高校形象识别系统中的标志设计

高校形象识别系统UIS(University Identity System)对大学形象的塑造和传播具有重要的意义和作用。本文主要从作为UIS视觉识别的第一形象要素的高校标志入手,探讨它在高校形象识别系统中的作用和使用情况,并在对我国现有高校标志设计归类的基础上,提出改进的建议和方法,从而通过高校标志这个独一无二的视觉符号帮助大学树立良好的视觉形象,提高竞争力。     

机器视觉在车道标志线实时检测中的应用

研究了基于机器视觉的车道标志线实时检测问题.讨论了车道标志线的描述方法,详细论述了车道图像的检测算法,并对实验效果进行了讨论与分析.结果表明,该检测方法具有较好的实时性和识别可靠性.     

道路交通标志识别的研究现状及展望

十几年来,道路交通标志识别的研究工作已经取得了一定成果,但还存在一些不足之处,主要有：识别对象单一,样本数少;处理方法比较单一,智能方法少;偏重于理论的多,面向应用的少;大多数实验对象都是标准图,针对实景图的少;以灰度图为研究对象的多,针对彩色图的少。机器识别面临的主要难点是：道路交通标志的背景相当复杂,颜色失真极为严重并存在不同程度的几何失真;彩色图像处理的理论和技术尚不成熟。“简化复杂问题、改进传统方法、基于颜色信息、采用智能方法”将是今后的一个重要发展方向。     

射频技术辅助的三维视觉识别系统

在基于视觉的物体识别领域,单目视觉识别技术往往只能获得物体片面信息,而多目视觉识别技术的运算复杂度较高.随着物联网技术的普及,无源超高频射频识别技术已经大规模应用于物体的标识上,具有的读取速度快、读取距离远的优势.本文提出一种通过先验信息辅助视觉识别的通用方法,提高物体识别的速度和准确性.通过识别射频识别标签,从数据库读取准确的特征信息辅助图像识别物体.通过摄像头采集物体的图像、视频信息后传输给控制模块,控制模块从数据库获取射频识别先验信息后以相机标定算法对图像进行矫正处理,对目标物体进行定位,从而复现物体的三维图像.传统的边缘检测和目标检测技术需要两个及以上的摄像头才能对物体进行三维识别,所提方法只需使用一个摄像头即可获取物体三维位置.针对边缘检测的改进中通过结合射频识别标签中准确的物体几何信息和像素信息来确定滤波窗口的权重,进行标定真实边缘和潜在边缘;针对目标检测的改进中在原始的Faster R-CNN的RPN架构上引入了特征金字塔,使得特征提取时语义更强.最后两种不同视觉识别方式的实验结果证明了所提方法的有效性,所提方法具有更高的识别定位精准度、更低的算法复杂度和更快的识别速率,可以更加准确可靠地对物体特性进行检测及形状、方位的判断.     

基于模板匹配的纸币号码识别系统

设计了一种能准确识别纸币号码的系统;该系统首先通过CCD摄像头采集图像,然后经过图像处理、扫描法定位、模板匹配几个过程输出号码串;为了提高识别率,采用基于图像轮廓提取和利用图像上、下矩对字符进行粗分类的模板匹配算法,显著减少模板匹配的计算量;实验结果表明,该方法取得了较高的识别率,并且已经在一个实际的系统中得到应用.     

基于SVM的自动羽绒识别系统

随着羽绒制品日益受到消费者青睐,一些不法商家为牟利而制假事件屡见不鲜,因此,羽绒种类的鉴定成为至关重要的问题,而鹅、鸭绒的识别更是重中之重。目前,对羽绒种类的识别,主要是用显微镜通过人眼观察完成的,但这种方式存在诸多弊端。论文通过对鹅、鸭绒等绒毛结构的分析,运用图像处理以及基于SVM的图像识别技术,用计算机完成了对鹅绒、鸭绒的自动识别。     

基于MATLAB的车牌识别系统的设计与研究

汽车牌照自动识别系统是智能交通系统的重要组成部分,主要包括图像采集、图像预处理、车牌定位、字符分割、字符识别等五个核心部分,并提出了一套基于MATLAB的汽车牌照自动识别系统的方法。该方法具有很高的识别能力,能有效解决在有噪声和光照条件恶劣情况下车牌的定位、字符倾斜、字符分割提取等复杂问题,最后运用上述方法对汽车图像进行处理,表明MATLAB在车牌识别系统中的运用非常有效。     

一个通用的图像处理与识别系统框架

根据图像处理与识别软件系统的实际开发经验,按照面向对象的软件工程方法,给出了一个通用的图像处理与识别软件系统框架。该系统框架合理地定义各种处理对象,并采用动态连接库实现技术,使其具有灵活的扩展性和组合性。     

基于摄像头的物体位置识别系统

介绍了一种基于STM32单片机设计的物体位置识别系统,该系统通过摄像头捕捉物体的位置信息,经过图像处理后将位置信息传递到液晶显示屏。系统可以应用到工业自动化生产、农业灌溉以及军事领域。实测结果表明物体位置识别系统可以准确给出物体的相对位置,具有广阔的应用前景。     

基于Python生态的驾驶员行为识别系统研究

研究人员发现交通事故发生的主观原因除了与驾驶员的道路安全意识淡薄有关,还与司机驾驶行为失当有关。文章旨在设计驾驶员行为分析和预警的软件系统,识别驾驶员面部和手部行为动作,达到对驾驶员行为安全预警的目的。该系统基于Python语言生态,辅以PyTorch深度学习框架、OpenCV计算机视觉库等各类图像处理模块设计而成,实现了识别驾驶员行为。     

