一种基于最小哈希的二值特征匹配方法

特征匹配是图像识别中一个基本研究问题。常用的匹配方式一般是基于贪婪算法的线性扫描方式,但只适用于低维数据。当数据维数超过一定程度时,这些匹配方法的时间效率将会急剧下降,甚至不强于强力线性扫描方法。本文提出一种基于最小哈希的二值特征匹配方法。通过最小哈希函数映射变换操作,将原始特征集合分成多个子集合,并将一个在超大集合下内查找相邻元素的问题转化为在一个很小的集合内查找相邻元素的问题,计算量有所下降。使用Jaccard距离度量的最小哈希函数能最大限度地保证原始数据中相似的向量对在哈希变换后依然相似。实验表明这种匹配方法应用在二值特征上时,可以获得比KD-Tree更好的匹配效果。      

带约束不条件的特征与最小二乘影像匹配

讨论了一种新的边缘检测方法和用链码描述的线矩数学模型，给出基于不变线矩匹配的约束条件，并采用基于特征与最小二乘结合实现了精确的子像素匹配。     

智能交通系统中的车辆匹配综述

车辆匹配是一种利用图像或视频中的车辆信息,与数据库中的车辆数据进行对比,从而实现车辆的识别、跟踪和分类的技术。它在交通监控领域有着广泛的应用,本质上是一个基于邻近点的重复图像检索问题。目前,车辆匹配技术主要分为三类,包括基于传感器的方法、基于人工设计特征的方法和基于深度学习的方法。     

基于经验模式分解和匹配追踪的人脸检测

提出了一种新的正面人脸检测算法。该方法利用经验模式分解和匹配追踪算法来提取人脸特征,训练Bayes分类器来进行分类判决。在FERET人脸库中与特征脸(Eigenfaces)方法进行了比较,实验结果表明,该算法的计算效率和检测精度均优于特征脸方法。     

基于曲率特征的自主车辆地图匹配定位方法

提出了一种新的基于曲率特征的自主车辆地图匹配定位方法,该方法通过计算自主车辆行驶轨迹和参考轨迹的尺度不变曲率积分特征及其相关性进行匹配,可以有效地消除因航迹推算(DR)传感器标定参数偏差和航向角估计偏差而引起的错误匹配问题.文中首先采用扩展卡尔曼滤波器融合惯性测量单元输出、方向盘转角和4个ABS(防抱死刹车系统)传感器测量的轮速,估计自主车辆的位姿状态,并据此从数字地图中选择匹配的候选路段.然后利用本文提出的曲率空间特征地图匹配算法实现路段匹配,并根据曲率和航向角变化确定匹配点,最后将其作为无迹卡尔曼滤波器的观测值更新滤波器,从而实现高精度的位姿估计.现场道路实验结果表明,该法能够有效地实现地图匹配,降低自主车辆DR产生的累积误差,从而能够在GPS(全球定位系统)信号失效情况下实现长距离精确定位.     

基于AdaBoost和匹配追踪的选择性集成算法

为了平衡集成学习中差异性和准确性的关系并提高学习系统的泛化性能,提出一种基于AdaBoost和匹配追踪的选择性集成算法.其基本思想是将匹配追踪理论融合于AdaBoost的训练过程中,利用匹配追踪贪婪迭代的思想来最小化目标函数与基分类器线性组合之间的冗余误差,并根据冗余误差更新AdaBoost已训练基分类器的权重,进而根据权重大小选择集成分类器成员.在公共数据集上的实验结果表明,该算法能够获得较高的分类精度.     

基于AdaBoost和匹配追踪的选择性集成算法

为了平衡集成学习中差异性和准确性的关系并提高学习系统的泛化性能, 提出一种基于AdaBoost 和匹配追踪的选择性集成算法. 其基本思想是将匹配追踪理论融合于AdaBoost 的训练过程中, 利用匹配追踪贪婪迭代的思想来最小化目标函数与基分类器线性组合之间的冗余误差, 并根据冗余误差更新AdaBoost 已训练基分类器的权重, 进而根据权重大小选择集成分类器成员. 在公共数据集上的实验结果表明, 该算法能够获得较高的分类精度.     

基于加权匹配代价的初始视差估计算法

随着计算机图形学的发展,立体匹配技术已经成为三维场景恢复中一项重要的手段,视差估计是立体匹配中的关键基础技术。为了能够更好进行三维场景恢复,改善视差的工作便迫在眉睫。主要研究了在基于模板的可信传播立体匹配算法中改善视差初始值的算法：通过引入梯度差算子与绝对差和算子加权的匹配代价,运用交叉检验估计及WTA优化初始视差矩阵,进而提高初始视差值的准确性,从而改善最终的视差结果。经实验证明,本方法能够很有效地去除噪点,进而获得较高质量的视差结果。     

基于最小代价的多分类器的动态集成

本文提出一种基于最小代价准则的分类器动态集成方法。与一般方法不同,动态集成是 根据“性能预测特征”,动态地为每一样本选择最适合的一组分类器进行集成。该选择基于使误识代价与时间代价最小化的准则,改变代价函数的定义可以方便地达到识别率与识别速度之间的不同折衷。本文中提出了两种分类器动态集成的方法,并介绍了在联机手写汉字识别中的具体应用。在实验中使了３个分类器进行动态集成,因此,得到７种分类组合,在预先     

