AdaBoost算法在ATM自动识别系统中的应用

基于AdaBoost算法构造了人脸检测系统.实验结果表明,该算法实现人脸检测时间在70 ms左右,在环境较好的情况下可有效检测单个人脸和多个人脸,满足了该系统的要求.     

基于姿态解析算法的智能轮椅设计

随着我国人口老龄化的日益加剧,为帮助高龄老年人和身体残疾人士正常出行,文章设计基于姿态解析算法、增量型PI算法的多功能智能轮椅。仿真轮椅以STM32F103ZET6为核心处理器,通过手势的姿态解析算法,运用老年人的手势配合手势识别技术原理,结合多个模块及多传感器融合实现手势控制轮椅的移动和转向,自动避障、GPS定位信息的实时传输、一键呼救、意外情况录像功能,增量型PI算法的输出是上一次输出的增加值,能使轮椅平稳行驶。结果表明,姿态解析算法提高了轮椅对手势的识别率,增量型PI算法提高了轮椅行驶的平稳度,模块化的设计思想满足轮椅的安全、智能化要求,能帮助行动不便的残疾人士和高龄老年人正常出行。     

智能轮椅避障测距控制系统

介绍了一种智能轮椅避障测距系统,给出了多路测距系统的结构和超声波传感器的分布,设计了避障测距与控制程序,并进行了自主避障与相关实验.实验结果表明:系统测量误差小,可以应用于智能轮椅避障系统中.     

基于AdaBoost算法的智能轮椅机械臂抓取控制研究*

提出了基于AdaBoost目标检测算法的机械臂抓取控制,当通过AdaBoost算法检测到目标物体,通过串口发送数据给单片机;单片机分析处理数据生成控制指令控制机械臂运动,实现了机械臂的动态抓取。     

基于模糊贝叶斯网络算法的智能轮椅避障

对传统BP神经网络模糊逻辑的智能轮椅避障方法在训练过程中存在的过拟合和避障路径不够优化的问题,提出了一种模糊贝叶斯网络避障算法以降低神经网络的复杂度;该算法利用模糊神经网络对隶属度函数的参数进行自主学习调整,同时为增强神经网络的泛化能力和计算能力,在网络目标函数中加入权衰减项,利用贝叶斯原理优化神经网络的结构和权值;仿真和实机实验表明,该算法在训练结果和避障效果上均优于传统BP神经网络,提高了智能轮椅避障的实时性,优化了避障路径,可满足用户对智能轮椅安全性和舒适性的需求。      

基于AdaBoost的眉毛检测与定位

文章利用Haar-Like小波及其扩展特征,把AdaBoost算法应用于眉毛的自动检测与定位。实验数据包括114人的228幅眉毛图像,每人闭眼和睁眼各一幅,分别用于训练和测试,大小均为768×586。通过把这些图像缩小1/10后进行AdaBoost训练,解决了其速度较慢和对内存需求较高的问题。实验结果表明,AdaBoost级联分类器的训练耗时约2.7s,测试耗时每幅图像约24ms,对眉毛检测和定位测试的精度达到了97.4%。     

基于人工智能的智能轮椅设计

常见的轮椅解决了运动功能障碍者代步的基本功能,但难以满足年老体弱者和残障人士的独立操作、康复训练等要求。为此,设计基于人工智能的智能轮椅,该轮椅选用ARM Cortex-M3作为主控器芯片,实现个性化功能扩展。NLP-5X语音识别模块实现了操作者与轮椅控制系统的语音交互,提升了轮椅的操控性;激光雷达避障算法解决了轮椅在行驶中自动避障的难题;姿态调整模块通过压力传感器精准调整轮椅结构,满足了下肢康复训练的需求。智能轮椅提高了轮椅的安全性、智能性和多功能性,为下一代轮椅的设计提供了一定的参考。     

智能轮椅室内避障导航及仿真实现

关于智能轮椅路径识别问题,如何采集外界障碍物信息,以及迅速的做出判断是智能轮椅进行室内避障导航的关键.针对轮椅受路面粗超度,轮胎变形,和结构变彤等的影响,整个系统表现为高度的非线性和不确定性.为解决上述问题,提出在智能轮椅中安装超声、红外传感器,利用模糊逻辑算法处理障碍物信息进行室内避障导航.在 Simulink 中建立轮椅运动学模型和创建模糊控制理论的模糊控制器,进行智能轮椅避障导航仿真.仿真结果表明,智能轮椅能有效完成室内避障,到达目的地,获得良好的避障导航效果.将该方案应用到智能轮椅上,将提高轮椅的智能水平,扩大其应用空间.     

基于模糊神经网络在智能轮椅避障中的应用

针对机器人在未知环境中的避障问题,提出了一种多传感器信息融合的避障方法.利用多传感器(声纳、摄像头)来采集外部环境信息,使得智能轮椅在移动过程中可以得到更充分的外部环境信息;使用基于Takagi-Sugeno (T-S)模型的模糊神经网络来对环境信息进行融合;通过融合的结果来控制轮椅的避障行为.通过模拟实验验证和分析,表明了该方法在解决轮椅避障问题方面有很好的效果,同时优化了轮椅避障的路径,提高了智能轮椅使用的安全性和方便性.     

