HOG结合随机森林的新型手势识别框架

针对现有手势识别方法在复杂环境中识别率较低的问题,提出了一种HOG与随机森林结合的新型手势识别框架.首先对输入视频进行帧差分处理,使用n帧累积差分来确定具有最大强度的区域.通过识别感兴趣区域(ROI)来提取动作信息.然后提取梯度方向直方图(HOG)作为特征.最后将提取的特征反馈到基于随机森林的分类器以用于手势识别.使用Jochen Triesch静态手势库作为提出算法的评测标准.实验结果表明,提出的新型手势识别框架取得了良好的识别精度.     

视频镜头分割与关键帧提取算法研究

为了解决关键帧提取算法性能因特征选取单一而受视频类型多样性限制等问题,提出了一种基于多特征的关键帧提取方法 .该方法在检测到的每个镜头内,采用颜色特征、小波统计特征和SIFT局部特征计算视频帧间综合相似度矩阵.然后采用一个改进的谱聚类算法将镜头帧分组,每一组的中心帧被选择作为关键帧,其中关键帧的数目通过计算聚类不稳定性的极小值进行估计.通过实验利用F1分数、保真度和镜头重构度等评估标准验证了该方法的有效性.     

一种基于光流的动态手势识别方法

将手势区域分割方法和运动信息检测方法相结合,形成了一套基于光流的动态的手势识别算法.实验中使用方向直方图的方法对光流信息进行降维,对预设的4种手势建立了公共模版,在测试中取得了较好的效果.     

基于稳健哈希签名的视频流特定人物实时检测方法

摘要： 为在视频流上实现特定人物实时检测,提出基于稳健哈希签名的人物检测方法. 首先设计稳健哈希函数并计算目标图像的签名,然后在实时视频流上计算关键帧图像的签名,再衡量两者相似程度并判断该视频是否含有设定的目标. 该方法能实时发现与设定人物相似的视频关键帧,从而定位到该关键帧所在的镜头,实现视频流特定人物检测功能. 实验表明该方法可达到较高的准确率,这对于及时获取特定信息有重要作用. 该方法也可以用于图像复制检测、重复视频检测等.     

基于多特征融合与机器学习的篮球运动姿态识别

为了有效识别篮球运动员的运动姿态,提升运动员的训练效果,提出了一种基于多特征融合和机器学习的篮球运动姿态识别方法。该方法利用惯性传感器采集运动员的加速度和角速度数据,分别从时域和频域提取多维运动姿态特征,通过特征选择和机器学习实现篮球运动姿态识别。实验结果表明,该方法能够有效识别篮球运动姿态,姿态识别平均准确率达到97%以上。     

篮球视频中基于AdaBoost分类器的运动员检测方法

针对篮球视频中运动员的检测识别问题,提出一种基于AdaBoost分类器的检测方法 .首先,从视频中获取有用帧,并通过SampleCreator软件来标记运动员,提取出全身和上半身矩形图像.然后,基于积分图技术从对象图像中提取Haar特征.接着,利用AdaBoost算法选择出具有较强分类性能的特征,训练一系列的弱分类器,并将其进行级联来构建最终的强分类器.最后,通过强分类器对Haar特征进行判别,从而检测图像中的运动员.实验结果表明,该方法能够准确检测并识别视频中的运动员.     

基于Gabor小波和神经网络的图像目标识别

针对目前数字图像目标识别方法中存在识别精度和实时性的问题,提出一种结合Gabor小波和神经网络的图像目标识别方法.该方法首先对图像进行预处理,用Canny算子进行边缘提取,然后通过神经网络获取最优的双Gabor小波复合滤波器参数,再采用参数优化过的滤波器组提取目标的特征向量,最后进行目标的分类和识别.实验表明这种方法鲁棒性好、识别率高,具有较广泛的实际应用价值.     

