到一组正交坐标系，进而设计其关联维数，克服了原算法的不足，同时具有可靠性高，易于实现等优点。     

一种未知光源参数的明暗恢复形状方法

针对传统SFS(shape from shading)必须已知光源参数的缺陷，提出了一种新的使用神经网络恢复单幅未知光源参数环境中物体三维形状的方法。该算法利用前向神经网络的非线性映射能力，建立了物体表面形状和其对应的图像灰度值之间的非线性关系，所得权值可视为环境光源参数，由此得出反射图函数。基于该反射模型，物体表面高度值通过迭代的方法求得，并使用多分辨率分级实现SFS算法以减小算法复杂度。实验结果表明该算法对于无光源环境，能给出有效的恢复结果。相比传统算法，精度提高了约29％。