Local-Tetra-Patterns for Face Recognition Encoded on Spatial Pyramid Matching

Face recognition is a big challenge in the research field with a lot of problems like misalignment,illumination changes,pose variations,occlusion,and expressions.Providing a single solution to solve all these problems at a time is a challenging task.We have put some effort to provide a solution to solving all these issues by introducing a face recognition model based on local tetra patterns and spatial pyramid matching.The technique is based on a procedure where the input image is passed through an algorithm that extracts local features by using spatial pyramid matching andmax-pooling.Finally,the input image is recognized using a robust kernel representation method using extracted features.The qualitative and quantitative analysis of the proposed method is carried on benchmark image datasets.Experimental results showed that the proposed method performs better in terms of standard performance evaluation parameters as compared to state-of-the-art methods on AR,ORL,LFW,and FERET face recognition datasets.

基于机器视觉的篮球运动员行为跟踪识别系统

篮球赛场上运动员行为轨迹跟踪技术存在识别误差大、效率低等问题,为此基于机器视觉技术提出一种更加有效的篮球运动员行为跟踪识别方法 .基于机器视觉设计篮球运动员行为采集子系统,对摄像机采集的帧图像实施精准预处理作为运动员行为轮廓识别的样本数据;构建篮球运动员行为跟踪识别子系统,利用边缘轮廓信息描述运动员的行为特征,使用高斯混合模型初步提取篮球运动员轮廓信息,检测行为边缘轮廓角点完成边缘轮廓特征提取;进一步得到轮廓点分布直方图,以此为依据使用金字塔匹配算法识别运动员的行为轨迹,实现运动员边缘轮廓优化提取.测试结果表明,该方法跟踪运动员行为的误检率约在0.4%~1.3%之间,漏检曲线趋于水平状态且不大于1%,跟踪识别篮球运动员行为的实际应用效果较优.

基于卷积神经网络特征提取的病理语音识别

针对传统病理语音识别效率低的问题,提出了一种利用卷积神经网络语音特征的病理语音识别方法,实现了特征的自动提取。从原始语音信号中提取梅尔语谱图特征,并对原始图像进行数据增强。基于迁移学习的思想,对Alex Net网络进行微调和训练,并将图像输入到训练好的卷积神经网络中提取语句级特征,输出时由时域金字塔匹配进行统一降维,得到相同长度的语音特征。使用神经网络和支持向量机分类器分别对提取好的语音特征进行分类,以完成病理语音识别。实验结果表明,神经网络能够很好地提取复杂和抽象的特征,避免了前期复杂繁琐的数据处理和数据分析工作,同时与传统特征提取方法相比准确率有所提高。

基于时空金字塔匹配的轨迹相似度算法

轨迹相似性度量是轨迹数据挖掘的基础问题。受设备型号、信号强度和周围环境的影响,轨迹数据具有噪声大、数据量大、采样不均匀等特征,给轨迹相似性度量带来了极大的挑战。因此,提出了基于时空金字塔匹配的轨迹相似度算法,通过在时间和空间维度上对轨迹进行不同粒度的划分,然后利用不同粒度的权重组合来衡量轨迹之间的相似性。该算法能够有效克服轨迹噪声的影响,同时兼顾了轨迹的时间特性和空间特性,并具有较低的计算复杂度。最后,利用真实的信令数据集和人工合成的全球定位系统数据集进行实验,实验结果证明了该算法在准确率和计算复杂度方面都优于目前的主流算法。

具有局部自适应阈值的SIFT快速图像匹配算法

针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题,本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先,所提方法在SIFT算法的基础上,对构建的高斯金字塔进行了优化,通过减少金字塔层数来消除冗余特征点以提高检测效率,并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测,筛选出鲁棒性较强的特征点进行更准确的匹配;其次,采用高斯圆形窗口建立32维降维特征向量,提高算法运行效率;最后,根据匹配特征点对之间的几何一致性对特征点进行提纯,有效减少误匹配。实验结果表明,本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法,相比传统的SIFT算法,匹配精度提高了约10%,算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下,正确匹配率在93%以上。

