目标识别中的遗传算法研究

提出了一种基于多样本模板的遗传算法目标识别方法 ,将若干个差别较大的目标样本存入目标库中 ,对所需提取目标的图象用遗传算法来求得这些匹配样本的最小匹配误差测度 ,最终匹配位置即为需提取的模板位置 ,而模板尺寸即为此时的样本尺寸     

基于多模板匹配的外耳检测方法

外耳检测定位是人耳识别的一个重要环节,提出了一种基于多模板匹配的人耳检测算法.首先通过手动方法生成多个不同长宽比的耳朵模板,然后在侧脸图像中检测人耳的存在,并获得它们的位置、大小等信息.在模板匹配过程中应用改进的遗传算法作为图像匹配中的搜索策略,避免了遍历搜索的费时费力,又克服了随机搜索的盲目性和不稳定性.实验结果表明,该算法具有运算量小,定位精确等优点.     

基于遗传算法的图像识别方法

分析了图像识别中模板匹配技术面临的计算量大、存储量大的问题,提出了基于遗传算法的图像识别方法。该方法首先对图像模板进行离散化处理,对图像离散点控制,从而把图像识别问题转化成一系列离散点的组合优化问题;然后利用遗传算法对种群优化的性能,对各个控制点组合优化,使各控制点与模板匹配;最后通过计算机仿真实验,证明了这种方法的有效性和实用性。     

基于弹性模板和K近邻结合的表情识别算法

视频流中检测到的关键帧图像包含了足够的表情信息,为了将这些表情信息进行分类和识别,文章提出了一种新的弹性模板匹配算法,它首先针对经Gabor小波变换后的表情模板,运用模板图像中表情关键点的检测算法,根据表情关键点的特征信息,构造表情弹性图,通过改变表情模板弹性图中关键点的位置,将表情模板与被测表情弹性图进行非刚性匹配,进而得到两者之间的相似程度,最后通过改进的K-近邻分类策略,实现被测图像表情的有效分类与识别.     

移动焊接机器人的工件识别及焊缝起始位置定位

摘要：
考虑到非结构空间焊接的特殊性,通过视觉技术,基于圆投影和Zernike矩,提出了一种两步模板匹配法检测待焊工件是否出现在视觉区域;结合霍夫直线检测方法,设计了一套提取特征直线算法,并确定焊缝起始点在图像中的亚像素位置.由移动机器人在不同角度拍摄工件图像,圆投影和Zernike矩计算结果验证了其表征模板特性的有效性,具有旋转抗性,而且对于光照条件及摄像机视野的鲁棒性好,焊缝起始位置定位结果满足视觉计算需要. 关键词：
自主焊接; 移动机器人; 视觉技术; 工件识别 中图分类号： TG 409
文献标志码： A     

一种基于相似离度匹配的人脸精确跟踪算法

利用相似度和欧式距离系数建立了描述数据样本间近似程度的归一化综合指标-相似离度,并通过灰度数据向量集的相似离度描述图像的匹配程度,将SVM人脸检测、图像灰度值相似离度匹配和跟踪模板更新三种方法结合起来,设计了基于相似离度匹配的人脸跟踪算法,算法综合考虑了图像内颜色的空间位置和值信息,具有较高的精确性.实验表明,相似离度...     

复杂环境下的快速人脸检测算法

使用一种新的假面变换和模板匹配的人脸检测算法,能够对复杂环境中大小不等的人脸进行快速、准确的检测.算法首先通过假面变换来预测人脸位置上边沿的中心,然后对图像中的预测位置进行模板匹配,设计了一类对照明变化、噪声干扰具有较强适应性的模板匹配方法,最后对匹配结果进行验证,确定人脸准确位置.采用多种环境下的大量图片进行实验,结果显示该算法具有较快的检测速度和较高的准确性及鲁棒性.     

基于多模板匹配的外耳检测方法

外耳检测定位是人耳识别的一个重要环节,提出了一种基于多模板匹配的人耳检测算法。首先通过手动方法生成多个不同长宽比的耳朵模板,然后在侧脸图像中检测人耳的存在,并获得它们的位置、大小等信息。在模板匹配过程中应用改进的遗传算法作为图像匹配中的搜索策略,避免了遍历搜索的费时费力,又克服了随机搜索的盲目性和不稳定性。实验结果表明,该算法具有运算量小,定位精确等优点。     

基于切分模板的实时跟踪算法

相关匹配算法是一种经典的匹配算法 ,通过计算模板图像和待匹配图像的互相关值来确定匹配的程度 ,具有很高的准确性和适应性 ,在目标跟踪中得到了广泛应用。但是相关匹配算法计算耗时过于庞大 ,难以达到实时要求 ,并且当目标在模板中所占比例很小时 ,很难确定模板的准确位置 ,使得此算法在实时目标跟踪中难以得到应用。文中在相关匹配的基础上提出了一种基于切分模板的实时跟踪算法。匹配的模板被分为几个部分 ,每个部分均有不同的加权值 ,最后的相关匹配度为各部分匹配度的加权和。算法中还设置了一个不是实时更新的加权模板 ,以提高算法的抗干扰能力 ,并采用金字塔搜索算法进行加速。实验结果显示 ,此算法有效地克服了相关匹配算法的缺点 ,具有较好的匹配精度和实时性     

基于SURF特征点的金属罐图案检测算法

为快速、准确地检测出金属罐生产过程中出现的图案倒置问题,提出一种基于SURF特征点的金属罐图案检测算法.该算法通过比较金属罐图像与模板图像间匹配特征点的位置关系,实现金属罐图案方向的判别.首先利用SURF算法分别提取分区域处理后的待检测图像和模板图像的特征点;再利用双向KNN算法和RANSAC算法进行特征点匹配;最后计算匹配特征点的位置关系,并判别金属罐方向.实验表明,该算法能够有效地实现金属罐图案倒置的检测,可以达到每分钟800罐的检测速度.