脸部特征点的定位与提取方法

提出一种正面人脸关键特征点的自动提取方法。该方法选取两个瞳孔点、两个鼻孔点、鼻尖点、两个嘴角点共7个关键特征点进行自动标定的研究,通过在图像预处理阶段采用选择式掩模平滑算子和Fisher线性判别思想分别进行灰度图像的边缘检测和二值化处理,并结合灰度积分投影方法定位人脸区域,进一步应用人脸结构基本特征的先验知识定位面部主要器官,在此基础上结合Hough变换,SUSAN算子实现特征点的自动提取。实验证明：该方法能够准确、有效地标定人脸的关键特征点,具有一定的实用性,可应用于安全部门、身份证管理、电视会议等领域。     

基于半监督学习的眉毛图像分割方法

眉毛图像的分割,由于受到毛发、姿势及个体差异的影响,是一个非常困难的问题。提出了一种利用半监督学习技术进行彩色眉毛图像分割的方法,首先通过手工在眉毛图像上简单画上几条线标注部分眉毛点和非眉毛点,然后利用半监督学习技术完成眉毛图像分割并从中提取纯眉毛图像,最后通过实验说明该方法具有非常好的分割效果,可用于眉毛识别的前期预处理。     

融合小波与2D PCA的贝叶斯人脸识别

提出了融合小波和2DPCA进行贝叶斯人脸识别的方法。对原始图像采用小波分解后,利用2DPCA计算人脸的特征矢量空间。首先对低频子图进行贝叶斯人脸识别,然后对得分前五名的图像再次利用高频子图并行进行识别,通过加权排序得到最后结果。实验表明,与传统的方法相比较,该方法降低了运算量,提高了识别率。     

关键词语音标引系统的实现

本文实现了一个电视台媒体资产管理中的关键词语音标引系统。系统以连续混合高斯隐马尔可夫模型为基础,采用分层构筑维特比算法进行训练和识别。为实现标引的实时性,采用实时计算的方法,录音和识别同时进行。为了减少计算量,并没有将状态持续时间分布引入Viterbi译码,而是将其作为后处理部分。对于汉语数字识别的一些易混词,采用声调作为辅助判决。以此做了一个体育赛事的词库,经测试表明,关键词标引首选识别率达到93.5%,前五选识别率达到98%。     

移动终端手势识别中DTW匹配算法研究

针对现有手势识别算法中存在的计算量复杂、识别率低和效率差等不足,提出一种基于L-ADTW的移动终端手势识别的匹配方法,利用手机内置加速度传感器进行手势识别,采用差分检测方法自动检测出有效手势序列,用改进的起始松弛点对有效手势序列进行校准,使用L-ADTW匹配算法进行有效手势序列段匹配,并将匹配结果与优化阈值比较分析。实验结果表明,提出的L-ADTW算法,在保证手势匹配高效的前提下,使等错率降到2.5%,认证成功率提高了5.37%。     

基于神经网络的静态台标识别系统设计与实现

台标是电视台的重要标志,是对电视节目来源、类型等属性的描述,因此台标识别是实现电视视频自动收录、检索的重要技术基础.针对静态台标的特点和识别中存在的问题,在台标提取和特征识别的基础上,提出了一种基于BP神经网络的台标识别方法,并设计实现了一个静态台标识别系统,对系统的神经网络参数经过反复试验调整,最后得到令人满意的结果.实验结果表明,通过训练和识别分开,对包括半透明台标在内的电视视频,系统具有识别效率高、结果准确等优点.     

汉字的线性分类实验

本文通过实验研究了在汉字识别中应用线性分类器的可能性,考察了汉字之间的线性可分性。实验使用了两种主要的线性分类器: Fisher线性判别和感知器。实验检验每一对汉字的线性可分性。实验结果表明,汉字之间的线性分类性是相当好的。尤其是Fisher线性判别,不能成功线性分类的汉字仅占百万分之4.25 。这显示了在汉字识别中应用线性分类器是有着巨大的潜力的。同时,线性分类实验结果还可用来检验所选取特征的好坏,有利于客观的评价特征。     

基于梯度增强的新闻字幕分割算法

新闻字幕的分割在基于语义的新闻视频检索系统中具有重要的意义,为此提出一种基于梯度增强的新闻字幕分割箅法.该算法使用图像多方向梯度的加权和代替图像的标准方差,通过各方向权值的调节加强某些方向的边缘信息,以提高分割效果.与一些经典的自适应阈值分割算法相比,该算法不仅能够保留大部分笔画,也能有效地减少断笔问题.基于光学文字识别的实验结果证明了文中算法的有效性.     

基于EMD的改进MFCC的语音情感识别

人在不同情感下的语音信号其非平稳性尤为明显,传统的MFCC只能反映语音信号的静态特征,经验模态分解能够精细地刻画语音信号的非平稳特性。为提取情感语音的非平稳特征,用经验模态分解将情感语音信号分解为一系列固有模态函数分量,通过Mel滤波器后取其对数能量,进行DCT反变换后得到改进的MFCC作为情感识别的新特征,采用支持向量机对高兴、生气、厌烦和恐惧等四种语音情感识别。仿真实验结果表明：改进的MFCC识别率达到77.17%,在不同的信噪比下,识别率最大可提高3.26%。     

使用范围数据的三维物体的识别

本文所使用的系统有二个工作阶段。在知识阶段,含有单个物体的景物每次一个地示给系统,景物的范围数据可利用范围测距仪获得。根据区域特性和各区域间的关系建立每一景物的描述并将这种描述存储作为物体的模型。在识别阶段,以与知识阶段同样的方式对未知景物的特征进行描述,然后把这一描述和物体模型匹配,结果可实现成堆物体按顺序地逐个识别。为提高匹配效率,可把数据驱动和模型驱动搜索过程紧密结合。实验结果表明,这一方法是很有希望的。