基于改进YOLOv8的高速公路服务区车辆违停检测

在高速公路服务区违停检测过程中光照、天气变化等复杂环境会使车辆检测精度急剧下降,同时摄像机拍摄角度、车体高度等因素会增加车辆违停检测的误报率和漏报率。为此,提出一种基于改进YOLOv8的高速公路服务区违停检测算法。在YOLOv8网络模型的特征金字塔池化层中,构建膨胀空间金字塔池化(DSPP)模块和基于分支注意力机制的膨胀空间金字塔池化(DSPPA)模块,减少特征提取网络中深层语义信息的丢失,同时利用DSPPA中的分支注意力(BA)机制为不同感受野分支特征赋予不同的权重,使模型更关注与目标尺寸相适应的特征。设计基于全局匹配的停车位分配策略,有效降低了视角倾斜、车辆重叠遮挡等情况下违规占用停车位的误报率与漏报率。实验结果表明,改进算法的违停检测误报率从15%下降至8%,违停检测漏报率从7.5%下降至6.1%,具有较好的车辆违停检测效果。

基于机器视觉的缝纫线迹缺陷检测方法

缝纫线迹缺陷检测过程易受缝纫机抖动和面料移动过快等影响,针对缺陷检测过程中的扰动影响,以高精度和快速检测缺陷特征为目标,提出一种基于机器视觉的缝纫线迹缺陷检测方法。首先将主干网络的标准卷积改用蓝图卷积的DeblurGAN-v2算法和拉普拉斯算法联用,分辨模糊与清晰图像,并对运动模糊图像去模糊。然后将师生特征金字塔匹配算法应用到缝纫线迹缺陷检测上,将困难样本挖掘技术应用到师生特征金字塔匹配算法中提高了算法的检测精度与速度。结果表明:图像去模糊算法有效地去除了由外部干扰引起的图像模糊问题,缺陷检测算法检测正确率保持在95%以上,单张图片检测速度在0.04 s以下。本文方法能有效检测线迹缺陷特征,保障生产的高效性和连续性。

基于单目视觉感知的分闸开关定位方法研究

针对智能变电站机器人在进行分闸作业时定位精度过低的问题,对基于单目视觉感知的定位方法进行了研究,并建立了单目视觉定位方案。首先针对变电站复杂的室内成像环境影响,设计了一种基于图像亮度均衡强化的阈值分割算法,可以从图像中准确提取开关的轮廓边缘信息;然后设计了一种基于RANSAC的椭圆拟合算法,对轮廓边缘信息进行拟合得到开关的位置信息;最后设计了基于灰度特征的快速匹配算法,并且融合了金字塔匹配策略,提高了匹配速度和抗干扰能力。实验结果表明,该方法的开关位置定位精度为±0.8mm,角度定位精度为±0.9°,且定位效率高,鲁棒性好,满足变电站机器人分闸作业的要求。

基于改进多目标模板匹配在铝材计数的应用

针对铝材入库计数过程存在效率低和耗时长的问题,提出了一种基于机器视觉和改进的图像金字塔的铝材计数方法。该方法应用Sobel边缘检测提取模板轮廓,采用加权最小二乘法进行直线拟合实现模板轮廓的优化处理,进而得到最优模板,改进后的图像金字塔算法实现了对图像模板匹配的快速计数。实验结果表明,所提出的方法应用于铝材入库计数,具有较高的召回率和较快的匹配速度,测试数据集的平均检测准确率达到98.4%,匹配效率相较于传统图像金字塔算法提升了37.0%。

无序安全扣快速识别和定位方法设计

针对传统的安全扣生产在摆放位置存在偏差时,无法实现夹取的问题,提出了一种无序安全扣快速识别和定位方法;该方法采用一种基于子模板和图像金字塔的改进NCC算法进行模板匹配,并结合圆投影算法实现对旋转安全扣的目标检测,同时采用基于交叉匹配和RANSAC方法进行安全扣精确定位;实验验证通过将定位结果与实际坐标进行对比,结果表明识别误差为0~1个像素,其中X轴的平均误差仅为1.02 mm,而Y轴的平均误差为0.76 mm,实现了无序安全扣精确地识别和定位,能够满足工程上的实际需求。

