一种基于视觉词袋模型的人脸识别方法

针对人脸图像因受表情、光照、角度等因素影响,导致人脸识别率较低的状况,提出了一种基于视觉词袋模型的人脸识别方法。该方法首先对图像进行分块并提取局部特征,其次利用训练样本的所有局部特征训练全局的混合高斯模型,然后以此为初始化训练单张图像的混合高斯模型,生成该图像全局特征向量,最后用PLDA进行人脸识别。通过在LFW数据库上进行实验,结果显示本方法的识别率高于传统的特征提取方法,证明了本方法具有更强的识别性能。     

局部分布信息增强的视觉单词描述与动作识别

传统的单词包(Bag-Of-Words, BOW)算法由于缺少特征之间的分布信息容易造成动作混淆,并且单词包大小的选择对识别结果具有较大影响。为了体现兴趣点的分布信息,该文在时空邻域内计算兴趣点之间的位置关系作为其局部时空分布一致性特征,并提出了融合兴趣点表观特征的增强单词包算法,采用多类分类支持向量机(Support Vector Machine, SVM)实现分类识别。分别针对单人和多人动作识别,在KTH数据集和UT-interaction数据集上进行实验。与传统单词包算法相比,增强单词包算法不仅提高了识别效率,而且削弱了单词包大小变化对识别率的影响,实验结果验证了算法的有效性。     

基于ASIFT道路交通标志的定位与识别方法

针对智能交通系统中的交通标志识别,提出了一种基于ASIFT (仿射尺度不变特征变换)算法的定位与识别方法。首先,分类道路交通标志并提取模板;然后,采用ASIFT算法选择目标图像对应的模板和交通标志集合;其次,根据匹配模板ASIFT特征点的几何分布,定位交通标志的目标区域;最后,计算目标区域和交通标志集合的特征向量欧氏距离。基于ASIFT算法,达到了准确的定位与识别效果。通过实验,验证了该方法的可行性。     

复杂场景下结合SIFT与核稀疏表示的交通目标分类识别

针对复杂场景下的交通目标分类识别难点,提出一种基于尺度不变特征转换(SIFT)与核稀疏表示的分类识别算法.该算法首先利用SIFT分别提取训练样本和待测目标局部特征信息,通过核方法将特征样本映射到核空间,构建过完备字典,最后通过待测目标在字典中的稀疏度与重构误差对交通目标类别进行判定.同时,分析了随机投影下的核稀疏表示分类与特征维数之间的关系.实验结果表明,与SVM、稀疏表示分类(SRC)相比,该方法增强了交通目标特征层的类判别能力,具有较好的识别率和鲁棒性.     

如何在交通屏与讯息屏上节省LED驱动器的电能

由于世界范围的能源短缺,近年来节能议题日趋受到重视。目前的照明设备为达到低功率消耗、寿命长、无污染、启动时间短等需求,已经大量采用高亮度的半导体固态发光二极管（LED）取代传统的照明光源。LED驱动器则提供恒定电流控制,使得LED维持稳定的发光亮度与饱和的色彩频谱,为了设计符合工业与节能标准的显示屏系统。LED驱动器必须有自动省电特性。     

空间上下文与时序特征融合的交警指挥手势识别技术

针对无人驾驶汽车快速准确识别交警指挥手势的需求,本文在分析交警指挥手势的关节铰接特征基础上,建立基于关节点和骨架的交警指挥手势模型;其次,引入卷积姿势机（Convolutional Pose Machine,CPM）提取交警指挥手势的关键节点,进而提取交警指挥手势中骨架的相对长度及其与重力加速度的夹角作为空间上下文特征,并引入长短时记忆网络（Long Short Term Memory,LSTM）提取交警指挥手势的时序特征;最后,设计了融合空间上下文和时序特征的交警指挥手势识别机（Chinese Traffic Police Gesture Recognizer,CTPGR）,创建了包含8种交警指挥手势、时长约2小时的交警指挥手势视频库对CTPGR进行训练验证,并通过实验将CTPGR与已有交警手势识别算法进行了对比分析.实验证明CTPGR可以快速准确地识别交警指挥手势,系统对复杂背景和动态交警指挥手势具有较强的适应能力.     