导盲机器人的交通标志视觉识别技术研究

导盲机器人是当今研究热点问题之一,交通标志识别技术是导盲机器人中的重要技术环节。无法在复杂交通情况下高精度识别交通标志是阻碍导盲机器人投入使用的最大难题。在分析研究了已有交通标志识别技术的基础上,通过Matlab中的图像处理函数,创新性地在两个色度空间同时对图像进行填充与分割、膨胀与腐蚀、k-means聚类等一系列操作处理,辅以长宽比、面积限制、平行等几何条件的限定,准确识别了红绿灯、盲道以及人行道等交通标志。     

基于非参数统计分类模型的交通标志识别方法研究

交通标志识别是智能汽车或移动机器人自动导航的重要组成部分,由于现实环境中的交通标志存在着光照变化、褪色污损、扭曲变形等问题,使得同一类交通标志的模式分布呈现非高斯形态.为此,我们构造了一种非参数统计分类模型来识别交通标志.它对具有高度离散的模式识别问题有较好的适应性.实验表明这种分类模型用来识别特征高度离散的交通标志是有效的.     

基于非参数统计分类模型的交通标志识别方法研究

交通标志识别是智能汽车或移动机器人自动导航的重要组成部分,由于现实环境中的交通标志存在着光照变化、褪色污损、扭曲变形等问题,使得同一类交通标志的模式分布呈现非高斯形态。为此,我们构造了一种非参数统计分类模型来识别交通标志。它对具有高度离散的模式识别问题有较好的适应性。实验表明这种分类模型用来识别特征高度离散的交通标志是有效的。     

基于SRN/HMM的非特定人连续手语识别系统

手语识别是通过计算机提供一种有效而准确的机制将手语翻译成文本或语音。目前最新发展水平的手语识别系统在实际应用中应解决非特定人连续手语问题。提出一种将连续手语识别分解成各弧立词识别的分治方法，用于非特定人连续手语识别。把精简循环网（simple recurrent network,简称SRN）作为连续手语的段边界检测器，把SRN分段结果作为隐马可夫模型（hidden Markov models,简称HMM）框架中的状态输入，在HMM框架里使用网格Viterbi算法搜索出一条最佳手语词路径。实验结果表明，该方法的识别效果比单纯使用HMM要好。     

交通标志识别方法综述

交通标志识别对于车辆安全行驶具有重要作用,特别是针对存在光照变化和遮挡的情况,准确性高、实时性好的交通标志自动识别亟需解决。对交通标志的检测和交通标志的识别分别进行了综述,给出了它们的原理、步骤、特点和性能,以及进行算法研究常用的交通标志数据库。相比于传统的特征检测和识别方法,采用深度学习有助于解决光照变化、部分遮挡等情况下的交通标志识别难题,是今后自动驾驶和无人驾驶性能提升的主要途径。     

面向大词汇量的实时连续中国手语识别系统

目前手语识别研究的难点之一在于如何实现大词汇量的连续语句识别，针对这个问题，该文提出了几个有效的方法，包括修正转移矩阵，状态结点的捆绑，快速匹配，在搜索路径中加入词跳转的估计参数等。利用上述技术，该文实现了一个基于数据手套和位置跟踪器的大词汇量的连续的中国手语实时识别系统，对中国手语辞典中收录的5100个词以及一批连续语句作实验，实验结果表明，文中所介绍的技术在提高系统识别速度和准确率方面都很有效。     

应用BP神经网络分类器识别交通标志

介绍了神经网络特性和BP神经网络分类器的一般原理。针对交通标志识别需要处理的信息量大以及受天气道路等外界条件的影响存在噪声干扰的情况，提出了一种应用BP神经网络分类器识别交通标志的方法。识别分为图像数字处理、BP神经网络的训练、测试与对加入噪声图像进行识别3个步骤，经实验取得了良好的识别效果。     

面向中等词汇量的中国手语视觉识别系统

手语识别的研究和实现具有重要的学术价值和广泛的应用前景.提出了基于混合元捆绑的隐马尔可夫模型(TMHMM)用于视觉手语识别.TMHMM的模型刻画精度接近于连续隐马尔可夫模型,因此能保证最终的识别率不会明显降低,同时通过混合元捆绑降低计算成本,有效地提高识别速度.在特征提取方面,提出的层次型特征描述方案更加适合于中等或更大词汇量的手语识别.在此基础上,通过集成鲁棒的双手检测、背景去除和瞳孔检测等技术,实现了一个面向中等词汇量的中国手语视觉识别系统.实验结果表明,提出的方法能较好地实现常规背景中的中等词汇量的手语识别.     

基于SOFM/HMM模型的非特定人手语识别系统

手语识别是通过计算机提供一种有效而准确的机制将手语翻译成文本或语音。目前最新发展水平的手语识别系统在实际应用中应该解决非特定人手语识别问题。该文在分析非特定人手语识别特点－数据多且差异大、模型训练难收敛、对不同人数据的特征提取需求更迫切－的基础上，提出了SOFM／HMM模型，将自组织特征映射（SOFM）很强的特征提取功能和隐马可夫模型（HMM）良好的处理时间序列属性结合在一个新颖的框架下，并把该模型应用到非特定人中国手语识别中，实验结果表明，SOFM／HMM模型手语识别率比传统的HMM模型提高近5％。