一种基于星体特征值的全天星图识别法

为了解决全天三角形星图识别法运行时间较长的问题,提高星敏感器测量飞行器姿态的实时性,提出了一种基于星体特征值的全天星图识别法。该算法根据星敏感器捕获星体的原理,分析了星体附近区域的特征信息,采用星体特征值作为星体的匹配因素,并建立了基于星体特征值的全天星图识别法模型。仿真过程选择标准天文星表来提供星体数据,并从中抽取13332颗星体构成候选星表,来对算法进行仿真。仿真结果显示:与传统的全天三角形星图识别法相比,该算法具有更短的运行时间和更高的星图识别率。     

结合地理参数的航拍视频实时拼接算法

针对现有航拍视频拼接算法存在的计算速度慢及累积误差大等问题,提出一种结合地理参数的航拍视频实时拼接算法.根据地理参数对相机运动模型进行分解,完成视频帧间的实时配准.估计视频每帧的主运动方向,并对现有单一主方向的流形拼接算法进行改进,将其拓展到任意方向.依据地理坐标局部修正拼接条带,保证拼接图像与真实地理位置一一映射,减少累积误差.仿真与真实航拍视频的拼接结果证明了该算法的准确性和准实时性,对640×480像素视频的拼接速度达到25帧/s.     

改进线性外推法预估器的手势跟踪

针对动态手势识别系统手势跟踪问题,提出了一种基于改进线性外推法预估器的手势跟踪算法.该算法用前两帧的平均位移作为未来帧的位移预测,提高了预测精度;采用5点直线拟合,根据拟合直线斜率判断目标遮挡和重叠状态下的运动方向,克服了由于手势目标质心变化引起的预测位置偏离实际目标的缺陷.实验结果表明:所提出的算法能准确稳定地跟踪手势目标,平均预测偏差缩小到3.374像素,并且能在手势被遮挡和手势重叠的情况下实现有效跟踪.     

对偶四元数在航天器相对导航中的应用

为了提高航天器相对位置和姿态测量的实时性和准确性,提出一种利用对偶四元数位姿模型来求解航天器相对位姿的方法. 该方法统一考虑目标航天器和追踪航天器本体坐标系间的相对旋转和平移,采用螺旋向量法更新对偶四元数. 建立了相机测量模型来测量航天器的相对位置和姿态,并选择扩展的卡尔曼滤波来消除随机噪声对状态更新和测量过程的干扰. 仿真结果表明该导航算法能满足航天器相对导航的精度要求,验证了该算法的可行性.     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络（convolutional neural network,CNN）算法的时空权重姿态运动特征提取算法。针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工作;借助CNN将运动特征矢量化;采用时空权重自适应插值方法减少运动边缘检测误差,从姿态边缘特征和姿态运动时空特征两方面实现姿态运动特征提取,并输出提取结果。与传统算法进行对比实验的结果表明,所提出的算法在有效特征数量方面得到了提升。     

基于三轴加速度传感器人体姿态识别的特征选择

为解决人体运动模式识别中姿态分类问题,详细研究了人体姿态识别的特征选择.通过统计三轴加速度传感器的x轴、y轴、z轴等信号,获得标准差、偏度和峰度等117种特征.将Fisher score、relief-F和Chi square 3种算法与层次分类方法相结合选择出特征子集,采用支持向量机对动作进行分类.实验表明,利用3种特征选择算法所选择出的特征集有助于较高精度地识别站立、坐和躺3种静态动作以及走、上楼、下楼3种动态动作,且有利于后续进行低复杂度在线识别方法研究.     

基于动态特征和静态特征融合的步态识别方法

针对步态识别非强迫性、不易被察觉、难以隐藏和远距离的特点,为了提高步态识别率,提出基于静态能量图和动态群体隐马尔可夫模型的步态识别方法 .首先,对步态图像预处理,计算步态周期,把步态序列中对应关键帧能量图进行叠加;然后,用群体隐马尔可夫模型训练参数,最后用近邻法识别.利用中科院自动化研究所提供的数据库对该方法进行了验证,在90°视角、45°视角下相同的衣着,以及在90°视角下不同衣着三种情形下进行了实验,实验结果验证了该方法的可行性,对角度变化有一定的鲁棒性且减少了噪声对识别的影响.     

