基于字典投影学习的人脸识别算法

针对字典学习l0或l1范数的稀疏约束导致训练和测试阶段较高的复杂性,提出用于人脸识别的字典投影学习算法.该算法合成和分析字典,达到信号表示和分类.实验结果表明,与传统的DL方法相比,所提出的DPL方法大大降低了训练和测试阶段的时间复杂度;与KNN算法相比,具有较高的识别精度和较好的稳定性.     

基于光流追踪技术的变形位移测量方法

提出一种基于金字塔Lucas Kanade光流跟踪技术的变形位移测量算法. 该算法通过检测变形前图像的角点, 先利用金字塔Lucas-Kanade算法在变形图像中搜索其匹配点, 再经计算求得变形位移值. 实验结果表明, 该算法进行变形位移测量时精度高、 稳定性好.     

基于跨域字典学习算法的人体行为识别

将一种跨域字典学习算法应用于人体行为识别中, 通过引入辅助域数据集, 与原始训练集（目标域）共同进行字典学习, 获得字典对, 进而得到动作类的稀疏编码, 有效扩充了训练集的类内多样性. 该算法为字典学习与训练分类相结合的学习框架, 可利用字典对学习过程中的重建误差进行分类. 实验在MATLAB仿真条件下进行, 将UCF YouTube数据集作为原始训练集, 将HMDB51数据集作为辅助域数据集, 选取两个数据集动作类别一致的7个动作, 根据提出的算法流程进行识别. 将该方法与其他两种人体行为识别算法进行对比. 结果表明, 该方法识别率显著提高, 证明了跨域字典学习算法在人体行为识别上的有效性.     

基于字典学习的77GHz雷达人体动作识别

基于视觉的人体动作识别方法对光线和视距环境较高,并且存在侵犯隐私的问题,在应用中有局限性。为了解决这个问题,提出一种基于毫米波雷达和字典学习的人体动作识别方法。首先对人体动作的雷达回波信号进行时频分析得到时频图,再使用两种特征提取方法对时频图进行降维描述,将两种降维后的数据融合,通过LC-KSVD字典学习算法同时学习多特征字典和一个线性分类器,最后根据稀疏系数和线性分类器来识别动作。在此基础上,设计77 GHz毫米波雷达动作识别实验系统,结果表明:算法在10种人体动作数据集上达到了97.7%的识别准确率,可见所提方法实现了对人体动作的准确识别。     

基于特征层融合和随机投影的行为识别算法

提出一种基于特征层融合和随机投影的行为识别算法;该方法提取视频序列的时空梯度特征和Gabor特征;然后进行特征层融合,得到分类能力更强的特征,有效地表征人体行为;同时,使用随机投影对融合后的特征进行降维;最后,为了解决主题模型参数估计迭代复杂的问题,将贝叶斯参数估计法应用于LDA(latent dirichlet allocation)主题模型中,对视频中的行为进行分类。在公开的KTH和Weizmann数据集上进行了实验,结果表明方法不仅比单一局部时空特征描述符识别性能好,而且在相同实验设置下,也优于其他基本分类器。     

基于视觉的手势识别研究

在对基于视觉的手势识别的几个关键问题进行研究的基础上,尝试将高斯金字塔光流算法与DTW分类算法相结合,应用到动态手势识别中.实验表明,四个动态手势的平均识别率达到了94.5%.     

基于自适应稀疏表示和保局投影的工业故障检测

针对工业过程中检测和储存的数据维度不断增大,传统的检测方法中存在处理速度慢、故障特征提取不明显等问题,提出了一种基于自适应稀疏表示和保局投影(Adaptive Sparse Representation and Locality Preserving Projections,ASRLPP)的故障检测方法.首先利用稀疏字...     

基于稀疏编码投影特征的布匹瑕疵检测

为了改善传统算法通用性不强、计算量较大的缺点,提出了基于稀疏编码投影特征的布匹瑕疵检测算法。采用稀疏编码来训练得到特征提取的过完全字典,使得不同种类布匹纹理的特征选取具有充分的灵活性。利用布匹图像在字典上的投影代替稀疏表达作为特征,提高了特征的鲁棒性,有效地减小了算法的计算量和时间复杂度。最后,根据待检测图像块特征和标准之间的距离,得出检测结果。对德国TILDA样本库的实验结果表明,该方法得到的特征更加的稳健,对不同种类布匹的适应能力更强,检测时间更短,对比其他算法的检测率也有明显优势。     

基于投影序列质心的不规则形状识别

以交通标记识别为例,针对不规则形状识别提出一种新的方法。选取不规则形状的边缘点做双向投影变换,根据归一化和中心化后的投影序列数据求得加权质量,从而得出投影序列的质心。由于相似质点系的质心距离相近,因此相似投影序列的质心也相近。以棋盘距离和街区距离的线性组合替代欧氏距离来度量投影序列及其质心的相似性,继而得到不规则形状的相似程度。实验结果表明,该算法在保持较高识别精度的同时,运算速率也比较快。     

基于曲线拟合的投影算法的研究

用地理坐标传感器进行定位时,经常会存在一定的偏差,分析了其产生偏差的原因,以及当前常用的投影地图匹配算法的优劣性.提出了在曲线拟合原理上融合投影算法,对坐标数据进行修正,能够有效地提高线路匹配的准确率,具有很好的现实意义;最后在实际应用中对该算法做了检验.     

