一种有效的步态识别方法

提出一种有效的步态识别算法。对于每个步态序列，首先通过背景减差检测运动目标的轮廓，计算轮廓质心与轮廓边缘的距离并进行归一化，然后使用PCA方法获取特征空间并进行投影，接着使用时空相关和投影质心归一化进行相似性度量，最后通过最近邻法和K近邻法进行分类识别。通过大量的实验分析，取得了较高的识别率。     

粒子群优化算法实现仿射不变性形状识别

针对形状识别过程中,轮廓图像会因为视点改变发生仿射变换的问题,提出了一种新的仿射不变特征提取方法及匹配策略。首先,对所有边界点计算其与质心的距离及方向角,并在给定的角度邻域内进行平均以消除噪声干扰;然后,计算方向角相差180°的边界点质心距离之比作为形状特征,该特征具有仿射不变性。由于仿射变换图像间各轮廓点的方向角具有非线性变化特征,质心距离比需要重采样以建立对应关系,笔者将其转化为一个路径规划问题,并用粒子群优化算法得以解决。实验表明该方法对形状识别中的平移、旋转、缩放、拉伸和噪声干扰具有良好的效果。     

自适应尺度的形状表示与匹配方法

提出了一种基于轮廓的形状特征描述方法,以及基于此形状特征的相似度度量方法.将轮廓形状的质心作为极点,在极坐标系中对轮廓等角间距采样获得轮廓点,并将相邻两采样轮廓点的极径所围面积比值作为轮廓特征向量.将改进后的归一化欧式距离作为轮廓特征向量之间的相似度距离.实验表明,基于轮廓的形状特征描述方法,仅用少量数据来表示原始轮廓信息而保留了原始轮廓信息的主要特征,且对于形状的缩放、旋转、翻转等形变操作具有尺度不变性;同时,也可以获得轮廓向量之间的相似度距离和旋转角度.实验证明了此方法可行、有效.     

改进的主动形状模型在植物叶形分类中的应用

针对植物叶形识别的特点,采用改进的主动形状模型实现叶片图像的批量识别和分类.在模型中以地标点序列表示对象形状轮廓,分别应用覆盖面积半径和生物学参照点进行伸缩变换和旋转变换,归一化地标点序列间的统计关系,进而研究形状间的相似性和差异性;在分类时通过设置相似度阈值,强化了同类叶片的标准,从而减少了一些非同类的误归入事件的发生.实验表明改进的主动形状模型在叶形识别中得到稳健的识别率.     

一种三维模型多层级视点描述符

3D形状识别是计算机视觉领域非常重要的问题之一,三维模型的描述符对不同类别模型的区分度影响着3D形状识别的精度。基于视图的描述符应用非常广泛,然而多数方法主要研究算法,以不断提升公共数据集的识别精度,却很少深入分析在细粒度分类数据上的视图选择对区分能力的影响。该文提出一种新的多层级视点描述符,该描述符以一组视点组成,为3D模型提供了一组最优的二维视图选择,并设计实验对比在细粒度分类数据上的识别精度。首先,我们建立均匀的球状观察视点模型,以具备直观语义信息的上、前、右等视点为初始视点。其次,分区域从模型投影边缘的倒角距离比较中得出最优视点,作为下一层的种子点,不断细分获取不同层级的视点组合得到多层级视点描述符,使用测地距离来衡量模型间的相似度。最后,使用视点间的测地距离来计算同类别及不同类别间的相似度,验证多层级视点描述符的区分能力,选择更加精细分类的三维模型数据以验证识别能力,在多视图卷积神经网络上进行对比。应用该文描述符提供的视图选择在训练数据无论是否进行随机水平旋转,都有非常明显的识别精度提升。     

面向装配机器人的零件视觉识别与定位方法

针对装配过程中背景复杂、零件形状多样性等因素导致的识别与定位精度较低的问题,结合加速稳健特征(SURF,speeded up robust feature)算法、快速视网膜特征点(FREAK,fast retina keypoint)算法、汉明距离及仿射变换等,给出了的一种零件识别与定位方法.首先通过SURF与FREAK算法对装配零件的特征点进行描述,其次以汉明距离作为匹配点的相似性度量,最后采用随机采样一致性(RANSAC,random sample consensus)算法进行二次匹配去除无效匹配点对.通过模板图像与装配零件图像建立四参数的仿射变换模型,结合仿射变换求解装配零件的质心坐标,再利用视觉系统的标定参数得到零件质心的世界坐标.实验结果表明,该方法实现了对装配零件快速精准的识别与定位.     

