基于自适应区域增长算法获取手部静脉模式

静脉特征作为人体生物特征,具有惟一性和终身不变的特点,近年来作为生物特征识别的一个重要研究领域,越来越受到研究者的重视。利用手部静脉特征进行身份识别的关键是如何有效地提取手部静脉模式。作为静脉模式提取领域的新探索,提出了一种新方法用于提取手部静脉模式。     

基于彩色图像的手部特征点自动识别方法

手部特征点识别是手部尺寸测量的关键问题,本文给出了基于彩色图像的手部特征点自动识别方法。首先,给出了提取手部轮廓的算法,基本原理是利用人体皮肤的色调特征将手部彩色图像二值化并提取手部轮廓,其优点是图像二值化过程在YUV空间进行,不受测量个体肤色差异、光照、遮挡等因素的影响。然后,给出了在手部轮廓线上自动识别全部25个特征点方法,针对特征点的不同特点给出了不同的处理方法,位于指尖以及指缝末端处的特征点,使用了DOS方法进行自动识别,其他特征点则利用统计得到的经验公式进行计算。实验结果说明,本文给出的算法在手部特征点的自动识别率和准确率上都已经能够满足手部尺寸测量的需要,并且具有较强的鲁棒性,已成功应用于未成人和军人等的手部尺寸测量系统中。     

一种基于加速度特征的可拓动作识别的飞行控制系统的设计

手部动作识别是人机交互的一种新技术,具有广泛的应用价值.本项目以ARM7微处理器为核心,通过三轴加速度和陀螺仪传感器采集手部动作信息,利用一种识别算法,分析获知手部的动作和姿态.再根据不同的手部动作,向从机系统(四旋翼飞行器)发送相应的控制命令,从而实现了通过手部动作来灵活而无死角地控制飞行器的飞行姿态和飞行路径.     

基于多特征增强的手部姿态估计方法

手部姿态估计是计算机视觉研究的重要方向之一,在人机交互、虚拟现实、机器人控制等应用领域发挥着重要作用。针对目前手部姿态估计存在特征表示方法单一性的问题,提出手部关键点连接关系特征构建方法与基于手部运动语义关系的关键点特征聚合增强方法,提高手部特征表达与信息共享能力;针对手部目标检测与图像分割等预处理方法中存在的遮挡性问题,设计手部轮廓特征提取方法,提高预处理效果;基于所提出的多特征表示与增强方法,构建了一个基于全卷积结构的深度学习神经网络模型,避免直接回归计算3D姿态信息导致的空间信息丢失问题,从而有效提高了3D手部姿态估计精度。在DO、ED、RHD等多个数据集上与SOTA模型相比,均取得了竞争性的效果,且平均AUC结果达到了93.3%,说明所提出的方法也具有较好普适性。     

基于属性计算网络的动态手势识别的研究

基于视觉的动态手势识别既是当今人机交互系统研究的热点也是难点。该文提出了基于属性计算网络的识别方法对动态手势进行识别,与现有的识别方法相比,具有明显的特点和优点。首先利用肤色分离手部对象,然后跟踪手部对象,并对手部对象轮廓和运动轨迹抽取特征并建立对应的特征向量,最后将手部对象轮廓特征和运动轨迹特征进行加权组合,得出识别结果。本方法的特点和优点是识别分析速度较快,能够很好的满足人机交互系统实时性的需要,并且能够适应动态手势表达在速度和幅度上的差异性。     

融合深度与肤色特征的自适应手部跟踪算法

手部跟踪技术是实现自然人机交互的关键。针对现有跟踪方法易受光照、环境等影响及鲁棒性差的不足,提出一种融合深度与肤色特征的自适应手部跟踪算法。考虑手部运动过程的形变,该算法首先利用深度平滑连续性选取深度阈值以实现跟踪区域的自适应尺度变化,获得手部候选区域。在此基础上建立YCbCr空间肤色归一化直方图,在粒子滤波框架下将跟踪问题转换为贝叶斯估计问题,基于最大后验准则确定手部位置,并通过监测粒子重要性权值的方差解决跟踪失效问题,实现复杂观测环境下的鲁棒跟踪。实验结果表明,该跟踪算法可适应不同复杂环境,鲁棒性良好。     

