基于人体静态和动态特征融合的步态识别

提出了一种简单有效的自动步态识别算法.对于每个序列用背景减除方法检测行人的运动轮廓,算法利用步态轮廓图像下肢左右边界的距离矢量对步态轮廓图像进行描述,采用步态图像两脚的宽度进行准周期性分析.利用连续隐马尔可夫模型并融合步态的静态外观信息模型进行步态时变数据匹配识别.算法在Little和Boyd,NLPR和CMU数据库上进行实验均取得了较高的正确识别率.     

小波-神经网络在辐射源识别中的应用研究

针对目标所采用的辐射源识别方法对复杂体制雷达信号识别效率低或无法识别的现象 ,提出了一种新的辐射源识别方法。首先 ,利用小波包可对信号进行多维多分辨率分析的特点 ,对辐射源信号进行信号特征的提取 ,然后将各辐射源的信号特征作为ART2神经网络的训练样本 ,对其进行辐射源类型的识别。通过计算机仿真 ,对上述方法进行了验证。试验结果表明 ,这种基于小波 神经网络的辐射源识别方法在识别复杂体制雷达信号的应用中不仅克服了目前识别方法识别效率低的弊端 ,而且还有效地解决了对未知雷达信号无法识别的问题     

基于距离像时频非负稀疏编码的SAR目标识别

提出了一种基于目标高分辨距离像时频域非负稀疏编码的合成孔径雷达(synthetic aperture radar,SAR)目标识别方法。首先,将目标的SAR复图像转换为高分辨距离像。然后,采用自适应高斯基表示方法计算每个距离像的非负时频矩阵。其次,对训练目标所有距离像的时频矩阵采用非负稀疏编码方法学习时频字典。在目标识别中,通过将每个距离像的时频矩阵投影到低维的时频字典上来提取特征矢量。最后,在提取特征矢量的基础上,通过支撑向量机目标识别决策实现目标识别。采用美国“运动和静止目标获取与识别计划”公开发布的SAR图像数据库进行算法验证实验。实验结果说明了提出方法的有效性。     

基于深层卷积神经网络和双谱特征的雷达信号识别方法

针对复杂电磁环境下利用人工提取特征识别雷达信号存在的主观性强、特征冗余的问题,提出了一种基于深层卷积神经网络的识别方法。该方法首先提取雷达信号的双谱信息作为深层卷积神经网络模型的输入,然后利用模型的自学习能力提取深层特征,实现对不同调制样式雷达信号的识别,最后对不同结构网络模型的识别结果进行对比。仿真实验结果表明,相比传统雷达信号识别方法,该方法对于不同调制类型信号的识别效果优异,并且在识别率、抗噪性上都有所提升。     

基于门控多尺度匹配网络的小样本SAR目标识别

为了解决传统合成孔径雷达(synthetic aperture radar, SAR)目标识别方法在小样本条件下泛化能力差、识别准确率低的问题, 通过在匹配网络的基础上引入权重门控单元和多尺度特征提取模块, 提出了基于门控多尺度匹配网络的小样本SAR目标识别方法。在该方法中, 多尺度特征提取模块能够提取匹配网络不同卷积层的多尺度特征, 权重门控单元能够根据不同的识别任务赋予特征不同的权重大小, 实现根据具体任务选择最具代表性的目标特征, 从而以该特征为主导完成目标识别任务。在运动和静止目标获取与识别(the moving and stationary target acquisition and recognition, MSTAR)数据集上对提出的方法进行了验证, 实验结果表明，所提方法较其他3种小样本学习方法和两种小样本SAR目标识别方法表现出了一定的优越性, 而且所提方法经实验验证在噪声环境下表现出了一定的鲁棒性。     

基于BDWT的运动目标识别及Mexico小波核mean shift跟踪算法

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法.针对帧间差分提取运动目标的缺陷与不足,提出了一种基于二进小波变换的运动目标识别算法,即直接在二进小波变换域提取运动区域,从而检测出运动目标.对于检测出来的运动目标,对mean-shift跟踪算法进行了改进,采用以Mexico小波核函数自适应mean-shift算法对目标进行跟踪.实验结果表明,提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响.本算法具较高的实用价值和应用前景.     

