基于智能手持设备的车牌识别系统研究

以交警能更加快捷方便地稽查运营车辆为目的,借助最新的移动互联网技术,分析并研究了多种计算机视觉算法。提出了一种基于K均值聚类（K-means）的车牌定位技术,通过颜色的聚类分析来确定车牌区域,定位车牌。又应用垂直投影技术和模板匹配法来分割和识别车牌字符,利用SQlite开发了具有存储车牌字符信息功能的数据库。在此基础上,研制了一套基于智能手持设备的车牌识别系统。功能测试表明,该系统具有良好的性能,能够较好地识别出车牌信息。     

基于灰度跳变与字符间隔模式的车牌定位方法研究

车牌定位是车牌自动识别的第一步,而如何考虑光照影响是车牌定位是否成功的关键;通过深入分析不同的车牌图像,提出一种基于灰度跳变与字符间隔模式的车牌定位方法;首先,针对不同光照条件下采集到的车牌图像明暗度的不同,利用多阈值处理方法得到车牌信息不丢失的、最佳的二值图像,然后,在其二值图像中首先利用灰度跳变定位车牌的上下边界,接着对字符垂直投影后的宽度进行统一的调整并以固定的字符间隔特征定位车牌的左右边界,从而完成车牌定位;最后,通过实验验证了该方法的有效性。     

基于SSIM的车牌识别算法研究

对车牌中的字符进行精确提取并识别是车牌识别系统面临的重要问题。在字符提取阶段,利用车牌图像特有的信息特征,提出以红色分量作为目标图像,依次进行水平和垂直投影完成字符分割,既可精确提取字符,又可矫正字符形态。将基于结构相似度SSIM(structure similarity)的算法应用于车牌识别,避免了前期对字符结构信息做大量的对比统计工作,省略了特征提取的步骤,降低了算法复杂度;利用角点检测方法对相似字符进行细化和区分,进一步完善了整体的识别性能。实验证明,该算法有较好的识别率。     

一种改进的人类动作识别和定位算法研究

针对现有人类动作识别和定位方法的不足,提出一种改进的人类动作识别和定位算法;该算法首先对每个视频帧进行分层分段,得到一组分段树,每颗树是身体分段树的候选;接着利用视频的轮廓、接合对象结构、全局前景色等信息对候选分段树进行修剪;最后在时域上对剩余分段层的每个分段进行前向和后向跟踪;基于难度较大的UCF-Sports和HighFive数据集对本文方法进行性能评估,实验结果表明,文章方法的性能要优于当前最新运动检测算法性能,运动定位性能与当前最新算法相当。     

一种机器人智能语音识别算法研究

针对智能机器人在非特定人语音识别中识别率偏低的问题,提出了一种双门限的端点检测算法,精确地检测出了语音端点,对分形维数和Mel频率倒谱系数(MFCC)进行结合,同时基于隐马尔可夫(HMM)模型,提出了智能机器人命令识别系统;在实验室环境下,利用Cool Edit软件录制了5男5女的语音,采样率为8 kHz,精度为16位,内容为5个命令词,每个词均被采集6次,将每人的前3次发音作为模板语音,后3次发音作为测试语音,实验结果表明,系统识别率可以达到85%以上,MFCC与分形维数混合的语音特征参数的算法提高了系统识别率,优化了系统性能;该方法用于非特定人语音智能识别是可行的、有效的。     

基于大数据的配电网馈线故障智能识别定位方法研究

配电网故障识别、分类与定位对快速隔离故障和保证电网安全运行具有重要意义。以大数据驱动法为基础,提出了最少测量单元选择和区域最佳节点选择两种算法,两种算法基于分类特征评估法,在节点的选择策略上有所不同。分别使用决策树分类器和随机森林分类器验证算法性能,在仅使用7%的节点数据时算法1的最高准确率达91%,算法2使用16%节点数据的最高精度达到85%。实验结果表明,提出的算法无需使用全部节点的数据,可以在系统观测性较低的情况下,实现配电网馈线故障线路智能识别定位,具有测量节点数量少、准确率高等优势。     

智能化上料系统中工件视觉定位的研究

随着我国工业生产行业的快速发展,人工上料越来越难以适应,为解决工业生产线生产效率不高,人工成本过大,智能化不足等问题;基于国内外现有工件定位方法的研究,采用机器视觉对工件定位进行研究,利用工业相机采集图像信息,上传到PC端中 NI Vision软件进行图像预处理、边缘检测,并基于边缘检测结果提取质心点,然后利用坐标转换算法,获得对应世界坐标系下的坐标值,通过通信单元传送给机器人控制系统,控制机器手移动;经验证,算法不仅稳定可靠,而且易于修改,所得结果精度相对较高。     