基于BS-HMM和巴式距离的手势识别技术研究

开发一个基于深度图像的手势识别系统,将巴氏距离(Bhattacharyya distance)引入到贝叶斯感知隐马尔科夫模型(BS-HMM)中,称为BDBS-HMM。使用深度摄像机Kinect捕获深度序列图,通过骨架信息对手部位置进行跟踪,识别手部区域,得到手部分割图;从分割图像中提取4D曲面法线方向分布(HON4D)特征和方向梯度直方图(HOG)特征表示运动模式;将每k个连续的特征向量组合成一个序列分布变换所有训练特征向量,使用分布序列来对BDBS-HMM进行训练。该系统在使用MSRGesture3D数据库和自己建立的数据库的情况下,将BDBS-HMM与标准HMM和BS-HMM进行比较,实验结果表明了该系统的优越性。     

基于手指双模态特征的自动身份验证方法及系统

针对目前单模态生物特征识别在稳定性与安全性等方面的不足以及多模态融合识别的多设备多输入困难等问题, 本文提出一种充分考虑类内与类间度量的学习模型, 实现基于手指双模态特征的自动身份验证方法及系统。由于指静脉与指折痕具有不易改变, 难以伪造的特点, 本文选取这两种重要的手部特征进行身份验证。通过结合两种不同模态特征, 利用自编码网络对类内特征进行表示, 来构建基于度量学习的孪生网络模型, 从而提取类内与类间特征; 接着将提取的指静脉和指折痕特征进行距离计算, 将距离融合后使用逻辑回归模型进行概率判断, 最终实现有效的双模态融合身份验证。为验证我们提出方法的有效性,我们对指静脉识别结果性能进行了对比。实验结果表明, 我们的方法在更具有挑战性的数据库上识别等错误率为 1.69%, 较之现有代表性论文提出的模型的等错误率降低了 2.96%。我们也将构建的双模态融合模型与仅使用单一模态模型进行对比, 结果表明融合指静脉和指折痕特征的融合模型的等错误率为 1.55%,比单一模态的指静脉与指折痕模型分别降低了 0.14%和 3.0%, 表明了双模态身份验证模型性能更优。进一步地, 本文采集了一个更具有挑战性的数据库, 开发了显示图像及识别结果的图形界面,最终实现了一个从数据采集到识别匹配的端对端的一体化自动身份验证系统。基于以上研究, 本文首次提出了一个基于指静脉和指折痕特征的多目自动身份验证方案, 实现集准确性, 鲁棒性和实效性为一体的系统。     

基于Kinect的手语识别方法

为实现基于Kinect的手语识别,提出了一种利用有限状态机及动态时间规整(DTW)的动态手语识别方法。首先,利用Kinect技术得到人体深度图像和骨骼特征信息;然后利用手部分割算法得到手部深度图像,再选取识别正确率高的梯度方向直方图(HOG)特征算子来提取手部特征;最后加入有限状态机和DTW算法实现动态手语识别。实验结果表明:该方法能够实现对常用手语单词、句子的识别,识别准确率可达95%。     

融合局部特征和全局特征的手指静脉识别方法

手指静脉识别是利用人体手指静脉结构的唯一性实现个体身份认证,具有高度安全和使用便捷等优点。为了进一步提高手指静脉识别系统的性能,提出了一种融合局部特征和全局特征的手指静脉识别方法。应用局部二元模式方法提取手指静脉局部特征,利用海明距离计算匹配得分;应用双向两维主成分分析方法提取手指静脉全局特征,利用欧式距离计算匹配得分;在得分级上融合二者的匹配得分以产生识别结果。实验结果表明,局部特征与全局特征具有较好的互补性,有效地提高了识别精度。     

多分辨率滤波在手背血管特征提取中的应用

人体手背血管识别是一门新兴的生物特征识别技术,提出了这种生物特征提取的一种算法．它利用分水岭算法提取出带有纹理特征信息的特征点FPVP（feature points of vein pattern）;针对FPVP的不同的特征信息录用二阶矩和统计的方法进行多分辨率滤波得到DP（dominant points）。每个DP都是多维的向量,用所有‖DP‖组成手背血管的特征向量;最后使用相关算法针对来自53个手背血管的265个样本进行了特征相关匹配实验,其最小错误率仅为4.31％．     

基于多Agent的模式识别框

传统的模式识别方法主要存在两个方面的不足：集中式控制；依赖于特征抽取和选择的质量．本文的研究是在分析自上而下模式识别方法和自下而上模式识别方法的特性和优缺点基础上，基于多agent理论和技术，提出了将两种不同类型的方法集成的模式识别框架APRF（Agent-Based Pattern Recognition Frame） ；先用自下而上定量计算方法对模式建模，使其有利于分类；再用自上而下的定性分析方法对模式涌现．目的是让计算机模式识别更符合人的认知过程，APRF的基本思想是：模式识别一模式建模＋模式涌现．     