基于扩散先验分布的成组技术分类识别方法

分类识别方法是实际应用中最为广泛的统计分析方法之一,特征识别是对对象几何模型进行解释,通过匹配几何特征部分与特征的形式描述来实现。提取产品特征信息是特征识别的难点。结合零件〖CD*2〗设备成组优化的网络模型,提出一种基于贝叶斯推理的扩散先验分布的识别算法。依据成组技术的零件分类编码系统对零件设备进行成组分类,通过扩散先验分布的贝叶斯推理分类识别方法,根据待判别样品的预报密度函数,建立后验概率比和分类识别规则,对待识别样本进行判别分类。     

基于多特征融合的运动目标识别

本文基于多特征融合,提出了一种运动目标识别方法。首先通过对运动目标的分割,分析得到各个目标的面积大小、形状复杂度;然后运用模板匹配方法,求得目标的运动速度。对上述特征进行模糊建模,提出相应的模糊规则,并采用模糊神经网络对推理系统的各个参数进行优化,进而识别目标。把这种识别系统用于对道路的监控,从而有效地识别道路中的机动车辆、行人以及摩托车/自行车。仿真试验表明,这种系统具有较强的学习能力以及识别精度。     

基于信号包络的辐射源细微特征提取方法

雷达信号体制和调制样式的多样化,信号环境的复杂化,使得常规的识别方法很难适应实际需要,无法有效地对雷达辐射源信号进行分类识别。提出了一种结合小波变换技术的辐射源细微特征提取新方法。该方法克服了传统包络分析方法的缺点,提高了提取信号包络信息的精度。最后通过辐射源个体识别实例说明了这种方法提取的细微特征是有效的。     

稀薄大气层内轻诱饵速度识别法

随着地基相控阵雷达测速精度的大幅度提高,针对稀薄大气对轻诱饵有明显的减速作用,提出了一种新的目标识别方法——稀薄大气层内轻诱饵速度识别法,并对其识别原理、识别判决准则进行了详细阐述和分析,该方法通过雷达高精度多普勒测速及轨迹估计信息,获取轻诱饵气动减速特性进行识别,避开了质阻比参数估计中动态收敛过程。最后通过典型算例的计算机仿真计算,验证了该方法的有效性。     

人体下肢外骨骼设计与仿真分析

设计了一种具有辅助士兵承载能力的人机一体化的下肢外骨骼.通过从仿生学角度分析人类下肢关节的结构特点、人类的步态及下肢自由度,并结合下肢外骨骼实现的功能、工作原理、结构组成,设计了其结构.利用CAD软件Pro/E及动力学仿真软件ADAMS对人体及下肢外骨骼进行了建模、仿真.这为进一步研究下肢外骨骼打下了基础.     

基于径向基函数网络人脸识别的研究

用人脸信息来识别和辨认一个人类个体,是计算机视觉和模式识别领域中的一个研究热点。本文提出了一种基于径向基函数网络(RBFN)识别人脸的方法,使用主分量分析(PCA)技术降低样本维数,并用生成图像(SI)技术改变人脸的姿态,以增加学习样本数。用标准人脸库ORL进行实验,表明人脸识别效果有大幅度的提高。     

一种运动图像标志点识别跟踪方法的研究

提出了一种运动跟踪方法。该方法通过对人体目标图像进行差分消影和遗传恢复 ,能够从自由背景中识别出人体运动图像的标志点 ,可以提高基于普通摄像机的人体运动分析系统对环境的适应性。初步的应用结果表明 ,这种方法对实验环境要求低 ,鲁棒性强 ,识别率高 ,不仅可以用于人体运动分析 ,而且对在其它自由背景下运动目标的自动跟踪也有很大的应用潜力。     

基于分离设计/集成优化的机器人步态规划

针对双足机器人步行问题，提出了一种基于分离设计／集成优化的步态规划方法。基于双足机器人的步行特征，实施多时空和多关节的任务分离，进而实现多时空关节的步态分离规划。进一步基于零力矩点理论，提出了一种综合机构修正和步态修正方法的步态规划集成优化策略。这种基于分离设计／集成优化的步态规划策略极大简化了复杂多关节双足机器人的规划过程，仿真研究表明了该方法的有效性。     

