智慧社区之“RFID+手机”车辆身份识别系统

"RFID+手机"车辆身份识别系统是"智慧社区"传感安防公共服务平台系统中一个重要组成部分,建立车辆身份识别系统管理子系统,采用RFID与图像识别技术的社区车辆身份识别,采用基于智能手机的无线数据通信技术实现手机号码及ID识别,用以鉴别驾驶车辆人员身份。从而实现对车辆进行车身及车主双重识别,对车辆和驾车人员的识别真正做到了一一对应以及车辆与驾车人员的对应,使社区安保车辆识别更加完善;使社区居民享受现代科技成果,体验生活品质的提高,彰显社区服务系统对居民生活、健康、安全的全方位呵护。     

基于Android和SURF算法的图像识别系统的研究

图像识别技术是计算机视觉和图像处理领域里的重要研究课题之一,在军事及民用领域应用广泛。在目标检测算法中,基于特征的方法具有压缩信息量、执行速度快、精度高等优点,SIFT算法便是其中之一,但传统的SIFT算法应用于图像识别过程中数据量大、计算耗时长,提出了一种基于SURF算法的图像识别方法,并使用Android NDK调用OpenCV在Android手机平台上实现了一套图像识别系统,结果表明,基于SURF算法的图像识别系统识别效果和实时性更好、具有更强的鲁棒性。     

基于BP神经网络的典型牧草特征提取与识别研究

针对内蒙古荒漠化草原牧草监测与数字化程度较低的问题,实现了三种典型牧草的特征提取与图像识别,为多牧草种类识别与草业管理提供依据.运用MATLAB图像处理技术,对糙苏、羊草及鹅绒萎菱菜进行图像预处理,提取了12种颜色矩特征和4种形状特征,利用BP神经网络法实现了三种牧草的图像识别,识别正确率为86.9%.试验结果表明,基于颜色矩特征和形状特征的BP(back propagation,BP)神经网络图像识别方法能够有效地实现典型牧草的图像分类研究.自动识别牧草是草业数字化的重要组成部分,可为监测植被物种多样性、草种退化及病虫草害的控制提供科学依据.     

利用多种投票策略的水表读数字符分割与识别

基于安卓平台提出了一种对水表图像读数进行自动识别的新方法。水表读数字符分割和识别算法主要包括三部分:(1)利用霍夫变换和一种投票策略检测出水表的外部轮廓,然后基于模板影像和水表中四个红色指针位置,利用仿射变换技术对水表字符区域进行定位;(2)对图像进行预处理和连通区检测,提出一种基于投票策略的方法进行字符分割;(3)在考虑数字字符可能出现粘连噪声和缺失的情况下,使用改进的Tesseract OCR识别引擎对字符进行识别。最终通过NDK编译平台将实现的C++程序移植到Android环境中。经过对100组数据进行系统功能测试,结果表明,水表智能识别系统取得了一定效果,能对水表读数进行比较准确和快速的读取。     

成像测井裂缝自动识别元胞自动机方法研究

针对成像测井裂缝自动识别任务,提出了一种基于元胞自动机模型的图像识别算法。以成像测井图像中裂缝的灰度值较大并且裂缝基本连续为依据,通过制定免疫规则建立了一个基于元胞自动机模型的成像测井裂缝自动识别模型,基于元胞自动机的局部规则以及其并行计算的机制,进行成像测井裂缝的自动识别。该模型原理简单,并且易于实现。实验结果表明,通过指定的免疫规则,能够达到很好的裂缝识别效果。     

基于Python的多维度、层次化的综合实验平台

为满足“新工科”背景下科研与教学融合的课程建设需求,设计了一套基于Python的多维度、层次化的综合实验平台。平台以专业人才培养方案为导向,在图像识别、机器学习及数据分析3个科研热点方向,设计了多维的实验教学内容。图像识别实验从文字识别入门,进而通过多种方式实现人脸和车牌识别。机器学习实验基于Python的机器学习算法实现,并应用于玉米病害识别。数据分析实验将Python处理Excel数据应用于计算工作量和生物信息数据分析中。学生在实验中可以根据专业需求和科研方向选择不同的实验项目,从而实现因材施教的培养目标。将实验平台应用于教学实践中表明,学生对Python在图像识别、机器学习以及数据分析的编程实现有了更深入的了解,提升了科研兴趣,从而实现将科研融入教学,提高本科生教学质量的目标。     

基于Android移动平台的物流信息管理系统设计

将Android移动智能设备平台的无线移动访问和电子地图等功能应用于物流信息管理系统中,提出了一种基于Android移动设备平台的规划导航路径算法.该物流信息管理系统能实现物流信息的采集、存储、传输、识别、跟踪和查询等功能,实现了对车辆和货物流动过程的控制,提高了物流效率,降低了物流成本.     

