基于目标运动分辨技术提取导弹目标运动特征

空间运动特征是导弹目标识别所依据的主要目标特性之一。本文基于目标运动分辨(TMR)技术，研究了导弹目标空间运动特征提取的方法与处理步骤，并用实测数据进行了验证。     

基于多特征的视频中单人行为识别

基于视频流的运动人体行为识别是一项既具有挑战性同时又非常具有广阔应用前景的研究课题。行为识别是基于人体目标识别和人体跟踪更高级的计算机视觉部分,研究出一种健壮的行为识别算法具有重要的理论意义和广泛的应用前景。利用在视频的基础上提取出位置分布图、大小分布图等一系列的属性将人的行为进行分类。采用基于帧间差分和改进混合高斯模型的运动人体分割算法,解决了复杂背景下的运动目标检测问题。实验数据对提出的新的行为描述方法进行了各种指标的讨论,验证了本文提出的算法的合理性与高效性。     

基于多特征融合的人体运动姿态智能识别算法研究

针对人体运动姿态复杂,而基于单特征的运动姿态识别算法难以对人体姿态进行准确识别且效率较低等问题,文中提出了一种基于多特征融合的相关智能识别算法。该算法利用图像去噪等方法对采集到的原始图像数据进行预处理,以突出图像中的关键信息。同时通过OpenCV提取数据中的Hu不变矩等特征,并利用神经网络算法将提取到的特征加以融合。采用SVM建立分类模型,进而实现对人体运动姿态的智能识别。两项实验结果说明,所提算法能在保证处理效率的前提下实现对人体姿态的精准识别,准确率可达93%以上。     

基于融合运动特征和深度学习的电厂人员行为识别

电厂人员行为的准确识别与分析,对于维护电厂安全运行具有重要意义.文中使用融合运动特征的深度学习算法,建立了一套电厂工作人员的行为识别系统框架.为了提高动作识别精度、解决人体骨骼识别问题,通过引入图卷积网络建立多层时间空间融合的图卷积运算人体行为识别模型.针对单一网络检测准确率与鲁棒性低的问题,文中基于传感器网络建立了无...     

基于MEMS惯性传感器时域特征的人体行为识别

提出了一种基于微机电系统(MEMS)惯性传感器组合系统的高精度实时人体行为识别算法。算法选取一个2 s的滑动时间窗作为特征提取窗口,提取惯性传感器组合系统输出的时域特征作为特征参量,采用基于平衡决策树的支持向量机对人体不同行为模式进行分类识别。在实验室自主研发的可穿戴智能终端平台上进行测试,结果表明,在识别时间缩短到2 s/次的条件下,对5种行走类行为模式和5种非行走类行为模式的识别率均可达88%。与现有算法相比,该算法的实时性和精度得到明显提高,且拓展了模式识别的种类。     

基于视觉的人体行为识别研究

本文基于视觉的人体行为识别方面的研究,主要还是在运动目标提取、特征提取方面。1人体行为识别常用方法人体活动是一种非常复杂的运动,由于人体的活动是非常自由的一种存在,难以预料,甚至会随着人体衣着打扮各不相同,直接导致运动着的人体外观产生很大差异,这就使我们对其研究时产生了很大的困难。在人体行为识别对技能视频监控,人体运动分析,     

人体行为特征融合与行为识别的分析

伴随着信息技术的快速发展,人体行为识别技术逐渐被引入到各领域中,如安防监控、运动分析、医学辅助诊断和智能人机交互等,而技术实现的关键在于借助相关的特征融合方法。文章对人体行为识别的相关技术以及兴趣点提取方法、尺度混合特征模型与MKL方法的应用进行分析,以期对人体行为识别技术的发展起到推动作用。     

人体行为识别的研究

人们通常用形体动作,表情等对外界的刺激作出反应,传送某种信息,这些称为行为能力。近年来人工智能的研究取得了一定的进展,机器视觉是人工智能的一个重要分支,而人体行为识别就是其中的一个研究方面。机器视觉是通过图像摄取装置（比如摄像头）将摄取的目标转换成图像信号,然后对图像信号进行相关运算,抽取目标特征,根据判别的结果进行相应的操作过程。     

采用频闪成像技术的柔性气动外形运动物体SIFT特征跟踪(英文)

近年来,有关微型飞行器的结构动力学、材料气动弹性以及飞行控制方面的研究受到了高度的重视。为了提高飞行器的空气动力学检测能力,提出了一种基于频闪成像技术的柔性气动外形物体跟踪方法。利用尺度不变特征转换(SIFT)算法提取出的特征对于图像的尺度变换、旋转以及光照变化和局部图像变形等具有的不变特性,提出了一种利用感兴趣区域中SIFT特征对柔性气动外形运动物体进行探测与跟踪的方法。该方法在获取物体的状态、位置以及空间转换关系等方面表现出良好的性能,并且为同一场景中同一物体在不同位置之间的相互匹配提供了可靠保证。实验表明:在该实验系统中,基于频闪成像技术、利用SIFT特征作为柔性气动外形物体探测的方法具有一定的可行性。     

基于人体关节点的行为识别算法研究

针对目前大多数行为识别算法可识别动作单一且复杂背景下准确性较低的问题,提出一种基于关节点的行为识别方法,首先,使用多目标跟踪模型FairMot将视频中的人体用矩形框标记,然后再使用姿态估计模型AlphaPose模型估计视频中人物的骨骼关节点位置,同时将人物关节点数据进行组合,使其能够代表动作特征,最后,利用长短期记忆网络将组合出的动作特征序列作为输入进行识别,最终输出为某一具体动作。实验结果表明,直接对人物关节点进行动作识别,去除了背景等干扰,识别的准确率达到了91.73%,实现了特定场景下的行为识别。     

汉语普通话的管辖音系学特征及提取方法

语音识别中多采用音素作为识别单元,因其数量较多,对神经网络训练复杂度的要求高,在多语言语音识别中需要针对不同语言分别建立识别模块.然而,管辖音系学提出了适用于多语言的语音学特征.本文根据英语和汉语发音的相似性,确定汉语普通话声韵母的GP特征表示形式,并应用神经网络实现特征提取.实验表明,GP特征同样可作为汉语语音的语音学特征.     