模糊控制技术在智能轮椅避障中的应用

本文简单介绍了超声传感器的工作原理。并用多个超声波传感器来获取环境信息,得到障碍物的距离和方向的信息,然后基于模糊控制技术对这些信息进行数据融合,从而实现智能轮椅的安全避障。     

基于Adaboost和Camshift的人脸检测

Adaboost算法具有很好的实时性,但是也存在检测过程中鲁棒性不强,遇到遮挡问题检测失效等问题。针对这些问题,提出了基于改进Adaboost的人脸检测算法,该算法结合了Camshift人脸跟踪算法并改进了原算法中的颜色直方图模型。以实际人脸检测与跟踪实验为例,证明了该算法在人脸自动检测跟踪过程中具有速度快、准确度高,能有效克服检测过程中遮挡以及类肤色干扰问题等。     

基于肤色分割和AdaBoost算法的彩色图像的人脸检测

文章提出了肤色分割和AdaBoost算法结合的人脸检测算法。首先,对彩色图像进行肤色分割,通过人脸肤色的统计特征得到候选人脸区域：然后,基于AdaBoost算法,使用由强分类器组成的级联分类器对候选人脸区域进行扫描,最终得到精确定位的人脸。实验证明,该方法具有肤色检测快速和AdaBoost算法误检率低的优点,可以有效的运用于多姿态、多人脸和复杂背景的情况。     

基于肤色和AdaBoost算法的人脸检测

本文介绍了一种将肤色信息和AdaBoost算法相结合的人脸检测方法。先用肤色分割法排除掉非肤色区域的干扰,然后用AdaBoost算法训练的分类器对肤色区域进行检测,该方法在保证检测率的同时,大大减少了目标区域的误检率,提高了人脸检测准确率。     

基于视觉导航的智能轮椅控制系统

为有效实现基于标识线的轮椅视觉导航功能,设计一种嵌入式智能轮椅控制系统。该系统采用图像数据压缩技术突破存储容量与运行速度的限制,提出标识线自适应阈值提取算法,用于实现不同光线环境下的阈值提取,引入模糊比例-积分-微分控制算法实现对轮椅路径跟踪的稳定控制,通过将超声波避障和手动干预等技术融合到视觉导航控制系统中,保障轮椅运行的安全性。实验结果表明,智能轮椅在各种环境下运行安全稳定。     

基于Adaboost算法的行人检测方法

鉴于Adaboost算法简单可靠、学习精度高的特点,提出一种基于Adaboost算法的行人实时检测方法。选取了扩展的类Haar特征,采用Adaboost算法训练得到了一个识别准确率理想的行人分类器,通过VC编程将级联分类器应用到实际的行人检测系统中。试验结果表明,该方法可以快速、准确地实现行人的在线检测,具有较好的实时性。     

基于遗传算法的避障TSP问题算法设计

主要探讨复杂环境下避障TSP问题的遗传算法的求解方法.针对TSP问题和避障TSP问题的不同,在染色体的编码方式、有效范围、基因选取、遗传算子等方面对传统遗传算法进行改进,同时引入了代价矩阵和基因库以提高算法的收敛速度.     

基于Adaboost算法的人脸检测实现

人脸检测是指把人脸从一幅静止的图像或者动态视频中检测出来,并且指出人脸在图像或视频中的大小和位置.目前存在着大量的人脸检测算法,其中Adaboost算法是比较实用的人脸检测算法.Adaboost算法中人脸的特征采用的是矩形特征,在大量的样本集中,提取样本的矩形特征进行训练,生成多个弱分类器,然后合并多个弱分类器形成一个...     

基于AdaBoost算法的彩色图像人脸检测研究

在彩色图像中,不同的颜色所对应的灰度值可能相同,因此在灰度图像中检测不到的信息可能在彩色图像中被检测到。本文提出一种彩色积分图概念,在AdaBoost算法的分类器训练过程中分别得到彩色图像的人脸信息,并在分类器的后五层使用融合彩色信息的分类器分类。实验表明,本文方法增强了分类器的分类能力,提高了系统的正确检测率,降低了错误报警率。     

基于SVM的网络入侵检测集成学习算法

互联网络中,计算机和设备随时受到恶意入侵的威胁,严重影响了网络的安全性。入侵行为升级快、隐蔽性强、随机性高,传统方法难以有效防范。针对这一问题,提出一种基于SVM的网络入侵检测集成学习算法,该算法利用SVM建立入侵检测基学习器,采用AdaBoost集成学习方法对基学习器迭代训练,生成最终的入侵检测模型,仿真实验表明了该算法的有效性。     

一个基于Adaboost的快速人脸检测系统的实现

人脸检测技术作为计算机视觉和模式识别领域中的一个重要课题,具有很高的学术研究价值和商业应用价值。本文使用Adaboost算法训练了一个分类器,并且实现了一个快速人脸检测系统。从一个特征库中选择少量关键的类Haar特征产生一个高效的强分类器,再使用cascade方法将强分类器构成一个更为复杂的级联分类器。采用放大检测窗口的方法获得图像的待检测子窗口,比传统的金字塔法减少了很多计算量。实验证明该系统能够快速准确地在一幅图片中检测出人脸。