一种基于帧间差分和光流技术结合的运动车辆检测和跟踪新算法

为了改进智能交通中的运动车辆检测和跟踪方法,提出一种基于改进的帧间差分和光流技术结合的运动车辆检测和跟踪的新方法。先用帧间差分法检测出运动物体的运动区域,再计算差值图中不为零处的光流,然后利用其光流场来实现运动目标的跟踪。为了减少计算量,提出一种基于最优估计的点匹配技术和光流均匀采样策略的光流场计算方法,并通过对灰度化后的光流场进行自适应阈值分割、形态学滤波等处理,实现了实时的运动目标检测和跟踪。     

基于仿射特征描述的鲁棒车辆遮挡检测方法

在交通场景下进行多目标跟踪时,往往会存在车辆之间的相互遮挡,使得基于视觉的车流量计算准确度受到严重影响。针对这一问题,提出一种基于仿射特征描述的鲁棒车辆遮挡检测方法,该方法利用车辆的角点特征,建立基于仿射变换的车辆特征描述模型,判断车辆之间是否存在遮挡现象,再对遮挡车辆进行特殊分割,保证了车辆跟踪以及车流量统计的准确性。通过50段5分钟连续视频,每个视频中出现车辆遮挡时段大于1分钟,遮挡频率25%,遮挡帧数大于500幅进行试验,算法的车流量统计的正确性达到95%,正确跟踪率达到98%,验证了该算法的有效性。     

基于SURF特征点的多人脸跟踪方法研究

针对视频序列中多目标人脸跟踪问题,提出一种基于SURF(Speed-Up Robust Features)特征和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪方法。通过融合该方法,创新性地设计了一种多人脸跟踪系统框架,在目标出现明显的姿态、尺寸变化,或者遭遇局部遮挡、光照不充分等复杂环境干扰下,能够实现对目标人脸稳定跟踪。通过多组实验数据的对比,证明了该跟踪方法比Mean shift算法、传统KLT算法具有更好的鲁棒性,能获得更精确的运动信息;验证了多人脸跟踪系统能够在复杂环境下实现对多人脸的有效跟踪。     

基于目标中心定位和NMI特征的跟踪算法

实时目标跟踪过程中,为提高跟踪精度,要求跟踪的窗口也要实时的随着目标大小的变化而变化。以Mean shift算法为基础,根据概率检测法定位目标在各帧图像中的中心点,提出了一种自适应更新窗口的算法。同时结合归一化转动惯量NMI对目标进行识别,实时定位中心标示的对象。实验结果表明,该方法能在目标尺寸放大或缩小时选择合适的跟踪窗口,而且具有较强的跟踪抗干扰性。     

基于头部检测和跟踪的人数统计方法

提出一种基于头部检测和跟踪的人数统计方法。方法利用Adaboost算法进行头部检测,将头部检测分成了头顶检测、侧面检测、正面检测和后脑勺检测等多个子检测过程。此外,利用图像特征直方图的信息进行头部跟踪,排除了对静态误检目标的统计,提高了检测的精度。实验结果验证了该方法的有效性。     

一种基于背景模型的运动目标检测与跟踪算法

本文提出了一种静止摄像机条件下的运动目标检测与跟踪算法．它以一种改进的自适应混合 高斯模型为背景更新方法，用连通区检测算法分割出前景目标，以Kalman滤波为运动模型实 现对运动目标的连续跟踪．在目标跟踪时，该算法针对目标遮挡引起的各种可能情况进行了 分析，引入了对运动目标的可靠性度量，增强了目标跟踪的稳定性和可靠性．在对多个室外 视频序列的实验中，该算法显示了良好的性能，说明它对于各种外部因素的影响，如光照变 化、阴影、目标遮挡等，具有很强的适应能力．     

一种基于信息增益与费用评价函数的特征选择准则

特征选择问题是机器学习和模式识别中的一个重要问题,然而,在实际应用中,由于没有将特征选择与特征提取过程统一考虑,只注重特征本身的分类性能,没有考虑特征提取的费用问题,导致识别系统的效率较低,文中从实际应用角度,提出一种新的特征选择准则,将分类性能与特征的提取费用统一考虑,利用信息增益与特征提取费用综合评价函数作为特征选择准则,并给出了启发式算法ＥＣＦＳ〈将算法应用于实际领域的学习问题并与决策树算     

基于多层特征匹配的网络入侵检测系统

近几年来千兆以太网的出现,对传统入侵检测的监测速度提出了新的考验.通过对传统的基于网络的入侵检测的分析,提出了一种基于多层次特征匹配的网络入侵检测模式,有效地提高了入侵检测的速度,并且易于对不同级别的入侵提出不同的告警.     

基于纯几何学线特征匹配的点线结合匹配算法

为了解决传统匹配算法在强光照变化或者高动态范围(HDR)环境下的匹配不准确,在欠点环境下提取特征过少的问题,引入基于纯几何学的线特征匹配算法并融合性能优越的点特征匹配算法。在保证算法实时性与拥有足够数量匹配对的前提下,使得算法对于光照变化有较好的鲁棒性,同时提高匹配的准确率,满足诸如视觉里程计(VO)之类的实时应用。实验表明,该算法在满足实时应用要求的前提下,匹配精度以及对于光照变换的鲁棒性都有了明显的提升。     

基于角点检测与颜色连贯性分析的车牌定位算法

针对低分辨率视频图像,提出一种基于角点检测与颜色连贯性分析的快速车牌定位算法。考虑到车牌具备固定的颜色连贯性特点,首先由车牌背景颜色与车牌字体颜色得出分析掩膜;然后使用较小的阈值和最小角点间距计算得出掩膜内角点;最后对角点进行颜色加权,选择权值最大的分析区域。该方法对图像噪声具有极好的抗干扰性,适用于分辨率较低的视频图像数据。实验表明与其他方法相比,该方法的车牌定位准确率高,平均耗时短。