一种基于视频序列单目视觉下的运动车辆轮廓重构算法

针对运动车辆在单目视觉下轮廓重构的问题,本文通过特征目标识别的方法解算出无约束运动车辆的运动参数,将无约束运动物体的轮廓重构问题转化成已知约束运动物体的轮廓重构问题,提出了一种基于视频序列的单目视觉下的运动车辆轮廓重构算法.实验结果证明,新算法能够较好地重构出不同大小车辆的3D轮廓,其车辆高度估算值的误差在4%以内     

基于运动目标识别的摩托车视频监控驾考识别技术研究

针对人工监考摩托车驾考往往存在徇私舞弊、判断不准确等缺点,提出一种基于运动目标识别的摩托车视频监控驾考识别技术.基于改进ORB图像特征匹配算法、消除误匹配点等策略对摩托车驾考监控视频进行稳像处理;使用边缘轮廓检测的运动目标识别算法,完成运动中摩托车目标图像边缘轮廓特征检测,利用双目视觉极线约束模型对摩托车目标特征点进行立体匹配与三维重构,提高轮廓检测精度.测试结果显示,该方法检测摩托车驾考目标的最优准确率可达96％,检测算法运行的响应时间较少、实时性优,具有良好的视频监控驾考适应性.     

一种基于轮廓特征的运动目标识别方法

针对视频图像中形状匹配的局限性,即当待检测物体出现平移、旋转变化时识别目标需要很长的计算时间,提出了一种基于轮廓特征的运动目标识别方法.首先获取能自动更新的背景图像,采用背景减法提取运动目标的轮廓,然后运用其轮廓的边界不变矩特征和形态学特征,构建一个轮廓特征向量的模型,再分析比较待测运动目标轮廓特征向量与每类标准样本之间的欧氏距离,实现对运动目标的识别分类. 试验结果表明,该方法具有识别精度高、计算量小、实时性好的特点.     

序列图像中运动目标聚类识别技术研究

以序列图像中运动目标检测问题为研究对象，应用遗传算法对多种目标进行了聚类识别，从而扩展了计算机视觉的目标识别范围，为运动目标的识别问题铱供了一种新的解决思路．实验结果验证了这种识别算法的有效性．     

鸟类离顶盖通路的结构和电生理特性

离顶盖通路是鸟类主要的视觉通路之一, 由视网膜、视顶盖、圆核和外纹体组成. 各结构之间具有区域性的对应投射;通路中的神经细胞具有不同的感受野特性, 对不同形式的刺激呈现出不同的反应模式. 参与物体运动方向和物体的朝向分析、运动物体的速度检测、颜色和物体轮廓处理、图象-背景识别、视觉指导定位、捕食和逃避反应等.离顶盖通路侧重于加工关于目标运动的特殊视觉信号,而对自身引起的视觉运动不敏感.     

基于五点不变量和灰色相关分析的仿射目标识别

本文提出一种可适应平移、旋转、缩放和仿射变换的二维目标识别算法。使用五点不变量描述图像轮廓,得到五点不变量序列;应用灰色相关分析方法找到模板图像中与目标图像最匹配的五点不变量序列,从而正确识别目标。为验证算法的有效性,选取20个二维目标,每个目标获取14幅从不同视角拍摄的图像,共280幅图像进行识别,结果表明所提出算法较其他相似算法更稳定且识别率更高。     

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。     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于深度学习的二值图像目标轮廓识别算法

针对传统目标轮廓识别算法对图像目标轮廓识别精度较低、 效果较差的问题, 提出一种基于深度学习的二值图像目标轮廓识别算法. 首先, 选取深度学习算法中的深度卷积网络算法识别二值图像目标轮廓, 将二值图像划分为不重叠的、 大小相同的子块图像输入深度卷积网络第一层; 其次, 卷积网络中的滤波器（卷积核）采用传统神经网络算法优化的代价函数对输入子块图像实施卷积滤波, 并将卷积滤波后下采样图像发送至第二层, 第二层经过相同处理后将结果输入第三层, 第三层输出图像即为该子块目标轮廓识别结果; 最后, 所有子块识别结束后在输出层通过全连接方法将其聚类, 并输出最终二值图像目标轮廓识别结果. 实验结果表明, 该算法识别15幅二值图像目标轮廓的识别精度平均为98.75%, 信噪比平均为2.42, 识别效果较优.     

基于三维视觉的运动易损动作识别方法研究

在对运动易损动作进行识别时,一直由于无法克服外界条件带来的影响,存在识别精度低、误差大的问题。提出基于三维视觉的运动易损动作识别方法,对运动动作的三维视觉空间进行三维梯度值求解,获取三维视觉梯度直方图特征;并进行降维出来,得到低维隐空间下的运动模型,在此基础上,对其进行序列映射,求出测试序列与训练序列的吻合度。通过匹配计算,获取匹配度,实现运动易损动作的识别。实验结果表明,所提方法具有很高的识别精度,所需时间较短,识别性能高。     

基于功率倒置阵的特征分析法

功率倒置算法能在干扰方向形成零陷,并且干扰越强,形成的零陷越深.但对于弱干扰源的情况,该算法形成的零陷不够深,对干扰的抑制有限.基于子空间理论,对功率倒置算法进行特征矢量的分析,揭示功率倒置算法实质,并通过对干扰子空间正交投影,使方向图在弱干扰的地方形成较深零陷.计算机仿真证明了该算法的有效性.     