基于自反馈模板提取的车辆遥感图像识别

模板提取技术的空白使绝大部分高效的模板匹配算法建立在人工提取模板的基础上,人工提取模板的缺陷必将在识别过程中逐级传播,从而降低图像识别的准确度与稳定性,最终影响到基于遥感图像的交通状态辨识效果.文中针对模板匹配图像识别方法中的模板提取问题,提出了一种基于自反馈模板提取的车辆遥感图像识别方法,并利用数学推导论证了自反馈模板提取方法的正确性,以Matlab软件为平台完成了多个路段车辆高分辨率对地遥感图像的识别和交通流的辨识.对多个路段高分辨率图像识别结果的分析验证了文中方法的可行性和有效性.     

人工智能之图像识别

正图像识别是计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术,实现了图像信息到文本信息的转换,是现代计算机技术发展中极为重要的一步。识别过程包括图像预处理、图像分割、特征提取和判断匹配,让计算机像人一样读懂图片的内容,有视频内容识别、光学字符识别(OCR)等细分领域,在图片自动归类整理、图像优化、字符识别、人脸识别及视频监控安防等领域都有着不少应用。传统的识别方法主要基于统计学,其主要依靠     

基于BP神经网络的脱机手写混排字符集的识别方法

脱机手写字符自动识别是计算机光学字符识别(OCR)领域的一个活跃课题,有着十分广泛的应用前景.文中提出了基于BP神经网络的脱机手写中英文和数字混合字符集的识别方法,给出一种特征提取方法,通过实验说明如何选取网络隐含层神经元个数,以及如何选取网络连接权值的初值.对由不同人手写的中英文字符的混合字符集做识别实验,结果表明文中所设计的神经网络分类器,不仅能保证识别精度和识别速度,而且能有效的识别混合字符集.     

基于视觉的四旋翼飞行器智能识别规划方法研究

针对四旋翼飞行器系统中图像识别与航迹规划问题,提出了一种基于视觉的智能识别规划方法,并搭建了基于Linux嵌入式控制的飞行实验平台.在控制过程中,搭载云台相机并结合OpenCV库函数对相机捕捉到的画面进行实时图像处理,实现无人机的目标识别与定位;通过改进遗传算法对无人机飞行路径进行合理规划,使其完成从起点到终点并途经所有中间点而路径最合理的任务;结合Guidance视觉传感导航系统中的超声波数据,利用获取的近地面高度信息实现飞行器精确定位.最后,通过实验验证了该方法的有效性.     

基于图论聚类的随机子空间模态参数自动识别

为提高随机子空间法模态参数识别过程中的自动化程度,减少人为干预,提出了基于图论聚类的桥梁结构模态参数自动识别方法.首先,初步剔除由于数据精度以及噪声等引起的虚假模态;其次,采用图论聚类法,对结构模态结果依次根据基于结构频率和模态保证准则(MAC)指标定义的距离进行聚类,以自动识别出结构的真实模态.随后基于灌河大桥0.5 h的加速度数据,采用所提方法实现了结构模态参数的自动识别,并通过结构的有限元模型对识别结果进行验证.最后,将所提出的方法应用到基于灌河大桥健康监测系统采集的一年加速度数据的模态参数识别过程中,表明了该方法在桥梁结构海量加速度数据的结构模态参数自动识别中是可行的.     

基于SIFT和DDIS的智能立体仓库货物自动识别

智能立体仓库货物自动识别技术存在RFID电子标签成本高、货物图像识别技术识别率低等问题.本文提出一种基于特征匹配和模板匹配相结合的货物图像自动识别方法.首先,提取图像中货物最小外接矩形(MBR)作为图像匹配的模板;其次,采用尺度不变特征变换算法(SIFT)进行货物图像的粗匹配;最后,采用可形变多相似性度量方法(DDIS)进行精匹配.实验结果表明,本文方法识别准确率较高,识别速度相对较快,具有一定的实用价值.     