匹配变换和线性变换融合的水下图像增强

为了有效地改善水下图像的颜色和对比度,提出了匹配变换和线性变换融合的水下图像增强方法。对强度最大的通道图像进行对比度限制的自适应直方图均衡化,根据均衡化后的通道图像直方图,对另外两通道图像分别进行直方图匹配,最后得到颜色校正的图像。在HSV颜色空间中,对颜色校正图像的明度分量进行自适应分段线性变换,得到对比度增强的图像。分别计算2张增强图像的对比度权重、显著性权重、亮度分布权重和饱和度权重,根据权重对2张增强图像进行多尺度金字塔加权融合,得到最后的增强图像。实验结果表明,该方法对水下图像增强后的视觉效果优于现有方法,对应的平均梯度、水下彩色图像质量评价(UCIQE)指标和水下图像质量(UIQM)指标比现有方法分别提高30.0%、7.29%和16.0%。

基于遮挡优化的金字塔块匹配光流估计方法

针对现有光流计算方法在大位移和运动遮挡等场景下光流估计的准确性与鲁棒性问题,提出一种基于遮挡优化的金字塔块匹配光流估计方法.首先利用金字塔块匹配模型得到初始匹配运动场,构造遮挡检测模型优化匹配运动场,去除初始匹配运动场包含的误匹配点以获取鲁棒稀疏运动场;然后设计边缘约束的鲁棒插值算法获取稠密光流场,并构建全局能量泛函解决局部最优问题,得到最终的鲁棒稠密光流场.最后分别利用Middlebury、MPI-Sintel和KITTI数据集提供的测试图像序列对本文方法和具有代表性的变分光流估计方法、匹配插值光流估计方法、卷积神经网络光流估计方法进行对比分析.实验结果表明本文方法对大位移和运动遮挡场景光流估计的准确性与鲁棒性具有明显的提升效果.

基于SIFT改进的无人机图像匹配算法

针对无人机图像匹配时间较长的问题,提出了一种基于SIFT改进的无人机图像匹配算法。引入了FAST算法检测角点,它能快速通过比较中心像素点和一定领域内像元的灰度值以判断是否为角点,从而提高算法的速度。同时,为了弥补FAST算法在高斯差分金字塔上搜索的不足,使用了基于Ostu和GA的图像分割算法对图像进行分割,对分割图像构建高斯金字塔,在高斯金字塔上进行特征点搜索。实验结果表明,与传统的SIFT算法相比,改进算法提高了无人机图像匹配的速率和正确率。

面向边缘特征的实时模板匹配方法

模板匹配是机器视觉领域的一项共性关键技术,目前基于边缘特征的模板匹配方法存在搜索时间长、在复杂环境下匹配准确率低等问题。为了在保证鲁棒性的同时提升实时性,提出了一种面向边缘特征的实时模板匹配方法。首先,在模板创建阶段,提出了一种新型边缘稀疏方法,通过置信评分机制筛选出模板中不变性强的边缘点,在保留模板关键特征的同时降低模板信息冗余,进而保证稳定性并提升计算效率。其次,在基于金字塔搜索的图像匹配阶段,提出了一种顶层提前筛选方法,采用归一化曼哈顿距离作为限制条件在顶层搜索结果中排除错误目标位姿,以加快后续各层的搜索速度。构建了5种工况不同的数据集,对所提模板匹配方法进行了对比验证,并将其应用于面向自由平面位姿的快速视觉点胶工艺。实验结果表明,所提模板匹配方法在显著提升匹配速度的同时能够保证高准确率,并且能够有效克服光照、旋转、缺陷、多目标、遮挡等干扰因素,满足机器视觉场景中对图像匹配的鲁棒性和实时性要求。

