基于HOG和SVM的级别自适应车型识别算法

针对现有智能交通系统中视频车辆车型识别方法存在的误检率高、效率低的问题,提出一种基于梯度方向直方图和支持向量机(SVM)的级别自适应车型识别算法。选择大车车头和小车车身的HOG特征作为车辆描述特征,建立一种新的级别自适应模型,以提高检测识别效率;采用SVM训练分类方法,设计了模板匹配策略,构造两类车型分类器,以提升识别准确度。通过标准的交通卡口实验,表明该算法不仅在正常的光照条件下具有较高的识别效率和较低的误检率,而且在不同的光照条件下具有很好的鲁棒性。

基于事件分析的多摄像机鲁棒跟踪算法

提出了一种新的基于事件分析的目标跟踪算法来解决多个目标分离或遮挡时的可靠跟踪问题。首先提出使用仿射变换来获得多个摄像机之间重叠画面的映射关系,实现目标交接,为后面的目标识别奠定基础。然后当单摄像机目标跟踪过程中发生候选目标多于一个或者多个目标对应一个候选目标的情况时,提出一种判别目标出现遮挡事件或分离事件的新方法,并且通过多摄像机的目标交接准确识别出发生遮挡或分离事件的目标标号,解决目标发生遮挡或分离后跟踪失败的问题。实验结果证明:所提出的方法突破了一般跟踪算法受目标底层特征约束的难点,具有更高的鲁棒性。

面向人脸识别的分块自适应光照处理算法

为改善复杂光照条件下的人脸识别率急剧下降问题,提出一种基于双标准图的分块自适应Gamma算法(DRHGIC)。首先根据人脸光照分布特点,将人脸进行分块,然后对不同的块采用基于双标准图的方法搜索最优Gamma值,最后对人脸图片进行自适应Gamma变换。实验证明,该算法能够有效地提高复杂光照条件下的人脸识别率。

一种基于视觉注意模型的人脸图像评估算法

人脸识别受光照和姿态等影响。对人脸图像进行质量评估有利于在人脸识别过程中获得有利于识别的人脸图像。提出一种新的基于视觉注意模型的人脸图像质量评估方法。首先进行人脸检测获得人脸区域,然后对人脸区域分别进行眼睛检测和显著性检测,再根据所得到的眼睛区域和显著图计算左眼显著性和右眼显著性,最后计算双眼显著性,作为人脸图像质量。该方法计算简单,不需要参考图像。实验结果表明,该方法能对人脸图像质量进行正确评估,评估结果符合人眼的视觉注意。

基于对象的监控视频摘要生成优化方法

随着监控技术和网络技术的飞速发展,高清网络监控摄像头广泛应用于各个行业。这些高清摄像头全天候工作,产生了海量的监控视频数据。如何快速完整的浏览长时间的监控视频已经成为监控行业目前亟待解决的问题。视频摘要就是解决"海量视频数据处理"的重要手段。然而,传统的基于关键帧的视频摘要生成方法采用帧采样无法完整表示每个对象的运动轨迹,从而导致大量有用视频信息的丢失。针对监控视频的特点,设计了一种基于对象的视频摘要生成处理框架,对比传统摘要生成方法分析了监控视频摘要生成框架所需的核心技术:目标检测跟踪与轨迹提取、运动目标轨迹的组合优化和轨迹融合之像素融合,得到了一个比原始视频短的多的摘要视频,实现了快速浏览且保留了原始视频中大多数运动对象的信息。

基于几何与数学特征的人脸识别

提出了一种新的基于几何与数学特征相融合的人脸识别算法,分别提出了眉毛几何特征、人脸个性几何特征以及数学特征在人脸比对时的比对策略,采用打分的机制记录特征比对的结果。为了融合几何与数学特征,提出了基于权值的几何特征与数学特征的融合策略。实验结果表明,采用几何特征与数学特征相融合进行人脸识别比使用单一人脸特征进行人脸识别时有更高的识别率。

几何性特征的眉毛模型的研究

提出一种新的基于几何性特征的眉毛模型,相比传统的基于眉毛的全局数学特征建立的眉毛模型,它可以直观地描述和反映眉毛的几何外观形状,这种特性在人脸识别等基于面部视觉特征的应用是关键的。首先获取人脸单边眉毛图像并统一归一化尺寸为80×30的大小,使用阈值化和Blob分析得到眉毛归一化的二值图像,然后由二值图像计算眉毛模型的几何参数,包括眉毛区域的面积、长度、平均宽度、弯曲程度和走向趋势等。实验表明,提出的眉毛模型可以准确有效地描述眉毛的几何外观形状。