基于状态模式的应用研究

以降低复杂度,增强可扩张性为目标,建立基于传送装置的入口模型,体现出状态模式的优越性,最终通过采用该模式解决了某大型钢铁企业传送装置入口的建模问题。     

协议分析在入侵检测系统中的应用

模式匹配是入侵检测分析中常用的方法,这种算法速度快、效率高。但是单独使用模式匹配方法来检测入侵还存在一些弊端。本文给出了一种高效、可靠的检测方法,即结合使用协议分析与模式匹配的分析方法,同时给出一个例子来说明分析的实现过程。     

英汉机器翻译中英语单双重介词汉译

面向英汉机器翻译,提出改进的介词语义模式相关概念和单重介词扩展形式,构建英语单双重介词语义模式库,提出一种基于语义模式扩展的英语单双重介词语义分析和汉译算法。将该算法与单双重介词固定搭配语义模式库、介词相关句式语义模式库、一般双重介词语义模式库和特殊单双重介词语义模式库相结合,对英语单双重介词进行总体语义分析和汉译。实验表明,利用该方法能有效解决一般文体和体育体裁中的英语单双重介词汉译的问题。     

A model‐based framework for automatic generation of a pattern language verifier

Design patterns solve recurring design problems. One of the best practices, to solve a whole problem in a specific context, is to apply patterns in the form of a collection of related patterns, ie, a pattern language (PL). However, with the rapid growth of the number of patterns and their interrelationships in PLs and because manual verification of the applied PLs is a tedious and error‐prone task, when designing in PL‐based fashion, there is a need for tool support to verify the applied PLs. In our previous work, aimed at automating the development process of PL verification tools, a PL formalism was presented. This paper, based on the presented formalism, describes a framework called Pattern Language Verifier Generator (PLVGen) that automatically generates a pattern language verifier (PLV) for any given PL assuming its constituent patterns are represented in the Unified Modeling Language (UML). Using a modelware approach, two metamodels named pattern language specification language (PLSL) and pattern specification language (PSL) are developed to model the given PL and its patterns, respectively. By getting the models of a PL and its patterns, PLVGen automatically generates an epsilon validation language (EVL) module representing the expected PLV. By launching PLV, the applied PL on a UML model will be verified. To evaluate the applicability of PLVGen in practice, we automatically generated three PLVs. The statistics regarding the generated PLVs, as case studies, illustrate the scalability of PLVGen. Compared with similar tools, the generated PLVs are more portable, transparent, and free of ambiguities.     

二值文本图像隐写分析算法

提出了一种基于模式分析的二值文本图像隐写分析算法。在深入研究当前国内外二值图像信息隐藏和隐写分析算法的基础上,提出了图像"模式"的概念,并将图像模式按照修改其中心像素对人体视觉的影响程度分成三类,建立了二值图像最佳嵌入位置模式库;通过分析二值文本图像的模式在嵌入信息前后的变化特征,提出了基于模式分析的二值文本图像隐写分析算法。实验证明该算法是一种性能较佳的二值文本图像隐写分析算法。     

COM中的设计模式

该文首先介绍了设计模式的思想，然后介绍微软的COM(组件对象模型)的基本原理；接着具体讲述了组件对象模型中使用的两种设计模式：工厂方法模式和代理模式。其中工厂方法模式给出了具体的实现方法，由于代理模式的代码比较复杂，仅给出了基本思想和COM中对应的设计方法。最后介绍了COM中的一些其他的设计模式。     

一种基于模板匹配的手形认证算法

身份认证是保证信息与网络安全的一种重要手段,手形认证是身份认证的重要方法之一。传统手形识别方法大致分成特征矢量匹配和点模式匹配两种:前者通过计算手形的长度和宽度等特征矢量来对不同手形进行匹配认证,该方法计算量小,但是误识率偏高;后者通过将手形轮廓图象表示为一系列特征点集,然后对两个手形的特征点集进行匹配认证,误识率较小,但计算量和拒识率相对较大。以上原因导致了两种算法都不能被广泛应用。该文提出了一种基于模板的点匹配算法,可以较好地解决点模式匹配计算量过大的问题,同时也能够提高认证识别率。在认证过程中还采用了方向角及膨胀收缩修正等方法,使得模板的匹配速度和拒识率得到有效的改善,从而大大增强了认证过程的鲁棒性。