虚拟场景中自动漫游路径的多分辨率规划

在三维虚拟场景中，为了避免自动生成的漫游路径所引起的视觉抖动和场景跳变现象，增强漫游的真实感，提出了一种基于样条小波的多分辨率漫游路径生成方法，详细叙述了根据自动漫游过程中通道宽度的变化采用不同的分辨率来构造漫游路径的原理和具体实现。最后，给出了一个在船舶设计三维虚拟环境中漫游的实例，进一步说明该方法能够获得更加流畅的漫游路径，使漫游中的场景变化更加连续平滑。     

Extraction of affine invariant features for shape recognition based on ant colony optimization

A new approach to extraction of affine invariant features of contour image and matching strategy is proposed for shape recognition.Firstly,the centroid distance and azimuth angle of each boundary point are computed.Then,with a prior-defined angle interval,all the points in the neighbor region of the sample point are considered to calculate the average distance for eliminating noise.After that,the centroid distance ratios(CDRs) of any two opposite contour points to the barycenter are achieved as the representation of the shape,which will be invariant to affine transformation.Since the angles of contour points will change non-linearly among affine related images,the CDRs should be resampled and combined sequentially to build one-by-one matching pairs of the corresponding points.The core issue is how to determine the angle positions for sampling,which can be regarded as an optimization problem of path planning.An ant colony optimization(ACO)-based path planning model with some constraints is presented to address this problem.Finally,the Euclidean distance is adopted to evaluate the similarity of shape features in different images.The experimental results demonstrate the efficiency of the proposed method in shape recognition with translation,scaling,rotation and distortion.     

步态康复机器人动力学李群李代数建模及仿真

结合刚性支撑与柔性驱动设计气压驱动步态康复机器人,为探究机器人和患者构成的人机共融系统动力学特性,基于李群李代数理论建立了不同步态相下人体步行动力学模型、机器人和人机系统动力学模型,对被动、主动助力、主动抗阻3 种不同康复训练模式中的驱动特性和能量特性进行了分析。仿真求解出机器人关节驱动力矩、人体关节主动力矩,验证了李群李代数法建模的正确性及动力学模型的有效性,为驱动控制系统构建及交互控制策略设计提供理论参考依据。     

A Fuzzy Neural Model for Face Recognition

Introduction1 Nowadays, biometric (e.g., face, finger print, iris, palm)identification is becoming more and more important [1] [2] and there are numerous commercial and law enforcement applications. Compared with other biometric identifications, face recognition has attracted more attention for its characteristics ofuser-friendly, intuitionistic and convenient. Much work hasbeen done on face recognition over the last 20 years. Generally speaking, face recognition is composed of three procedure…     

图像场景语义分类研究进展综述

场景语义分类是图像理解领域中一个重要的研究方向,涉及到信号处理、模式识别、计算机视觉和认知科学等多学科交叉。场景分类任务中,图像内容描述和分类判决是两大关键问题。图像内容描述力图得到关于场景图像最具判别意义的表示,而分类判决则对训练样本集的图像内容描述学习、训练,并建模得到某类场景图像区别于其他场景类图像的计算模型。目前,很多场景分类方法针对图像内容描述和图像分类进行了深入的研究,对室外人造场景、室外自然场景和室内场景图像进行分类,取得了较好的分类效果。然而,场景图像自身内容上的变化和差异,既会造成同一场景类内对象的差异性,同时也造成不同场景类之间图像的视觉相似性,特别是对于不同的室内场景类。因此,场景语义分类任务十分困难,是计算机视觉和认知心理学领域中一个颇具挑战性的难题。室外图像场景分类研究相对成熟,而室内图像场景分类研究却进展缓慢。本文综述了图像场景语义分类的研究进展,并分析了场景分类算法的性能,指出场景语义分类研究中存在的问题。     

基于视觉特征度量的模型简化算法

人的视觉系统通常对模型的高曲率变化区域、尖角、边界轮廓等几何特征格外敏感。基于视觉特征度量的模型简化算法,在简化过程中通过调整网格顶点的简化误差来改变边折叠的次序,优先保留模型视觉敏感区域的网格;从而解决了模型网格的各部分简化力度趋于均衡的问题,最大限度地保留了原模型的视觉冲击。经实验,在同等简化力度下得到的简化结果能够突出原模型的视觉特征,具有明显优势。