救生衣-人系统漂浮运动测量中的标志点识别

以曲率尺度空间技术为基础,提出了一种快速、高精度的圆形目标鲁棒识别算法。从边缘图像中提取目标轮廓的关键点作为轮廓的分割点,从中筛选出在一定准则下可接受的圆弧。经过两次聚类和两次拟合得到圆形目标的准确参数。对比实验表明,只要目标边缘的局部连续弧段足够长,该算法就可获得比Hough变换更高的精度,时间复杂度大大降低且不受目标尺寸的制约。该算法已用于人体水中漂浮运动跟踪,在复杂背景、光照不稳定和标志点被部分遮挡的情况下求取了人体运动的时间历程,获得了满意的效果。     

一种面向稀疏表示的最大间隔字典学习算法

近年来,基于稀疏表示的分类技术(SRC)在图像分类和目标识别中取得了巨大的成功。在该框架中,过完备基的学习和多类分类器(通常为支持向量机SVM)的训练是最关键的两个步骤。但在目前的许多方法中,这两个模块的构建过程都是相互独立的。该文针对以上问题,提出了一种用于稀疏表示的最大间隔字典学习算法,将两类SVM分类器的损失函数项的平方及分类间隔作为正则项与稀疏字典的学习过程进行了整合,并提出相应的坐标轮换优化算法对目标函数进行优化,实现了字典和分类器的同步学习。所提出的框架能够增强多类分类器中两类分类器的推广性能,并减少多类分类器的误差界。为了对所提出算法的性能进行评价,在2个常用标准库上进行了分类实验。结果表明,所提出的算法的与SRC相比识别率提升均超过3%。