基于时空双流卷积神经网络的红外行为识别

针对红外视频人体行为识别问题,提出了一种基于时空双流卷积神经网络的红外人体行为识别方法。通过将整个红外视频进行平均分段,然后将每一段视频中随机抽取的红外图像和对应的光流图像输入空间卷积神经网络,空间卷积神经网络通过融合光流信息可以有效地学习到红外图像中真正发生运动的空间信息,再将每一小段的识别结果进行融合得到空间网络结果。同时将每一段视频中随机抽取的光流图像序列输入时间卷积神经网络,融合每一小段的结果后得到时间网络结果。最后再将空间网络结果和时间网络结果进行加权求和,从而得到最终的视频分类结果。实验中,采用此方法对包含23种红外行为动作类别的红外视频数据集上的动作进行识别,正确识别率为92.0%。结果表明,该算法可以有效地对红外视频行为进行准确识别。     

基于姿势字典学习的人体行为识别

提出一种基于人体轮廓表达的姿势学习框架来进行人体行为识别。通过一种基于Procrustes形状分析和局部保持投影的姿势特征表示方法,从人体运动视频中提取具有平移、旋转和放缩不变性的姿势特征,在保留人体姿势的局部流形结构的同时尽量提取子空间上的判别信息。针对该特征还提出了一种基于姿势字典学习的人体行为识别框架,对每类行为分别学习一个对应于该类的字典,通过串联所有类的字典来得到整个姿势字典;并通过最小重构误差准则来分类测试视频。在Weizmann和MuHAVi-MAS14数据集上的实验结果证实了该方法的识别率高于大部分经典方法。特别是在MuHAVi-MAS14数据集上的识别率对比已有的结果上有巨大的提升。     

基于局部轮廓和随机森林的人体行为识别

基于视频信息的人体行为识别得到了越来越多的关注。针对人体行为的局部表达,提出了一种新的局部轮廓特征来描述人体的外观姿势,可以同时利用水平和竖直方向上的轮廓变化信息。该特征能有效区分不同动作,与轮廓起始点无关,具有平移、尺度和旋转不变性。针对该特征,提出了一种基于随机森林的两阶段分类方法,使用随机森林分类器对行为视频的局部轮廓进行初分类,并根据每个局部轮廓对应决策类的分类树数目占总分类树数目的比例,提出了一种基于袋外(OOB)数据误差加权投票准则的行为视频分类算法。在测试数据集上的实验结果证实了该方法的有效性。     

基于Hu矩和纹理特征结合的人体异常行为识别

为了提高人体异常行为识别的准确率,采用了一种将多特征结合的异常行为识别算法,主要包括对步行、快跑、慢跑、拳击、双手挥舞、鼓掌六种异常行为进行识别。首先从视频流中提取出人体轮廓,然后从所得的轮廓中提取Hu矩特征与纹理特征。最后通过模板匹配的方法,采用马氏距离度量所需识别的当前行为特征向量与标准模板行为的特征向量之间的相似性,并通过设置相应的阈值判定该行为所属类别。实验证明,该方法比提取单一特征的方法识别率高,且具有一定的实用价值。     

动态视频序列下的坦克车体姿态识别

敌方坦克的姿态信息是装甲分队武器目标分配的重要依据,但目前坦克火控系统中并没有姿态识别的模块,为此提出一种基于压缩跟踪和级联分类器的动态视频序列下坦克车体姿态识别方法。将压缩跟踪算法的输出作为级联分类器的输入,缩小姿态识别的范围并减小分类器对不同环境中负样本的依赖;将坦克车体姿态分为12组,训练了12个分类器,在训练中引入了车体的轮廓信息;将多个级联分类器串联工作,识别坦克车体的多个姿态。对比了检测不同姿态的分类器的识别效果,结果表明级联分类器能以一定的精度对在真实环境中的坦克姿态进行识别。     

基于屋顶二值红外传感器网络的人体定位和行为识别系统设计

为了解决个人隐私的保护、受光照条件和障碍物等因素的影响,设计了一种基于屋顶二值红外传感器网络的人体行为识别系统。系统采用STM32芯片和ZigBee协调器建立ZigBee网络。当实验者在安装在屋顶的20个互连的AMN31111红外传感器下面做出一系列行为时,传感器对其进行二值数据采集,ZigBee协调器将数据通过串口发送到PC机上实时动态显示,通过Keil 5系统软件对采集的二值数据以txt文本格式存储。提出了像素值法对人体进行定位和BP神经网络算法在模拟的居家环境中对7种不同人物行为进行识别。实验结果表明：该系统实现了人体多种行为的识别,其识别率为84.7%,4名实验者得到平均识别精度相比固定在居家电器传感器设备要高4.7%左右,并且该系统采集精度高、性能稳定、可靠性高、成本低、功耗低,解决了一些目前人体行为识别监测系统存在的问题。     