融合轮廓和区域特征的形状描述子

提出了一种融合轮廓和区域信息的新的形状描述子。首先提取图像的轮廓,并对轮廓进行采样,形成描述形状轮廓的有序点列表。之后对每个采样点分别顺时针和逆时针等距离跟踪获得两个邻点,计算相邻点距离、拱高以及质心距离三个函数的均值、方差和极差。然后获取由拱高和质心距离组成的复函数的傅里叶描述子。组合统计值与傅里叶描述子形成轮廓特征。最后对区域进行采样形成形状矩阵,获得低频傅里叶系数作为区域特征。对MPEG—7标准图形库的检索实验显示,该描述子的检索性能显著优于三角形面积函数、质心距离函数、拱高半径复函数和Hu不变矩等同类描述子。     

改进的主动形状模型在植物叶形分类上的应用

本文在继承主动形状模型以地标点序列表示对象形状轮廓,通过归一化序列间的统计关系来研究形状间的相似性和差异性,以及用识别率来体现识别效果这三个基本特征的同时,针对植物叶片识别的特点,对模型进行了改进：增加了独立参数和粗分类步骤,使叶片识别免受非形状分类因素的干扰;在归一化进程中分别应用覆盖面积半径和生物学参照点进行伸缩变换和旋转变换,使归一化更符合生物学特征;在分类时通过设置相似度阈值,强化了同类叶片的标准,从而减少了一些非同类的误归入事件的发生;最后设计了三组实验来研究各影响因素独立变化时对识别率的影响,同时引入了误差矩阵和相似度矩阵,分别来体现错分的事件的分布情况并揭示了产生错分的原因。经过这些改进,本文实现植物叶片图像的批量识别和分类,提供了一种查询错分分布的方法并指出提高识别率的研究方向。     

投影距离的概率峰值效应及其在三维目标识别中的应用

在计算机视觉中，由于物体的几何特性随视线的变化而变化，从而给三维目标识别带来了困难．在设计识别算法时，关键是理解目标重要特征的变化，如角度、距离等的变化．在视线方向各向同性条件下，投影角度和距离的概率密度在其原值附近具有峰值效应，即投影角度及距离接近于原角度及距离．利用投影角度的联合概率函数可识别多面体．在已知距离时，为了便于识别目标，导出了投影距离的密度函数．实验结果证明了该方法的有效性．     

基于RFID位置语义的室内移动轨迹聚类算法

面向室内空间的移动轨迹聚类有利于发现室内热点和用户移动模式.针对室内环境在定位技术、距离度量等方面的特殊性,充分考虑室内移动轨迹的空间和语义特征,提出一种基于无线射频识别(radio frequency identi-fication,RFID)位置语义的室内移动轨迹聚类方法.该方法对原始轨迹提取特征点,可简化轨迹以降低算法时间复杂度;从空间形状和位置语义2个方面加权计算轨迹相似度,其中,空间相似度通过定义适用于室内三维空间的距离函数来计算,语义相似度计算基于最长公共子序列思想,并引入移动对象在轨迹点的到达时间和停留时间;利用线性表存储轨迹相似度,采用改进的层次聚类方法对移动轨迹进行聚类.实验结果表明,该方法能够有效地进行室内轨迹聚类并具有较高的效率.     

不同形状植物成熟果实的识别提取方法

提出一种自然场景下对不同形状植物果实图像进行识别提取的方法.采用RGB色差模型及Ostu自适应阈值分割进行图像二值化.应用数学形态学方法对二值图像进行预处理获取植物果实轮廓.采用果实质心、最小凸边形方法对目标进行特征提取.实验表明,除对类圆果实识别较好外,对不规则果实识别效果更佳,其最小凸边形提取比外接矩形及类圆提取方法更接近真实图像,具有一定的通用性.     

