基于FCCA的多特征融合的检索方法

为了加强对民航机场游客行李包的有效管理,减少人工检索相关旅行包的工作量,提出了一种基于FCCA的多特征融合的检索方法。通过卷积神经网络获取图像位置和类别,提取颜色和纹理特征,通过典型相关分析方法将两个特征进行融合然后作为检索的依据,用欧氏距离进行匹配。基于典型相关分析方法的多特征融合检索算法,可应用于机场游客行李包管理领域,具有重要的理论研究价值与实践意义。

基于核稀疏表示的多模身份识别算法

针对训练样本与测试样本非线性可分问题,借助核算法,将样本特征向量映射到易实现线性可分的核空间,进而在高维核空间内运用核稀疏表示对所提取的特征进行分类表达。该算法受益于将核稀疏表示理论同多模生物识别技术相结合,使其对生物特征图像有较强的鲁棒性。实验证明基于核稀疏表示的多模身份识别算法在遮挡、含噪声的情况下具有较好的识别准确率,相较于其他同类算法在性能上有一定程度的提高。

基于尺度感知CNN的实时车辆检测算法

交通场景视频中的车辆尺度范围变化较大,不同空间尺度的车辆的实例表现出不同特征,导致特征的类内方差较大,影响检测方法的识别率。针对现有基于CNN的算法中卷积特征对尺寸不具有鲁棒性的问题,提出一种基于尺度感知的卷积神经网络(SAVD)车辆检测算法。该算法采用尺度感知的ROI池化层来维护小尺寸对象的原始结构。针对较大尺寸变化的类内距离超过单个网络的表示能力的问题,内置分支决策子网络来最小化特征的类内距离。实验证明,该算法在准确率上显著提高,对不同尺寸实例具有鲁棒性,上述轻量级技术提高检测速度,具有较好的实时性。

基于稀疏表示的人脸人耳融合识别算法

单一生物特征在识别过程中具有一定的局限性,基于人脸和人耳在位置上具有一定的关联性,提出了人脸人耳特征级融合的识别算法。采用主成分分析法(PCA)对人脸及人耳进行特征提取,然后运用稀疏表示对所提取的特征进行分类表达。而基于稀疏表示的人脸人耳识别方法,在遮掩、含噪声的情况下取得了不错的识别效果。实验证明,基于稀疏表示的人脸人耳融合的识别算法,具有较好的识别准确度。