基于脉冲电压STM的单原子识别预研究装置

建立起一套工作于真空环境下的基于脉冲电压扫描隧道显微镜(STM)的单原子识别预研究装置.该装王主要由脉冲发生器、真空系统和STM系统三部分组成,能够在5×10-5Pa的真空环境下进行快脉冲STM实验.利用此装置,进行了单个快脉冲诱导的石墨表面超大周期结构的脉冲实验以及脉冲偏压不破坏STM针尖和样品表面的阈值实验.     

基于unity和kinect的交警手势识别仿真系统的设计和实现

为研究计算机辅助驾驶系统中交警手势的识别,搭建了一个虚拟驾驶场景的实验室研究仿真系统。采用了微软公司的Kinect设备采集人体骨骼数据,经由经验模型提取特征并使用模式识别对交警手势信号进行信号分类,使用unity公司的unity3D软件实现虚拟驾驶场景的三维重建。系统测试表明,使用kinect进行手势识别响应快,准确率高,使用unity作为虚拟驾驶场景的开发平台方便快捷,两者组合非常适宜搭建基于视觉的辅助驾驶系统的仿真环境。     

基于单摄像机的三维位移测试方法

基于三维位移测量手段在工程技术领域的必要性和重要性,开展了基于单摄像机和数字图像相关的三维位移测试方法研究.基于图像位移场矢量中心和斜率与面内和离面位移的分别对应关系,采用Savitzky-Golay(SG)微分滤波器分离图像位移子区内的常数项与一次项,可实现物体三维位移分量的有效分离.以针孔摄像机成像模型为基础,开展了相应的数值模拟实验及悬臂梁端部受载的实验,发展了与三维线性变形对应的散斑图模拟方法,验证了基于二阶位移模式的牛顿-拉夫森迭代法的精度和适用性.数值模拟与实验结果均验证了三维位移测试方法用于实现物体三维位移重构的可行性和优越性.     

基于PLC与ZigBee的室内环境监控系统设计

环境监测点位具有分布范围广、点位多等特点,建立一套基于无线传感网络的环境实时监控系统,实现对区域内环境要素的在线监控,对及时掌握环境状况及有效控制环境污染的扩散有着直接而重要的作用;以CC2530芯片为核心构建ZigBee无线传感网络,并通过主控制器PLC将采集的数据进行分析与处理;利用主协调器及PLC将接收的监测数据传至上位机进行实时显示,由监控平台,结合红外收发器完成对外部设备的远程控制;上位机采用Wincc组态软件,结合西门子精智面板提供优异的人机交互界面体验;通过实验测试表明,该系统可实现大范围的室内环境参数的采集和传输以及远距离监控功能,且具有安装方便、扩展性强等特点,适用于需进行统一管理的智能楼宇建筑。     

Face recognition based on PCA and logistic regression analysis

Face recognition is an important research hotspot. More and more new methods have been proposed in recent years. In this paper, we propose a novel face recognition method which is based on PCA and logistic regression. PCA is one of the most important methods in pattern recognition. Therefore, in our method, PCA is used to extract feature and reduce the dimensions of process data. Afterwards, we present a novel classification algorithm and use logistic regression as the classifier for face recognition. The experimental results on two different face databases are presented to illustrate the efficacy of our proposed method.     

基于荧光光谱法的钞票识别技术

以光栅光谱仪为基础,光电倍增管作为探测器,运用VC++语言设计了计算机采样界面,形成了荧光光谱分析的钞票识别光电系统。在紫光灯激发下,对钞票进行了荧光光谱特性分析,设计了基于荧光光谱分析的钞票识别光学系统、光电信号的检测和信号处理系统。测试结果表明：真假币的荧光光谱曲线有着明显的区别,它们的峰值分别为545nm和525nm。设计的荧光光电系统灵敏度高,可靠性好。     

基于核独立成分分析的人脸识别

研究一种基于核独立成分分析的人脸识别方法。利用支持向量机的核函数思想,将原始人脸图像向量映射到高维特征空间,然后在高维特征空间中进行独立成分分析(ICA),提取非线性独立成分作为特征向量进行分类识别。实验结果表明该方法要比常规的基于ICA和PCA的人脸识别算法的识别率要高。     

