基于OpenCV的人眼瞳孔定位算法

近年来,人脸检测技术在机器视觉、模式识别、人工智能等领域得到了广泛的应用。而包含着丰富的内容和信息的人眼,作为人体生物特征的一个重要部分,关于人眼检测与定位的技术更是广泛应用在生物识别、医疗辅助、人机交互等领域。该文利用水平积分投影和区域特征的算法,快速定位人眼区域,然后利用区域投影的方法实现了瞳孔定位。     

基于人眼特征的驾驶员疲劳检测方法分析

驾驶员的疲劳驾驶是交通事故的主要原因之一,是一个重大的社会问题。人眼特征的识别是驾驶员疲劳状态识别中的关键,要判断驾驶员是否处于疲劳驾驶,首先需要判断其眼睛的状态,即眼睛的睁闭情况。本文对基于人眼特征识别的驾驶员疲劳检测技术进行了分析和讨论。     

疲劳检测中人眼定位方法研究

针对疲劳检测系统应用环境背景简单的问题,提出一种人眼定位方法。该方法使用Adaboost算法对人眼样本进行训练,将训练结果用于人眼定位。相比于其他疲劳检测方法,该算法不必首先定位人脸,有更高的检测速度和检测率,同时对光照和人脸姿势有更好的鲁棒性。     

基于AdaBoost算法和人眼定位的动态人脸检测

在快速人脸检测算法中,基于AdaBoost算法的人脸检测算法得到越来越多的认可。然而,该算法在复杂环境下常有误检的情况。为了既快速又能提高检测的准确率,提出了以人眼定位的算法作为辅助的人脸检测算法。首先应用AdaBoost算法检测人脸的位置,然后再利用改进的模板匹配算法对人眼进行快速识别与定位。在人眼检测方面,利用金字塔算法加快了检测速度。实验表明,该方法可减少AdaBoost算法的误检率。     

基于投影函数的人眼检测方法综述

人眼检测是计算机视觉领域的重要研究对象,也是人脸检测、虹膜分割以及人眼跟踪技术等技术的关键前提条件,广泛应用于各种场景之中.利用投影函数能分析图像特征,提取出图像的关键点,大量的研究表明利用投影函数能有效地检测人眼.文章详细介绍了各类基于投影函数的人眼检测方法原理,分析了其特点,希望能为相关研究人员提供参考.     

基于自适应相关滤波器的人眼定位改进方法

人眼定位是人脸识别、视觉跟踪系统中一个关键步骤。针对传统人眼定位方法定位精度低、误差稳定性差的问题,提出将自适应相关滤波器与灰度积分投影法相结合,在训练和测试阶段做了两点改进。首先对训练得到的自适应相关滤波器,在[-0.2,-0.1,0,0.1,0.2]角度范围内旋转得到5个滤波器,选择灰度最大值对应的位置作为初始定位点,然后在该定位点的5×5邻域内,水平和垂直方向分别做灰度积分投影,最后选择积分最小值的位置作为最终的目标定位点。与平均合成精确滤波器、最小输出平方误差和滤波器、自适应合成相关滤波器算法相比,改进算法的定位精度最大提高2.9%,平均绝对误差和标准差均低于原始算法。实验结果表明,提出的改进算法在定位精度和稳定性上均优于以上算法。     

视频监控中人眼检测方法研究

视频中的人眼检测对算法的实时性要求很高,本文提出一种人眼检测的算法。首先使用Adaboost算法检测人脸,并截取出人脸的上半部分,使用最小邻域均值投影对该区域做水平投影,并自下而上搜索局部最小值,获取眼睛的候选点,再通过训练好的BP分类器,选出最优的点即眼睛的位置。最后与前一帧中检测到的眼睛位置进行对比,确定最终位置。该方法识别准确,快速,平均用时约为0.01s左右,可用于实时检测。     

基于图像匹配的特征点检测方法综述

本文对图像匹配中特征点检测方法进行深入研究,对各种特征点检测算法进行了深入剖析,并对比分析几种主要算法的运行速率和特征检测效率,验证了每种算法的优缺点,对进一步研究发展特征点检测算法奠定基础.     

基于Floatboost算法的人眼定位

Floatboost算法相较于传统的Adaboost算法、Boosting算法具有计算量少和运算速度快的优点,目前在机器学习中应用广泛。针对人脸与人眼精确定位问题,采用Haar-like提取人脸特征,再运用Floatboost学习算法得到人脸检测器,在人脸准确定位的基础上使用Floatboost训练的人眼分类器定位人眼。Floatboost算法具备回溯性的优点,去掉了较弱特征,减少计算量,提升了运算速度。     

基于人脸结构特征的眼睛定位算法

眼睛定位在人脸识别检测过程中起着非常重要的作用.研究后发现,眼睛的灰度值在人脸所有的五官中是最高的,且具有一定的面积.文中针对人脸各器官的几何结构特征,结合眼睛灰度信息提出了一种新的眼睛定位算法:通过对灰度图像进行垂直和水平灰度投影后,能够对人脸初步定位,然后用一个相当于瞳孔大小的方形框去搜索整张脸,当落在这个框内的黑色像素的个数达到最大时,这个框的位置就是眼睛的位置.经过实验,这种算法定位准确且定位时间短.     