Study on Detection and Recognition of Speed Signs

Speed sign detection and recognition are the important part of the driving assistant systems.Combining gradient-based random Hough transform with BP network,a method is proposed to detect and recognize speed signs.Firstly,the gradient-based random Hough transform is used to detect and locate the speed signs.Then four contour features of the ’digit’ inside the speed signs are extracted and recognized using the method of BP network.The results show that this method can detect and recognize the speed signs accurately and efficiently.     

利用MCE算法提高说话人识别性能

高斯混合模型（ＧＭＭ）是当今说话人识别的一种流行算法,但ＧＭＭ的训练的目标是使似然度最大,并不能产生识别性能最佳的模型。本文提出了ＧＭＭ＋ＭＣＥ（最小分类错误）的模型来解决这一问题,并通过实验证明了其有效性。     

使用关键点信息改进弹性匹配人脸识别算法

本文提出了一种增加经典弹性匹配算法对强背景干扰鲁棒性的算法.人脸的自动识别有着广泛的应用前景,弹性匹配是其中的一种重要算法,并有着相对于其他方法更高的鲁棒性,但其并不能有效地防止强背景干扰的影响.本文的主要思路是将局部信息和整体信息相结合,利用没有受到背景干扰影响的局部关键点的位置信息来对基于整体信息的经典弹性匹配方法进行改进.实验结果表明,本文提出的算法有效地提高了弹性匹配识别算法的鲁棒性.     

提升高端显示屏刷新率的方法

目前,LED显示屏对刷新率与输出色阶的要求愈来愈高,其中刷新率愈高,则人眼所能感觉的播放画面就愈不会闪烁,而输出的色阶愈高,则画面的显示就愈细腻,色彩也愈丰富。而与这些功能有密切关联的就是显示屏系统所采用的驱动芯片,不过芯片要达到上述规格的需求并不容易,需要快速的OE反应来提高灰阶度和影像的刷新率。     

提升高阶显示屏刷新率的方法

目前显示屏的应用趋势是走向对显示画面的刷新率与输出色阶的要求愈来愈高．其中刷新率愈高,则人眼所能感觉的播放画面就愈不会闪烁,而输出的色阶愈高,则画面的显示就愈细腻,色彩也愈丰富。而与这些功能有密切关联的就是显示屏系统所采用的驱动芯片,不过芯片要达到上述规格的需求并不容易,需要快速的OE反应来提高灰阶度和影像的刷新率。     

Detection and Classification of Small Traffic Signs Based on Cascade Network

Research on the traffic sign detection is significant for driverless technology,which provides useful navigation information.Existing object detection methods are only applicable to large-size objects or small-scale specific types of traffic signs,and the performance of detecting traffic signs in street views is not adequate.In this regard,we propose a method to detect and classify small traffic signs by constructing a cascaded network.Specifically,the RetinaNet network is adopted firstly to integrate multi-layer information to identify small traffic signs in traffic scene images.The focal loss function is used to balance the biased distribution of traffic sign categories.Then,a two-class network is cascaded after the RetinaNet,which helps identify valid traffic signs from the first-stage prediction results.Experiments show that our cascaded network structure could achieve the balance of different categories of predictions and an improvement in precision and recall.     

An Enhanced Extension to Wilkinson's Equivalent Random Technique with Application to Traffic Engineering

In this paper we present an enhanced extension to Wilkinson's equivalent random technique that allows one to easily compute the different levels of blocking that various streams of traffic see using the same trunk group. This empirical extension is based on a regression analysis and is superior to a similar extension by Katz. An application of our extension to system sizing problems in AUTOVON is presented. Previous sizing methods in the AUTOVON access area did not properly account for the peakedness of overflow traffic and thereby violated desired grades of service. The methods presented here overcome this problem, and yield a lower cost solution using fewer two-way trunks.     

