基于LBP和SVM的人脸检测

人脸检测作为机器视觉研究的重要内容,在视频监控、安防等领域具有广泛的用途,是人脸识别技术的必备条件。针对复杂背景、光照不均匀等外部条件对人脸检测的影响,提出了基于局部二元模式(LBP)和支持向量机(SVM)的人脸检测算法。其中LBP是一种用来描述图像局部纹理特征的算子,具有旋转不变性和灰度不变性等显著的优点,其最主要的属性是对光照变化造成的灰度变化具有很好的鲁棒性。该算法使用LBP提取图像的特征值,并对提取到的LBP特征值使用SVM算法构建的分类器进行分类。实验结果表明,基于LBP和SVM的人脸检测算法具有很好的检测效果,不仅较好地解决了光照和复杂背景等外部条件对人脸检测的影响,而且明显提高了人脸检测的准确率,准确率可达到94%以上。

辅助驾驶中的红绿灯识别及其FPGA实现

为了降低路况的复杂性和交通信号灯的多变性给司机带来的影响,模拟一种辅助驾驶情景,提出基于FPGA的颜色识别系统的设计,作为辅助驾驶系统中的交通灯识别模块。在识别系统中,使用颜色特征HSV作为特征提取算法。为了增强对交通灯识别的准确率,先对图像进行腐蚀操作,去掉小的噪点;然后再对图像进行膨胀操作,恢复对非噪声区域削去的部分边缘。实验结果表明,基于FPGA的识别模块可快速准确地识别红、黄、绿3种颜色,识别率达到97%。

一种多策略的中文领域本体概念抽取方法

为了提高中文领域本体概念抽取的准确率和召回率,提出一种多策略的中文领域本体概念抽取方法。该方法使用模式匹配法改进原有的单字合并法,经词性过滤和缺陷检测筛选出概念集组成用户词典,并送入概念抽取系统进行二次分词获得候选概念集;利用词频-逆向文本频率(TFIDF)方法和信息熵融合得到TFIDFE方法,计算概念权重以获得领域概念集。实验结果表明,该方法在领域术语抽取的准确率、召回率和F值上均有较好的效果。

基于SWRL规则推理的知识发现研究

基于本体技术的查询,并不能将隐含在显式定义和声明中的知识提取出来展示给用户,因此需要依靠一定的推理机制,才能使知识得以充分表达。首先介绍了本体相关概念,然后建立本体模型,并使用本体查询语言SPARQL(Simple Protocol and RDF Query Language)对已有本体模型进行查询,引出本体查询的不足,进而使用SWRL(Semantic Web Ru-le Language)对本体模型进行语义规则扩充,最后通过Jena对本体模型进行推理。实验结果表明,构建合理的本体推理机制,可以对本体中蕴含的知识进行有效的推理,从而改善和优化知识查询。

一种有效的Web服务聚类方法

将功能相似的Web服务聚类是一种有效的服务发现方法,而聚类的关键在于服务之间语义相似度的计算。目前国内外主流使用关键字、信息检索和基于本体的方法计算相似度,这些方法存在语义信息缺失等问题,并且聚类方法只考虑到简单数据类型的处理。本文提出一种同时包含处理简单数据类型和复杂数据类型的本体学习方法,利用本体学习和信息检索相结合的方式(Hybrid term similarity,HTS)进行Web服务聚类。实验结果表明,该方法能够有效地提高Web服务的聚类效果。