基于子空间分析的人脸识别方法研究

人脸识别技术是模式识别和机器视觉领域的一个重要研究方向,在众多人脸识别的算法中,基于子空间分析的特征提取方法以其稳定可靠的识别效果成为了人脸识别中特征提取的主流方法之一。本文对目前应用较多的子空间分析方法进行了研究,具体介绍了线性子空间分析方法：主成分分析（PCA）、线性鉴别分析（LDA）、独立主成分分析（ICA）、快速主成分分析（FastICA）等及非线性子空间分析方法：基于核的PCA （KPCA）等的基本思想及其在人脸识别中的研究进展,包括一些新的研究成果。此外,还应用orl及Yale B人脸库对几个基础的子空间方法进行了验证实验。实验结果表明,在几个子空间分析方法中,FastICA算法取得了最高的识别率。最后结合实验结果对各算法的优缺点进行了分析总结。     

改进的基于二维主分量分析的掌纹识别

主分量分析(PCA)是一种在众多生物特征识别中获得成功应用的特征提取技术,是一种基于二阶统计的在最小均方误差意义上的最优维数据压缩技术,它所提取的各特征分量之间是互不相关的。传统的PCA变换是对图像向量的分析,但向量维数一般都很高。二维主分量分析方法是最近兴起的针对图像矩阵的主分量分析方法,与一维主分量分析相比能更精确的计算原始数据的协方差矩阵。将其应用于掌纹识别,并在主分量的选取上加以改进,选取了更适合于分类的主分量。实验结果表明,该方法不仅有更高的识别率,而且维数更低。     

基于深度优先遍历的图像边缘检测方法

图像边缘识别是图像处理的重要组成。提出一种基于深度优先遍历的梯度分割算法,这种算法首先构造像素点的数据结构,然后从图像任意点出发,估算该点附近的像素点并获取梯度值,如果该点满足边缘点的特征,则从该点出发深度遍历寻找垂直于梯度方向上的边缘点,并标记访问过的点。如果该方向上没有满足条件的点则回退,从某个具有仅次于最大梯度值的方向继续遍历,并标记开始遍历的点为角点,直至遍历全图。该算法将图像的边缘点和角点明显地分割出来,便于识别,对带有不同类型的噪声图像进行处理也可取得较满意效果。     

基于RL特征的光学公式识别方法

提出了一种光学公式识别与分析的新方法,在公式符号提取与识别中采用RL(Run_length)特征以提高识别率。采用二层连通区域搜索算法提取公式符号的图像,其中第一层为基于RL特征的符号提取,得到复合符号的整体连通区域;第二层为传统搜索方法,进一步确定这些复合符号中包含的单一符号。设计了专门的公式符号识别器,对公式符号进行识别;根据符号间的语义信息和几何关系得到公式的逻辑结构;最终表达为公式结构树。在对印刷文献中所含公式的识别实验中取得了较好的效果,表明该方法具有良好的应用前景。     

A sparse representation method based on kernel and virtual samples for face recognition

To improve the classification accuracy of face recognition, a sparse representation method based on kernel and virtual samples is proposed in this paper. The proposed method has the following basic idea: first, it extends the training samples by copying the left side of the original training samples to the right side to form virtual training samples. Then the virtual training samples and the original training samples make up a new training set and we use a kernel-induced distance to determine M nearest neighbors of the test sample from the new training set. Second, it expresses the test sample as a linear combination of the selected M nearest training samples and finally exploits the determined linear combination to perform classification of the test sample. A large number of face recognition experiments on different face databases illustrate that the error ratios obtained by our method are always lower more or less than face recognition methods including the method mentioned in Xu and Zhu [21], the method proposed in Xu and Zhu [39], sparse representation method based on virtual samples (SRMVS), collaborative representation based classification with regularized least square (CRC_RLS), two-phase test sample sparse representation (TPTSSR), and the feature space-based representation method.     

一种基于后验概率差值的拒识算法

本文提出了一种孤立词语音识别系统中基于后验概率差值的拒识算法。研究了作为拒识特征时，输入词的后验概率和后验概率差值之间的区别，并将多层感知人工神经网络用于拒识特征的学习。相比现存的几种拒识算法，本算法几乎不需要额外的计算和存储量。当识别率为98．2％时，拒识率达到了95．4％。