集合分类中的鉴别式局部信息距离保持映射

该文提出鉴别式局部信息距离保持映射,以解决一类集合分类问题。鉴别式局部信息距离保持映射假设集合所对应的概率密度分布位于统计流形上,选取Fisher信息距离作为概率密度分布间的距离,并将最小化同类点的信息距离、最大化异类近邻点的信息距离作为目标函数,利用特征值分解的方法,求解线性映射矩阵。基于美国国家标准技术署于2008年公布的说话人识别数据库的实验结果表明:鉴别式局部信息距离保持映射优于无用分量投影和鉴别式无用分量投影。     

基于Hausdorff距离的人体步态识别

现有的步态识别方法对行人轮廓匹配的鲁棒性差，导致识别率不高．文章提出了基于Hausdorff距离的行人步态自动识别方法．首先提取了行人二值轮廓序列；然后采用轮廓参考点分布直方图间的距离、参考点集之间Hausdorff距离度量轮廓形状问的匹配度；继而通过步态的周期性分析选取关键姿态，计算出的关键姿态轮廓集间Hausdorff离结合窗口搜索策略实现了步态的分类和识别．分别在小型CASIA室外步态数据库和大型Soton室内库上进行了实验，提出算法的正确识别率分别可达到91．25％和88．16％．与相关文献的比较分析表明算法是有效的．     

正投影类似性在识读三视图中的应用

通过对机件表面类似形投影几点特性的介绍,举例说明了类似性在三视图读图、审图中的应用     

基于角点的形状分析

形状分析首先要解决的是它的形状表示,它至少需要达到两个目的:特征提取(形状描绘子)和数据压缩.付里叶描绘子是人们常用的一种形状描绘子,但这种方法计算量太大,数据压缩也很有限,特别是归一化处理非常麻烦,因而使它的应用受到限制.多边形拟合是人们常用的另一种方法,文献[3]提出了一种强有力的分裂合并算法,但这种方法处理速度很慢,在对速度要求较高的实时系统中难以得到应用,另外,当两个相似形状的多边形逼近的多边形边数不同时,即使采用动态程序的方法进行多边形比较也很麻烦.可以看到,用多边形近似描述平面封闭曲线时,多边形的顶点,即两直线段的交点,应该对应于平面封闭形状的角点,而多边形和它的顶点确定是相似的,也就是说,一组角点能唯一地确定一多边形,反之,一多边形也唯一地确定了一组角点,因此,形状的描述也可以用一组角点来近似表示.     

基于鉴别性i-vector局部距离保持映射的说话人识别

为了进一步提高i-vector说话人识别系统的性能,该文提出了一种鉴别性i-vector局部距离保持映射(discriminant i-vector local distance preserving projection,DIVLDPP)的流形学习算法。该算法以i-vector间的Euclid距离作为度量准则,并以最小化同类点间距离同时最大化异类近邻点间距离的鉴别性准则作为优化目标函数,利用求解广义特征值的方法,得到最终的投影映射矩阵。在美国国家标准技术局2008年说话人识别核心数据集上的实验结果表明:该算法可以明显提高目前i-vector说话人识别系统的性能。     

基于可变形状基的自适应运动参数识别方法

针对传统运动参数测量方法估计结果偏差较大的问题,为了提高运动参数的测量精度,提出一种可变形状基的自适应运动参数识别方法.首先运动员的运动可以看作是一个随机过程,通过计算运动员的形心坐标,确定运动状态下运动员的形状基矩阵,然后使用测量矩阵的秩来计算形状基数量的可变性,最后获得形状基在噪声干扰情况下的最优计算结果.仿真结果表明,本文方法可以更加准确检测出人体运动的相关参数,提高了参数的测量精度.     

基于深度学习的任意形状场景文字识别

场景文字识别的一个具有挑战性的方面是处理具有扭曲或不规则布局的文字.尤其是侧视文字和曲线文字在自然场景中较为常见,且难以识别.本文提出了一个带有灵活矫正功能的注意力增强网络,将其用于任意形状场景文字识别.此网络由基于卷积神经网络的文字矫正网络和基于注意力增强的识别网络两部分组成.矫正网络自适应地将输入图像中的文字进行矫正,降低识别难度,使基于注意力增强的序列识别网络直接根据矫正后的图像预测字符序列.整个模型可以进行端到端的训练,训练只需要图像和相应的文字真实标签.在各种公开数据集上进行了广泛的实验,包括SVT、ICDAR 2003和CUTE80等数据集,验证了此网络具有优异的性能.