基于LLE和模糊核聚类的语音可视化仿真

根据语音信号的时变特性,提出了一种具有很好分类定位能力的语音可视化方法——局部线性嵌入(LLE)和模糊核聚类相结合的算法.通过利用LLE对提取的语音特征进行非线性降维,然后再利用模糊核聚类算法对其进行聚类分析,即利用Mercer核,将原始空间通过非线性映射到高维特征空间,在高维特征空间中对语音信号特征进行模糊核聚类分析.由于经过了核函数的映射,使原来没有显现的特征突现出来,从而能够更好地支持基于位置的语音可视化.以10名男生和10名女生在实验室环境下的720个语音资料(汉语元音)作为样本进行了试验,试验结果验证了该方法的可行性和有效性.     

基于K-L变换的掌纹自动识别

掌纹自动识别是对基于生物统计学的身份鉴别的重要补充。论文尝试了对掌纹图像代数特征的提取 ,并设计了基于 K- L变换的掌纹自动识别方法。实验表明 ,这种方法能够取得很好的识别效果 ,即使对于低分辨率下的图像也有较高的识别率。在此基础上结合子空间法模式识别理论 ,提出了双子空间掌纹自动识别方法。并用双子空间对各类样本的空间分布进行了更加精细的刻画。然后采用分层最小距离分类器实现掌纹识别 ,使识别率和鲁棒性得到了进一步提高。     

线性大系统多时标分解的并行算法

分析了线性大系统多时标分解中矩阵方程方法和特征空间方法间的关系．综合利用这两种途径，给出一种基于主特征子空间求解的迭代方法，并讨论了其并行实现方式．这种方法具有高度的并行性并保持了一些特殊系统原有的结构特性．     

基于PCA/ICA的海洋浮游生物识别

通过海洋浮游生物图像对浮游生物进行识别和分类,有助于合理地开发、管理、利用海洋资源。针对直接使用PCA或ICA形成的特征空间,不能达到各类别元素未能较好分离的问题,提出了一种浮游生物识别算法。采用PCA和ICA相结合的多层混合分类模型,提取WHOI数据集浮游生物样本特征,放入到分类模型中进行测试,并对不同距离度量的识别效果进行了比较。结果表明基于耦合度量的混合分类模型具有良好的分类性能。     

半盲算法在自适应波束形成中的应用

文章介绍了半盲算法在自适应波束形成中的应用,根据半盲算法的原理,先运用基于子空间的正交投影波束形成方法确定初始权值,目的是得到次优权值,再用最小二乘恒模算法(LSC-MA)进行迭代。通过计算机对三种自适应波束形成算法的仿真对比,证明了半盲算法收敛稳定,可抑制干扰,恢复期望信号,从而也证实了该算法的可行性,有效性。     

矩阵的联合特征空间及其应用

在矩阵理论中，线性空间N（A）和R（A）是由矩阵A确定的两个重要的特征空间．将齐次线性方程组的解空间以及矩阵的列空间等概念进行整合，给出了矩阵的联合特征空间概念，讨论了其性质和结构等问题，以及在矩阵秩等式、Fn关于N（A）和R（A）直和分解判定问题中的应用．     

一种基于声矢量传感器阵列的二维来波方向和阵列增益联合估计算法

基于声矢量传感器阵列的二维来波方向估计是水声通信的关键技术,但阵列增益的不一致性将影响来波方向估计性能.基于子空间分解,提出一种阵列增益和来波方向的联合估计算法,其中来波方向利用旋转不变性求解,阵列增益利用子空间正交性求解.来波方向和阵列增益以迭代方式求解.仿真结果显示了算法的有效性.     

一种快速运动目标检测算法

运动目标检测是智能视觉监控系统的重要组成部分,其主要功能是检测监控场景中的运动目标,为高层运动分析提供必要的信息。文章提出一种快速运动目标检测算法,以帧差法和背景减法为基础,快速实现背景提取、背景更新、运动目标检测的功能。实验结果表明,该算法计算量小,检测目标完整,能够满足实时监控系统的要求。     

一种基于Gabor小波和颜色参数模型的阴影检测算法

本文提出了一种基于Gabor小波纹理特征分析和阴影参数模型颜色分析的阴影检测算法.首先,建立背景的混合高斯分布模型,通过对特定帧的颜色分析建立阴影参数模型.对图像序列中的每一帧,首先通过差分法提取出前景区域,然后通过Gabor小波滤波的方法,对背景和前景图中的相同小区域进行纹理特征分析,比较特征向量的距离,以判断潜在的阴影点.然后,通过阴影参数模型对这些潜在的阴影点进行颜色分析,并通过连通区域标记,形态学运算,FPR(去除假阴影)分析等方法,找出真正的阴影区域.实验结果表明,本算法具有较高的阴影检测率和物体检测率,可以满足实时检测的需要.