基于极值特征的不变性形状识别

本文提出形状识别的一种新方法,该方法针对形状中几何特征的分布在旋转和尺度变换条件下不变的特性,首先通过等间距极坐标映射对形状进行径向采样和环向采样,把形状的旋转和尺度变换转化为采样平面内具有平移性质和不变性质的两个一维投影,然后为了减小几何变形等原因造成的投影特征不稳定,提取径向和环向两个一维投影的极值点,根据极值点类型和幅值计算极值点权重向量作为形状的有效不变特征,其中,权重的位置信息反映了形状中像素点较集中和较稀疏的局部区域在空间上的分布,权重的大小反映了形状中局部区域像素点集中和稀疏的程度.在特征匹配过程中,考虑了几何变形对权重向量产生的扰动,在分析极值点变化范围基础上,设计了参数重整的匹配策略和匹配模板,使得该识别方法对形状的平移、尺度、旋转变换和一定程度的非刚性变形不敏感.仿真试验表明了所提方法的有效性.     

基于分块形状特征的异源图像匹配方法

在基于特征的异源图像匹配中,由于成像原因导致的轮廓不完整会使得匹配难度增加。针对这一问题,提出了一种基于分块形状特征的匹配方法。首先从基准图和实时图中提取轮廓特征并对其进行分块,然后提取分块特征并归一化,最后采用加权相似性度量实现匹配定位。由于利用候选目标区域信息排除了虚警,进一步提高了匹配的正确性和鲁棒性。采用该方法对红外与可见光图像进行了测试。结果表明,本文方法具有较好的匹配性能。     

基于隶属度的人脸图像特征抽取和识别

本文首先从代数理论和模糊数学导出一种新概念，矢量隶属函数，由此构造图像的隶属函数，并证明它具有一些不变性，提出一种基于隶属函数的图像特征抽取和识别方法，并应用于人脸图像识别问题。实验结果表明，隶属函数具有良好的识别分离能力。     

基于二次网格的字符图像特征提取方法

为了提高字符识别率,克服传统字符特征提取方法复杂、计算量大等问题。文中提出了一种基于二次网格化的字符特征提取方法。将字符二值图像划分为4个网格,提取出字符轮廓的曲率特征;并将字符图像划分为32个网格,依次提取出各自网格的占空比、质心、散度3组特征。该方法兼具结构特征与统计特征的优点,对笔画结构相近的字符较易于区分,该方法抗干扰能力强,且足够稳定。通过对1 500张字符二值图像进行实验,其结果表明,该方法对字母与数字的识别准确率达到了97%以上,相较于其他特征提取方法有大幅提高。     

小波尺度空间形状特征提取方法的研究

基于形状的图像检索技术是基于内容的图像检索技术的一个重要组成部分。现有的形状特征检索技术主要集中于形状特征的提取及相似性度量、形状特征与颜色和纹理特征结合、形状特征与高层的语义特征结合的研究。在分析现有的基于形状的图像检索技术的一些关键技术的基础上,对基于小波尺度空间特征(WSS)的形状检索方法进行了研究,并提出了一些改进算法。     

基于FPGA的高性能MFCC特征参数提取

为了实现高速语音特征参数的提取,在分析了美尔频率倒谱特征参数提取算法的基础上,提出了算法的硬件设计方案,介绍了各模块的设计原理.该方案增加了语音激活检测功能,可对语音信号中的噪音帧进行检测,提高了特征参数的可靠性.最后将设计实现于Stratix Ⅱ系列FPGA上,仿真结果表明设计可以实现高速,高精度的MFCC特征参数提取.     

一种新的二维特征抽取算法及应用

二维主成分分析方法是直接利用二维图像来构建方差矩阵的。为了充分利用样本类别信息,文章以类间散布矩阵特征向量作为投影方向进行特征抽取。首先用2DPCA先作一次横向压缩,对抽取出的特征矩阵再用2DPCA作一次纵向压缩。与传统二维主成分算法比较,极大压缩了特征的维数,加快了分类速度,提高了识别率。用ORL人脸数据库进行了实验验证,证明了本方法的可行性。     

基于人体碎片的特征提取算法研究

特征提取一直是模式分类问题中的关键步骤,对基于身体碎片外形轮廓及其和人物中心相对位置特征的提取算法进行研究。此算法操作简单,这些特征是在所有位置和所有大小上提取的,使制作的分类器满足平移和缩放不变性,并且他还是基于有标注数据库的。此算法可用于基于物体碎片特征的人脸识别系统、车辆和人体的自动视频监测系统以及其他的监控系统和图像检索中。     

基于PCA与Fisherface互补双特征提取的人耳图像识别

人耳识别目前是一种新的生物特征识别技术,特征提取是模式识别技术中的关键环节,决定着分类结果正确率的高低,单特征提取方法需要在一定的条件下才能取得较高的识别率,但是采用双特征提取却可以克服单特征提取的这一局限性.为了提高分类结果的正确率,提出了一个全新的方法,即基于主成分分析(PCA)与fisherface的互补双特征提取方法,并将其运用于人耳图像识别中,在北京科技大学提供的人耳图像库上的实验结果表明,该方法的人耳识别率明显高于PCA、fisherface、ICA单特征提取的人耳识别率.