形态骨架匹配算法及其在交通标志识别中的应用

交通标志是人为的、具有特殊形状的符号，就其结构可分为外层轮廓和内核两部分。应用计算机视觉可以对交通标志进行自动识别．其关健在于如何检测交通标志和识别它们的内核形状。本文应用数学形态学方法研究交通标志内核形状的形态特征，分析了内核形状的形态骨架，提出和讨论了内核形态骨架的相关函数和距离函数，并就交通标志的有效识别提供了理论分析和实验结果。     

基于稀疏表示的声频目标识别方法研究

提出分别利用短时傅里叶变换和小波变换进行特征提取和稀疏表示分类(SRC)的车辆识别方法.其中,短时傅里叶变换(STFT)和离散小波变换(DWT)分别从每个传感节点收集到的声音信息中提取车辆的特征向量,SRC通过特征训练集建立一个过完备字典来求解稀疏最优化问题,从而实现分类识别.实验结果表明,短时傅里叶变换提取特征并进行分类的效果高于用小波变换进行特征提取并分类的方法,也高于利用MFCC提取车辆声音特征并进行分类的方法.     

An Algorithm to Identify Syllable from a Visual Speech Recognition System

Wireless Personal Communications - This paper is to propose a highly efficient and reliable real time communication system for speech impaired people to communicate and converse in an effective...     

Enhancing Representation of Deep Features for Sensor-Based Activity Recognition

Sensor-based activity recognition (AR) depends on effective feature representation and classification. However, many recent studies focus on recognition methods, but largely ignore feature representation. Benefitting from the success of Convolutional Neural Networks (CNN) in feature extraction, we propose to improve the feature representation of activities. Specifically, we use a reversed CNN to generate the significant data based on the original features and combine the raw training data with significant data to obtain to enhanced training data. The proposed method can not only train better feature extractors but also help better understand the abstract features of sensor-based activity data. To demonstrate the effectiveness of our proposed method, we conduct comparative experiments with CNN Classifier and CNN-LSTM Classifier on five public datasets, namely the UCIHAR, UniMiB SHAR, OPPORTUNITY, WISDM, and PAMAP2. In addition, we evaluate our proposed method in comparison with traditional methods such as Decision Tree, Multi-layer Perceptron, Extremely randomized trees, Random Forest, and k-Nearest Neighbour on a specific dataset, WISDM. The results show our proposed method consistently outperforms the state-of-the-art methods.

     

使用部件信息改进弹性匹配人脸识别

提出了一种综合利用部件信息和整体信息的人脸识别算法。利用部件定位得出人脸关键点（例如暗孔和鼻尖）的位置，然后利用这些关键点信息来限制弹性匹配的搜索范围。实验结果表明，这种方法在很大地提高了识别速度的同时能使识别率保持不变甚至还有所提高。     

图强化典型相关分析及在图像识别中的应用

典型相关分析(CCA)作为一种传统特征提取算法已经成功应用于模式识别领域,其旨在找到使两组模态数据间相关性最大的投影方向,但其本身为一种无监督的线性方法,无法利用数据内在的几何结构和监督信息,难以处理高维非线性数据.为此该文提出一种新的非线性特征提取算法,即图强化典型相关分析(GECCA).该算法利用数据中的不同成分构建多个成分图,有效保留了数据间的复杂流形结构,采用概率评估的方法使用类标签信息,并通过图强化的方式将几何流形和监督信息融合嵌入到典型相关分析框架.为了对该算法进行评估,分别在人脸和手写体数字数据集上设计了针对性实验,良好的实验结果显示出该算法在图像识别中的优势.