基于视频的人体异常行为检测与识别

提出了一种运动目标检测算法,通过三帧差分法,可以从视频图像中提取出运动目标的轮廓.通过三帧差分法分别对人体正常行走和人体摔倒两种行为进行检测,提取出人体在两种行为的运动过程中的特征.提出一种基于改进Hu矩不变性的人体异常行为识别算法,对人正常行走和摔倒两种行为进行识别.正常行走是正常行为,摔倒则为异常行为.实验证明,该方法对在本研究的实验环境下的正常行走和摔倒两种行为识别率很高,有一定实用价值.     

基于视频图像理解的中国象棋棋子识别

提出了一种基于视频图像理解的中国象棋棋子识别算法.在检测视频图像无变化基础上,检测棋子变化,利用棋子的先验信息及象棋规则排除无法行棋点,再通过当前帧图像与前两步棋子图像特征识别出实际行棋的棋子.该算法避免使用二值化门限,对光照、阴影等外界环境的变化具有良好的适应性.     

基于贝叶斯分类器的实时图像目标识别实验研究简

基于对不完全朴素贝叶斯分类器的分析,提出一种离线训练在线识别的目标图像识别与跟踪实验方法.实验将模板图像与目标实时图像之间的特征匹配问题转换为特征分类问题,并在成像自寻的导引系统上运行.实验结果表明,该方法在保持很高鲁棒性的同时,大幅减少在线目标识别的计算量,具有较强的实时性.     

基于频响函数曲率的结构损伤检测

结构的损伤能够引起结构动力参数的变化。为了更明确地显示损伤,文中用频响函数曲率、频响函数曲率差、频响函数曲率比三种指标来进行损伤诊断。考虑到单处损伤及多处损伤情况,对简支梁进行数值模拟,并用上述三种指标进行了诊断。对比结果表明,在单损情况时,频响函数曲率差及曲率比都对损伤位置敏感;但在多损情况时,频响函数曲率比对损伤位置更加敏感。     

基于BP神经网络的田间杂草识别技术研究

设计了一种以田间除草指标体系作为神经网络的输入,以田间除草等级作为输出的田间除草综合评价模型;以田间除草指标的各级评价标准作为模型的训练样本和检验样本,设计了一种神经网络算法,利用Matlab软件对BP神经网络进行训练和检验.结果表明:BP神经网络对检验样本的模拟输出和期望输出是一致的;BP神经网络人工智能技术应用到田间除草,具有运算速度快、精度高,过程方便简捷的优点.     

生物芯片微阵列图像倾斜校正算法研究

针对现有生物芯片图像倾斜校正算法校正精度和运算速度的矛盾问题,提出对矩形样点和圆形样点图像分别采用改进的Hough变换和改进的Radon变换方法进行倾斜校正。改进的Hough变换首先对图像进行二值化,并仅统计矩形样点的上下边缘像素的Hough参数和累计值,然后根据所得的Hough参数空间提取占主导的直线组,最终计算出直线组的平均倾斜角度;改进的Radon变换在提取圆形样点边缘后,对边缘图像进行二级Radon变换,从而得到最佳校正角度。实验证明本文的方法能准确、快速地实现芯片图像的倾斜校正,为生物芯片样点识别奠定基础。     

基于ANSYS优化模块的大体积混凝土热学参数识别

确定大体积混凝土水化热温度场分析中的混凝土材料热学参数是准确模拟混凝土温度场的关键因素.本文提出了一种识别混凝土材料热学参数的新思路,通过测定混凝土结构内几个点的温度时程变化数据,以实测温度与有限元理论计算温度间的误差极小为目标,以待识别的混凝土材料热学参数为设计变量,建立数学优化模型,并应用ANSYS的优化模块进行建模并求解,得到的最优设计变量即为识别出的混凝土热学参数.工程实例表明此方法可行.     

基于点云模型的人体尺寸自动提取方法

基于点云数据的人体尺寸自动提取是三维人体非接触测量的难点问题,提出一种基于点云数据的人体尺寸自动提取方法。其步骤为:对人体点云去噪并建立标准测量坐标系;给出一种自动分割算法将人体分为6部分;将人体测点分为极值点、局部极限点和一般点3类,在模型分割的基础上给出每类测点的识别算法;最后给出人体测量项目的计算方法。研究结果表明:与传统方法相比,本方法具有全自动、速度快、操作便捷的特点;所提出的测点识别算法和测量项目的计算方法是有效的,在准确率上满足GB/T 23698—2009的要求。     

基于方向链码的书空手势识别

介绍了Leapmotion交互设备的结构及运行机制,在该设备产生的交互空间中的x-y平面上定义8个方向的方向链码,通过该设备检测手指在空间中的位置变化,确定手指的移动方向,并结合方向链码定义动态书空手势。为了消除手指在空间运动的不稳定性而导致的噪声干扰,将手指在平面上的位置信息映射到计算机屏幕上显示出手指的移动轨迹,对轨迹进行分段处理,根据分段的比重提取主要移动方向描述输入手势,采用顺序匹配算法对输入手势与模板手势进行匹配,识别输入的书空手势。     

基于运动块及关键帧的人体动作识别

为了进行动作识别,需要提取能够充分表征动作的运动、时间、空间及形状信息的特征.本文首先从动作的运动特性出发,采用基于图聚类的方法对人体的运动区域进行分割,并通过计算运动块的熵值选出由运动方向一致的运动点构成的运动块.通过建立混合高斯模型对运动块的时空三维位置及运动方向进行特征表示,得到运动描述符.同时,通过比较前后帧中运动块的变化提取关键帧,然后基于词袋框架进一步筛选关键帧,并采用梯度直方图对动作的形状信息进行特征表示,得到形状描述符.通过线性组合运动描述符及形状描述符,得到充分包含动作的运动、时间、空间及形状信息的联合描述符,并采用最近邻分类器进行动作识别.该算法在KTH和UCF运动数据集上较当前方法取得更好识别效果.