基于灰度变调投影光技术的视觉检测方法研究

提出了一种基于灰度变调的空间结构投影光技术用于视觉检测方法,探讨了灰度变调空间结构投影光技术的一些特性,给出了灰度变调空间结构投影光技术的投影方法。实验表明,基于灰度变调投影光技术构成的计算机视觉检测系统能够提高光条纹检测精度,减少检测时间,是一种非接触、高速度、高精度的3维视觉检测方法。     

基于深度学习的人体行为识别检测综述

人体行为识别检测是计算机视觉领域的研究热点,主要包括行为识别和行为检测两大部分.目前,对行为识别检测的综述主要聚焦在行为识别领域,对行为检测的关注度偏低.针对这一现状,聚焦行为识别和行为检测两个方面,分别综述了行为识别以及行为检测的各种方法,介绍了常用的数据集.首先从网络结构的角度重点论述了基于深度学习的行为识别方法;而后将行为检测划分为时序行为检测和时空行为检测,总结行为检测的各种算法;最后对各种算法的特点进行了总结分析,探索行为识别与行为检测的区别与联系,对当前研究面临的问题以及下一步的工作进行了总结和展望.     

基于模拟退火算法的投影寻踪方向优化

投影寻踪是一种降维处理技术,通过它可以将多维分析问题通过投影方向转化为一维问题分析.应用该法的关键在于寻求最佳投影方向,这可以转化为一个优化问题来进行解决.针对投影寻踪评价模型中的最佳投影方向优化问题,采用模拟退火算法来优化此问题.仿真结果表明了模拟退火算法在解决此类复杂函数优化问题上的适用性和有效性.     

基于半监督学习的人体异常行为识别

需要进行人体异常行为识别的视频一般都是未标记的序列图像,传统的有监督的识别方法往往不能较好地反映其行为的特征,识别率不高.提出了一种基于半监督学习的人体异常行为识别方法,首先使用基于DTW距离的self-training进行标记数据扩充,然后用此扩充的序列图像样本集合训练对应的HMM,最终进行异常行为识别.实验结果证明该方法有效且识别率较高.     

基于结构信息相似度的线性投影灰度化算法

针对彩色图像灰度化过程中易丢失结构信息的问题, 提出一种基于结构信息相似度的灰度化算法. 首先在RGB色彩空间利用像素平均值和标准偏差值构造一幅对比图, 以保持彩色图像的对比度和亮度信息; 然后利用结构信息相似度评价指标衡量RGB通道图像与对比图间的相似程度; 最后将通道结构信息相似度值作为全局加权映射函数中的权重值, 获得最终的灰度图像. 该算法有效解决了其他典型灰度化算法中需求解目标函数, 导致算法复杂度高、 图像结构信息不自然的缺陷. 对Cadik和CSDD图像集的实验结果表明, 该算法优于一些已有典型灰度化算法, 能有效保留原始图像的对比度和结构信息, 可提高计算效率, 且输出的灰度化图像视觉感知自然, 主客观评价结果均较优.     

评估模型基于交互投影的参数岭估计

根据评估过程提出的一种因变量和回归系数都未知的凸约束广义线性回归模型,利用凸集间的交互投影作出模型参数的最小二乘估计,在设计矩阵列复共线时给出了交互投影算法的参数岭估计,扩充了评估模型理论,增强了评估模型基于交互投影算法的计算稳定性.     

基于透视投影的垂直视角投影算法研究

在计算机视觉领域,透视投影变换是图像变换中最复杂的变换之一.在透视投影中的垂直投影是在实际工程应用中使用最广泛的变换方法.研究了透视变换中斜投影与正投影之间的变换关系,分析了不同角度的斜投影图像到正投影图像之间变换对参数的影响,得出了变化参数与斜投影的倾角关系.实验表明,按照所得到的参数与倾角关系矩阵,可以准确地计算出斜投影图像对应的正投影图像.     

基于ISA网络的视频人体行为分类识别

采用基于独立子空间分析(ISA)模型与神经网络理论形成的ISA深度网络模型特征提取方法,并结合数据预处理方法、K-means聚类方法以及支持向量机(SVM)分类器等实现对视频人体行为的分类识别.将本研究方法应用到Hollywood2人体行为数据集上进行人体行为识别实验,并与其他常用人体行为特征提取和识别方法进行对比,实验结果验证了本研究方法在人体行为分类识别中的有效性.     

基于免疫算法优化的投影寻踪水质评价模型

以地下水各聚类指标水质级别国家标准值为评价标准，建立投影寻踪技术模型，将评价模型运用于韩城矿区桑树坪煤矿水环境质量现状评价中，并与其它方法的结果进行比较．实例应用表明：投影寻踪技术用于水环境质量评价具有较好的客观性和实用性，亦可用于其它环境质量的综合评价．     

基于投影的不完全信息直觉模糊多属性决策方法

针对权重信息和属性值信息都不完全确定的多属性决策问题,提出了一种基于投影的直觉模糊多属性决策方法。该方法利用直觉模糊集表示不完全的属性值,并以直觉模糊加权投影衡量可选方案与理想方案之间的相似度;在此基础上,通过优化求解非线性规划模型得到了属性权重;并根据方案与正、负理想方案的相对贴近度进行了优劣排序。算例分析结果表明,该方法可以有效解决不完全信息下的多属性决策问题。