基于类内类间距离量级平衡的FCM聚类算法设计

类内距离和类间距离数值量级差异性导致两类距离无法直接融合,进而影响了FCM聚类模型设计。首先,本文全面回顾了经典和改进型的FCM聚类模型,构建了类内距离和类间距离迹的关系模型,分别从类内类间距离的变化不一致性和量级差异性两个方面分析了现有FCM聚类模型的不足;其次,运用高斯核距离替代传统的欧式距离来表征类内类间距离,基于最小化类内紧凑度与类间分离度差的思想,设计了类内类间距离平衡方法,提出了一种改进的FCM聚类目标函数与算法;最后,运用算例说明了本方法的有效性和优越性。     

未系安全带智能识别中安全带定位关键方法研究

安全带定位是实现机动车未系安全带智能识别的关键。针对道路监控图像特点,提出一种基于梯度变换的安全带定位方法。该方法在对卡口图像进行预处理的基础上,采用自适应阈值边缘检测算法以及积分投影方式定位车辆位置,设立车牌检测区域,以减少运算量,降低干扰,同时利用训练得到的Haar分类器识别车牌位置,通过逼近方式切取车辆右侧图像。最后采用梯度变换算法求得车窗各边缘坐标,实现车窗精准定位,并计算得到安全带位置。试验表明,该方法可实现安全带的准确定位,具有较好的实用性,为后续安全带识别奠定基础。