储罐底板声源辨识及定位方法研究

储罐底板腐蚀是多声源问题,即在不同位置的腐蚀源可能同时发射应力波。这些声源信号有时会重叠被传感器接收,从而影响定位的可靠性。为此本文基于平面声发射源能量定位方法的基本理论,进行了模拟储罐底板定位实验,提出了能量定位系数的修正方法。同时通过对实验数据分析,发现快速独立分量分析(FastICA)方法可以将同种声源混合信号进行有效分离,并且基本保持原有波形特征,相干系数法可以实现对分离后的同源信号进行聚类,进而应用改进能量定位方法对声发射源进行定位,从而对声源辨识,判断事件集中度提供依据。     

离焦模糊图像中汉字识别技术研究

提出了辐射投影变换(RPT),给出了数学模型和实现方法以及相应的投影函数(RPTF)。为了进一步提高其性能,对原始投影变换进行了优化改进,即累加原始函数的值并作旋转变换,从而得到了改进投影累加函数(IPAF),它可直接用于离焦模糊图像中汉字的识别。将傅里叶变换应用到IPAF上,使描述和识别用的特征量大为减少。采用基于IPAF的傅里叶子(前8个傅里叶系数)作为特征量,对离焦模糊的一级汉字进行识别,总识别率达到了97 4%。     

一种探针台自动定位方法的研究与实现

探针台希望在上片后无需人工对准,就能从晶圆的第一个晶粒（第一点）开始检测,然而晶圆上片后,探针下方的开始位置往往并不是第一点。为了让第一点快速的移至探针下方,对平台的运行轨迹进行了研究,提出了螺旋定位法的概念,以平台上开始位置为中心,螺旋式步进运行,配合镜头的图像识别技术,一步一识别,逐步扩大范围,直至在镜头视野中找到晶圆中唯一的特殊晶粒（特殊点）。由于第一点与特殊点的位置相对固定,所以找到了特殊点即找到了第一点。此方法经过算法分析及整合编程后,进行了多次试验,并交付客户使用,第一点都能快速移至探针正下方且长时间运行稳定。此自动定位方法不仅节省了人力成本,提高了定位精度,又大大的提升了探针台的工作效率。     

以道缝为参考的路面检测车定位方法研究

针对有道缝路面提出了一种以道缝为参考的路面检测车自身定位方法。该方法通过数字CCD相机采集路面图像,提取出道缝信息,并选取十字交叉道缝为模板进行模板匹配实现定位。用Labview及IMAQ Vision编写了定位程序,模拟实验证明该方法能够实现对路面检测车的准确定位。     

基于BP神经网络的车牌字符识别算法研究

车牌字符识别是车牌识别系统中的关键环节。采用图像处理和神经网络相结合的方法设计新的车牌字符识别算法,先对分割出的车牌字符进行归一化处理,然后进行SOBEI．边缘检测和角点特征提取,最后输入BP神经网络进行训练、识别,其中BP神经网络模型属于改进型神经网络。通过一系列神经网络训练和仿真实验,车牌识别速度和正确率得到了明显的提高。     

机械式冲床停上死点位置的控制策略设计与实现

车牌定位是车牌自动识别的第一步,而如何考虑当照影响是车牌定位是否成功的关键。本文提出了一种考虑不同光照条件的车牌定位方法,首先,针对不同光照条件下采集到的车牌图像明暗度的不同,利用多阈值处理方法得到车牌信息不丢失的、最佳的二值图像,然后,在其二值图像中首先利用灰度跳变定位车牌的上下边界,接着对字符垂直投影后的宽度进行统一的调整并以固定的字符间隔特征定位车牌的左右边界,从而完成车牌定位。最后,通过实验验证了该方法的有效性。     

基于局部保持投影的掌纹识别

为了保持掌纹空间的局部结构,运用局部保持投影(LPP)方法进行掌纹识别.在小样本图像识别中,特征方程矩阵存在奇异性.传统的解决方法是运用主元分析(PCA)获得原样本的低维特征子空间,在该空间中运用LPP进行特征提取.由于PCA和LPP的投影标准本质上是不同的,PCA降维时丢失许多重要的判别信息.为了解决这个问题,提出运用三级小波变换、图像下抽样、图像分块求平均值三种方法降低掌纹空间的维数,在低维图像上应用LPP提取局部特征.计算特征矢量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库进行测试,结果表明,该算法的识别性能均优于PCA和PCA LPP.特征提取和匹配总时间小于0.1 S,具有快速、有效、易于实现等优点.     