基于可重构计算技术的实时图像识别系统研究

提出了一种基于特征模板匹配的自动识别算法并将其在可重构平台上实现.实验表明,所设计的自动目标识别系统可以显著的提高识别率、减少识别时间并有效的降低了功耗.     

自动化立体仓库中货物自动识别技术

自动化立体仓库的货物识别系统一直是研究者和企业关注的部分。随着技术的发展,此系统已由人工识别发展为机器自动识别。目前,已被应用的自动识别技术有条形码识别技术、二维码识别技术、磁卡(条)识别技术、RFID无线射频识别技术、机器视觉图像识别技术等,将对应用于自动化立体仓库中常用的货物自动识别技术做一个简单的综述,并简要分析了实际应用中该如何选择自动识别技术。     

自主移动机器人走廊视觉识别与跟踪方法研究

在基于图像的道路识别技术实现的自主驾驶问题研究中,图像识别和跟踪的速度是自主驾驶效果的关键。采用基于模型的走廊识别技术,通过模仿人类视觉过程,使用遗传算法,对实时图像进行目标识别和跟踪,实现了一套自主移动机器人系统;同时通过对识别模型匹配值的变化率分析,实现了对走廊拐角的识别。实验结果表明,该方法的走廊图像识别和跟踪速度能够满足系统实时性的要求,并具有较高的可靠性。     

基于单片机的图像识别模组的研究

自动识别技术是实现信息数据自动识别与采集的重要手段,是当今世界高科技领域的一项重要系统工程。而作为自动识别技术其中的重要组成部分——图像识别技术在生活中的应用越来越普遍。本文重点介绍了图像的处理、分析和识别模式。通过凌阳单片机SPCE061A与凌阳图像识别模组组合使用来验证图像识别的应用,使大家对图像识别有深层次的认识。     

基于最大池化稀疏编码的煤岩识别方法

针对现今煤岩图像识别方法的缺乏与不足,为了挖掘新的煤岩图像识别方法以及更好地处理高维煤岩图像数据,提出了基于最大池化稀疏编码的煤岩识别方法.本方法在提取煤岩图像特征时加入了池化操作,在分类识别时采用了集成分类器,即多个弱分类器组成一个强分类器.实验结果表明:最大池化稀疏编码的特征提取方式能简单有效表达煤岩图像的纹理特征,大大增强煤岩图像的可区分性,获得较高的识别率,并且具有良好的识别稳定性.研究结果可为煤岩界面的自动识别提供新的思路和方法.     

基于深度学习的树种图像自动识别

【目的】为了探究深度学习方法用于林业树种图像智能识别的可行性,提出一种基于深度学习方法的自动识别树种新方法。在TensorFlow框架下,对卷积神经网络(CNN)模型进行改进,对7类树种图像进行自动识别研究。【方法】首先,在图像库建立时,为增加特征选择多样性,选择树木的树皮和树叶图像,保留自然背景;另外,考虑到同一树种在不同树龄条件下树皮图像存在差异,因此加入不同树龄的树皮图像,并用胸径指标来表示树龄大小。其次,对每类树种图像随机挑选100张作为测试集,剩余数据集全部作为训练集。通过反复试验比较不同CNN结构设置、卷积层数量、全连接层层数、学习率等对结果的影响。采用Adam算法代替传统的随机梯度下降(SGD)算法,对模型进行优化,用指数衰减法对学习率进行调节,在交叉熵函数中加入L2正则项对权重进行惩罚,并采用Dropout策略和ReLU激励函数,以避免训练过程中过拟合现象。最后,确定适合试验要求的13层CNN结构,同时比较深度学习方法和传统人工特征识别方法的差异,与已有的树种图像识别方法做对比。【结果】提出的13层树种图像识别模型,对训练集和测试集取得了理想的识别效果,识别率分别为96.78%、91.89%,在未参与训练的验证集上取得了96%的平均准确率。相对于已有的人工特征识别方法,所提出的方法识别效率和准确度更高。【结论】基于改进的卷积神经网络树种识别模型识别效果明显高于传统方法,说明所提出的方法能够应用于树种识别,可为林业树种图像自动识别提供一条新思路。     

基于识别反馈的粘连字符切分方法研究

字符切分是影响OCR系统识别的关键因素之一.对于中英文混排粘连字符图像,笔者提出了一种基于字符类别的识别反馈的字符切分方法.该方法结构简单,容易实现,实验结果表明该方法切分效果好.