排序方式: 共有6条查询结果,搜索用时 31 毫秒
1
1.
2.
3.
复杂环境下基于多特征决策融合的眼睛状态识别 总被引:1,自引:1,他引:0
针对常用图像特征容易受到复杂光照、头部运动等因素的影响导致眼状态识别算法的准确率降低的问题,本文在对多种红外条件下眼睛图像特征进行分析研究的基础上,选择具有旋转不变性和尺度不变性但对光照敏感的伪Zernike矩特征、简单并有效但对轮廓提取有较高要求的复杂度特征和对光照不敏感但容易受到头部运动影响的HOG特征作为眼状态识别的特征,提出了一种基于多特征决策融合的眼状态识别算法。首先建立上述3种特征相应的支持向量机(SVM)分类器,然后利用自动权值学习算法得到3个特征分类器的决策权重,最后综合利用不同特征的性能特点对3个分类器的识别结果进行决策融合从而得到最终识别结果,提高了眼状态识别算法的鲁棒性。实验结果表明,本文算法能够较好克服光照和头部运动对眼睛状态识别的影响,识别准确率达到91.9%。 相似文献
4.
针对复杂光照、头部转动和戴眼镜对眼睛状态识 别算法的影响,提出了一种基于红外图像和形态学的眼睛状 态识别算法,通过带850nm窄带带通滤光片的红外摄像头采集眼睛图 像,提取眼睛轮廓特征描述子和眼睛骨架图像的方向 链码实现睁眼和闭眼判别,同时引入图像可信度判别机制,把眼睛划分为睁开、闭合和 不可信3种状态,从而极大地 降低了算法模型在恶劣环境中的虚警率。实验证明,本文算法模型对于复杂光照、头部转动 和戴眼镜等均具有较高的鲁棒性,在 可信眼睛图像集中,睁眼正确识别率达到了95.21%,闭眼正确识别率 达到了92.03%,均高于其他几种常用的眼睛状态识 别算法,同时每秒能处理200张以上眼睛图像,满足实际驾驶环 境中 实时性的要求。 相似文献
5.
延长传感器网络寿命,减少能量消耗,是无线传感器网络的研究重点,本文在研究层次结构及有效能量的路由协议代表LEACH(low energy adaptive clustering hierarch,低功耗自适应集簇分层型)协议的基础上,提出一种高效聚类路由算法(LEACH-Ⅱ)。该算法在簇头选举中综合考虑了节点剩余能量、平均能量和最大能量,并限制了各簇的成员数量,同时簇头之间形成第一簇头,利用多跳方式平衡网络的负载。仿真结果表明,改进的算法降低了能量的消耗,延长了网络的生存周期,保证了系统的负载均衡。 相似文献
6.
针对卷积神经网络(CNN)计算量大、计算时间长的问题,该文提出一种基于现场可编程逻辑门阵列(FPGA)的卷积神经网络硬件加速器。首先通过深入分析卷积层的前向运算原理和探索卷积层运算的并行性,设计了一种输入通道并行、输出通道并行以及卷积窗口深度流水的硬件架构。然后在上述架构中设计了全并行乘法-加法树模块来加速卷积运算和高效的窗口缓存模块来实现卷积窗口的流水线操作。最后实验结果表明,该文提出的加速器能效比达到32.73 GOPS/W,比现有的解决方案高了34%,同时性能达到了317.86 GOPS。 相似文献
1