一个基于相关存储的模式识别方法

应用相关的存储技术实现模式识别可缩减存储大小,但由此带来的饱和问题严重影响系统正常工作,为解决此问题,本文在分析现有系统的基础上给出了基于一系列逻辑操作的识别技术.该技术的实质是用一形式化的方法增加输入模式间的线性无关性.通过论证与实例验证,该方法是有效而实用的.     

基于小波脊线的射频信号调制类型识别

针对已有算法应用的局限性,提出了一种根据小波脊线特征的差异来识别射频信号调制类型的新方法。在充分分析小波脊线原理的基础上,对4类典型射频信号的小波脊线特征进行分析,根据分析结果,给出调制类型自动识别流程。仿真结果表明,在较低信噪比下,该方法对各类射频信号的调制类型有较高的正确识别率,从而验证了该方法的正确性和有效性。     

基于仿生模式识别的DOA估计方法

该文就仿生模式识别(拓扑模式识别)在非感性抽象对象的信息处理方面的应用作了一些探索,提出了一种基于仿生模式识别的DOA估计方法。这种方法的建模过程是用在实际环境下采集的训练样本构造人工神经网络模型,对环境的适应能力较强,且这种方法的计算量较小,可以实现系统实时处理。实验结果表明：在信噪比为20 dB和0 dB时,该方法的正确估计率可达100%;在信噪比降为-20 dB时,该方法仍有83%的可识别率。     

实时字符识别在视频读表系统中的应用

为了保证字符识别的准确性，正确的字符分割是关键。由于光照不均匀等外界客观条件的影响，通常是对所采集到的数字图像先进行静态的各种预处理，然后才能进行识别从而得到正确的结果。这里详细地阐述了一种对采集到的非均匀亮度的数字水表图像上数字及符号的实时字符识别算法，并介绍了基于高斯滤波、投影算法、边缘检测等算法的图像预处理方法。通过现场实验，该算法的字符识别正确率达到100％，且实时性高。     

基于视频模式识别的快速超分辨率重建

针对传统超分辨率重建方法运算量过大的问题,提出一种快速超分辨率重建算法。该算法在快速最大后验概率（MAP）重建算法的基础上,针对车牌识别的特定应用进一步简化了代价函数。该算法从低分辨率的图像序列中提取出高分辨率的图像。这些高分辨率的图像不仅极大地提高了车牌的识别率,也降低了获取高分辨率图像所需成像系统硬件的要求。移动车辆视频的盲重建实验表明,该算法能够有效地提高车牌图像的质量,而其运算量要远远小于其他的超分辨率重建方法。较低的运算量使得该算法能够有效应用于实时系统。     

一种基于LTE-MR劣化场景模式识别的自动优化方法

要进行LTE网络的精细优化必须依赖于对覆盖和干扰的地理分布精确掌握。本文基于MR数据建立精确定位干扰矩阵,形成从覆盖、干扰、用户、空间、时间等多维度定位网络问题的MR分析方法。 基于模式识别理论和MR数据的精确定位分析,智能识别出覆盖和干扰的场景,针对这些问题场景通过迭代算法自动生成相应的优化策略。     

一种基于径向和环向模式特征量的近红外星图匹配识别方法

通过近红外星空目标分布的特征分析,对近红外恒星目标进行了径向模式特征量的构造和环向模式特征量的构造,并对经构造得到的特征库和基于标准星空坐标数据完成的星空导航匹配库进行了模式特征量的匹配识别。结果表明,这种方法在实际应用中具有一定的价值。     

基于图像模式识别的多元假设检验教学实验

多元假设检验理论是随机信号分析与处理课程教学中的难点和重点内容。本文以Kay编写的经典教材[1]中提出的图像模式识别实验为例,详细讨论了实验原理、流程以及一些具体的注意事项,并对不同噪声强度和窗口大小的图像恢复效果做了直观的比较和简单的分析。实践表明,将图像模式识别实验引入多元假设检验理论的教学中,可以使该理论的教学更加直观和易于理解。     

基于模糊识别的评估方法及应用

论述模糊识别评估模型及该模型应用于模糊评估的基本方法,包括相对隶属度函数的建立;定性、定量指标相对隶属度函数的建立。提出了定性、定量指标的集成方法,建立了模糊识别评估矩阵以及级别特征值评估矩阵。结合雷达干扰效果评估应用实例,分析了该模型用于模糊评估的特点和可行性,表明所提出的集成方法能很好地反映评估对象的评估结果,具有可行性和实用性。