基于M-GCHMM步态识别研究

步态识别是通过人走路方式来识别人的身份方法.该文采用高斯多元混合输出模型,改进CHMM在步态识别中的应用.首先,采用背景减除法进行步态检测,用边缘跟踪法提取出步态图像的边缘轮廓,训练得到的关键帧用多元高斯混合输出连续隐马尔可夫模型来表示,最后用近邻法进行识别.在不同视角下,利用CASIA数据库对该算法进行验证,取得了较高的识别率,该算法对视角的变化有一定的鲁棒性.     

基于体感识别的非物质文化遗产数字化交互技术

非物质文化遗产的主要表现手段是声音、形象和技艺,利用数字化技术面向大众进行展示和推广的方式有限。将体感识别技术应用于非物质文化遗产数字化交互过程,可以丰富非物质文化遗产的表现形式,提高用户参与积极性。提出了一种综合应用Kinect和Leap Motion体感识别设备实现非物质文化遗产数字化展示与交互的技术,设计了识别准确率较高的Kinect和Leap Motion动作识别算法。与以往基于传统鼠标、键盘以及触摸屏的交互技术相比,这种动作感应和手势识别的交互技术更为自然和方便。     

图像视频中ENF信号的分析及应用综述

多媒体录制设备在交流电场或交流电器设备环境中录制视频、图像或音频时,会同时记录电网频率的波动.电网频率(electric network frequency, ENF)具有实时性、连续性以及同电网一致性等特点.因此从这些录制的多媒体文件中估计出的ENF信号是一种很好的时间戳,可用于信息源检测、操作取证及媒体同步等任务.尽管音频、图像和视频中ENF信号存在的形式截然不同,但检测和估计的思路是一致的,部分处理手段是通用的.目前,ENF信号在音频这一载体的研究中已经积累了一些成果,而在图像视频分析中的研究还处于起步阶段.为了更全面地了解图像和视频中ENF信号的特点、估计方法及在信息取证等方面的应用,对相关研究成果进行了梳理总结.首先通过分析图像视频捕获过程来探究ENF信号的形成机理与特点,然后对ENF信号检测和估计中存在的问题及相关方法进行了总结分析,最后介绍了图像视频ENF信号在信息取证方面的应用并指出未来可能的研究方向.     

一种用于手势识别的局部均值模式纹理描述子

提出了一种改进的局部二值模式即局部均值模式用于对静态手势进行分类. 计算不同分辨率的原始手势图像、非线性光照变化图像、高斯模糊图像和椒盐噪音图像的局部均值模式、局部二值模式和局部角相模式. 利用gentle_Adaboost 分类算法对这些算子特征进行训练和测试,实现手势分类. 文中提出的局部均值模式能充分利用区域内像素灰度值之间相关性和区别性信息进行编码,恰当地描述不同手势的特征,具有简单快速及良好的区分度等特点. 实验结果表明：与局部二值模式和局部角相模式相比,局部均值模式算子取得了更高的分类准确度.对于原始图像,该描述子的分类准确度达到95%,同时该模式对非线性光照变化和高斯模糊具有较强鲁棒性.     

基于Adaboost的人脸识别算法研究

人脸识别技术作为当前的研究热点之一,主要包括识别和检测2大方向.人脸识别的研究内容主要是如何快速准确的在人脸数据库中识别出目标.目前,越来越多的应用需要在复杂条件下处理图像后获得人脸的清晰图像,因此人脸识别成为了研究热点.本文,笔者提出了使用Adaboost算法进行人脸的正面和左右侧面检测,实验结果表明,该算法识别效果好、实时性好、检测速度快.     

铁路机车快速超视距障碍物识别算法

针对超视距情况下,铁路行车路障监控的实时性问题,提出了一种快速超视距障碍物识别方法.先利用纹理特征进行快速预处理与边缘检测;再利用铁轨的纵向延展特点,用搜索连通域投影最长的方法定位铁轨区域并建立检测窗;并行的用帧差法比较当前帧与检测窗识别出障碍物,最后利用IPM模型计算障碍物大小与距离.实验结果表明,在确保90.3%识别率的前提下,本算法识别障碍物平均耗时43ms.