基于特定感兴趣区采样的虹膜定位改进算法

从虹膜图像特点出发,以瞳孔形心为辅助点实现对虹膜图像特定感兴趣区采样.并且根据虹膜内外圆半径的生理特点设定Hough变换半径参量,依据虹膜内外圆近似同心圆来筛选与虹膜外圆最匹配的Hough变换结果.该算法在主动避开眼皮,睫毛干扰的同时又显著降低了Hough变换的计算量.通过对中科院自动化所CASIA虹膜数据库108组图像的虹膜定位测试结果表明,该方法平均定位时间0.83 s,定位准确率98.9%.     

光学小波包变换及其滤波器的研究

基于对光学小波变换必要条件的分析,提出光学小波包变换的概念.选出虹膜图库的联合最优小波包基,利用最优基的线性组合生成相应的复合光学小波包滤波器.将滤波器用于光电混合虹膜识别系统中对待识别输入进行小波包特征提取预处理,模拟结果不仅证明引入该滤波器可明显提升系统的识别效果,也证明了光学小波包变换提出的意义.     

基于人眼灰度分布特征的虹膜定位算法

虹膜定位是虹膜识别过程中的重要环节,定位速度和精度决定了整个虹膜识别系统的性能。提出了一种基于人眼灰度分布特征的虹膜定位算法,该算法利用形态学运算实现瞳孔圆心粗定位,采用划分区域求灰度均值隔项差值最大值的方法实现外圆半径的粗定位,并通过分层聚类的方法实现内外边界的精确定位。实验结果表明．与经典的虹膜定位算法如Wildes算法、Daugman算法相比,该算法定位结果更加准确,定位速度大幅度提高。     

基于加权最小二乘法的红外多站定位的研究

基于加权最小二乘法,建立了红外多站无源系统定位算法的数学模型,给出了方程的求解过程,并讨论了算法的实现.采用加权最小二乘法可有效的融合多个站点的信息,从而可提高系统的定位精度和可靠性.仿真结果表明:定位时所使用的站点数目越多,定位目标与站点的相对位置越好,距离越近,定位精度就越高,这对近程高精度定位的研究具有借鉴作用.     

新生儿疼痛面部表情识别方法的研究

针对新生儿的疼痛与非疼痛面部表情识别,提出将Gabor变换和支持向量机(SVM)相结合的分类识别方法.对归一化后的大小为112 pixel×92 pixel的新生儿面部图像进行二维Gabor小波变换,提取出412160维Gabor特征;针对Gabor特征向量维数高、冗余大的特点,采用Adaboost算法作为特征选择工具,去除冗余的Gabor特征,从412160维特征中选取出900维Gabor特征;对选取出的Gabor特征用SVM进行疼痛表情的分类识别.该方法综合运用Gabor特征对于面部表情的良好表征能力、AdaBoost算法的特征选择能力以及SVM在处理少样本、高维数问题中的优势.对510幅新生儿的表情图像进行测试的结果表明,疼痛与非疼痛表情的分类识别率达到85.29%,疼痛与安静表情的分类识别率达到94.24%,疼痛与哭表情的分类识别率达到78.24%.     

基于磁光调制的多光谱目标识别系统的研究

基于特征光谱的目标识别技术具有检出能力强,可分辨目标种类等优点,但也存在一定的问题,即需要事先获取背景光谱作为先验知识且要求背景光谱随时间的变化较小。由此限制了其在新环境、复杂环境中实时目标识别方面的应用。设计了一种采用磁光调制配合特征光谱分析的技术手段,使目标识别过程中无需事先获取背景谱,从而实现了一次采集获取被测目标信息的功能,相比传统的目标检测方法而言,对战场的适应能力更强,具有较好的实用意义。同时,磁光调制技术有效地抑制了背景杂散光的干扰,从而提高了目标识别概率。由于磁光调制提供了目标光谱的累加迭代信息,故即使未知背景光谱或者背景光谱变化较大时,也可以通过目标光谱的迭代信息大幅提高目标识别率。针对不同被测目标的回波光强与背景光强值进行实验分析,结果显示,三种目标对调制线偏振光的反射能力明显强于背景。采用伪装色的被测目标对可见光成像目标识别影响很大,而调制偏振型系统仍能很好地识别目标。在此基础上,对0.5～2 km范围内的目标进行多特征波长目标种类识别。采用三个特征波长时,目标识别概率在2 km左右明显降低,采用四个或五个特征波长位置时,可以实现95.0%以上的目标识别概率,同时为了降低运算量提高系统的实时检测能力,最终采用四个特征波长。