基于栈式稀疏自编码多特征融合的快速手势识别方法

针对复杂背景下手势分割提取效果不佳、图像识别率不高、识别困难等问题,研究多特征融合的快速手势识别方法.利用YCbCr颜色空间模型,构建肤色分布模型,从复杂背景中去除大部分非肤色的干扰,从而实现手势分割;接着采用5层栈式稀疏自编码网络框架,分别提取手势感兴趣区域（region of interest,ROI）的纹理图像、形状图像和显著视觉图像作为自编码网络输入,将提取到的不同类型的特征进行线性融合;最后使用基于径向基核函数（radial basis function,RBF）的支持向量机（support vector machine,SVM）分类器进行融合特征数据分类,从而实现不同类型的手势识别.实验结果表明,相比其他手势识别方法,本文方法识别率较高,提取特征更具有代表性,平均识别率可达95.05%.      

林火监测中基于视觉的火焰检测方法

基于计算机视觉的火灾监测系统中对火焰的早期检测是防止森林火灾蔓延的关键。提出一种基于运动检测和像素颜色特征相结合的新的火焰检测方法。首先根据图像序列建立背景模型,突出显示运动部分;并采用邻域平均方法对目标和噪声进行分离。其次基于边缘特性,获取序列图像的边缘变化情况,将两者融合得到感兴趣(ROI)区域。最后,将亮度与饱和度分离,产生火焰的有效颜色空间。通过对火焰像素亮度(I)分量区域与饱和度(S)分量区域进行相关性分析来确定火焰。实验结果显示,方法具有良好的快速性,在较短的检测时间下,可以保证较高的检测率和较低的误检率,对火焰序列图像的检测率达到91.78%,对伪火焰图像的误检率达到7.11%。