面向绝缘手套佩戴状况检测的小目标检测与匹配算法

基于图像识别的变电站现场人员不安全行为监测对于保障电力生产安全具有重要的意义.对未穿戴绝缘手套的识别是安全监测的重要内容,但手部/手套面积小、有效样本数量少、多人场景中未佩戴手套人员难以识别等问题严重制约了识别算法的性能.针对上述问题,本文提出了一种面向绝缘手套佩戴状况检测的小目标检测与匹配算法.首先,针对数据集中有效样本数量少且特征数量严重不平衡的问题,采用颜色变换与图像拉伸等方法对数据集的图片进行数据增广.其次,针对手部/手套面积小导致目标识别率不高的问题,提出一种基于改进YOLOv3网络的检测算法.一方面,对原网络中的特征金字塔结构进行改进,对网络中多层级特征信息进行融合,提升小目标识别精度;另一方面,使用K均值算法分析数据集,获得适合本数据集的初始候选框,进一步提升小目标识别性能.最终,针对目前算法中仅进行手部/手套识别,但在多人场景中难以识别对应的人员的问题,设计了一套手部与人体的关联匹配算法,可以有效的对检测结果进行匹配.实验结果表明:本文提出的算法能够对绝缘手套佩戴情况进行有效地检测,改进的YOLOv3模型的准确率提升了29%,并且经过改进的YOLOv3+分配算法模型的准确率提升了33.43%.

基于LabVIEW的双目视觉测距系统设计

在对障碍物进行测距的过程中,双目视觉测距技术拥有的成本低、高效、精确度高与构造简单的特点。鉴于此,设计一种基于灰度值金字塔图像匹配算法的双目视觉测距系统。通过搭建立体视觉硬件平台,利用LabVIEW软件平台编写硬件控制和测距程序,采用灰度值金字塔算法进行双目图像匹配获取视差数据,利用几何关系求出障碍物深度计算公式,并且在实验室中随机选用8个标志物进行仿真实验,检验理论深度与真实距离间的误差率。实验表明,通过视差数据求得的理论深度信息,所选特征点清晰、纹理复杂度较高的ROI(Region of Interest)区域的误差率在2%左右,特征点模糊、纹理复杂度较低区域误差率在5%左右,图像匹配相似度在900左右,在允许的误差范围内验证了图像匹配的准确性和双目测距系统的可靠性。

改进的模板匹配金字塔搜索算法

针对模板匹配和智能检索技术对效率的要求,提出了改进的金字塔分层搜索算法,分别从算法剪枝和并行匹配两方面对算法进行改进。采用边缘梯度作为基础匹配描述子,改进的搜索算法融合了预先终止、匹配进程中终止、边缘点稀疏、逐层重叠筛选四种方法来降低算法的搜索空间复杂度。在算法中引入PPL并行库实现了多模板的并行匹配。实验结果显示,选择合适的参数,针对特定的模板匹配任务,改进后的金字塔搜索算法在保证准确检测目标的基础上,与传统的金字塔搜索算法相比效率提升56.3%。

基于YOLOX的金属表面缺陷检测算法

为解决传统检测方法对金属表面缺陷检测速度慢、精度低的问题,研究基于深度学习的YOLOX检测算法。在YOLOv4主干网络加入Focus结构,避免图片下采样中信息丢失;预测端创新性采用无锚框思想、解耦头和SimOTA动态正样本匹配方法对融合后特征进行预测,加快收敛速度。将该算法用于金属表面缺陷数据集,实验结果表明,结合无锚框、解耦头、样本匹配方法可使平均检测精度均值提升到83.78%,比YOLOv3和YOLOv4算法分别提升13%和7%,检测图片速度达到65张/秒,检测精度和速度均具有明显提升。

联合多尺度与注意力模型的双分支局部特征提取方法

局部特征是图像匹配与识别等应用中的关键表征方式.针对目前局部特征提取方法存在的尺度单一、区分性不足等问题,本文基于双分支编码器-解码器提出了一种联合多尺度与注意力机制的局部特征提取方法.首先,在共享编码阶段,采用经典的VGG-Style卷积神经网络对输入图像提取不同尺度的特征层;其次,在关键点解码阶段,通过与编码阶段中相同尺度特征进行并联构建特征金字塔结构以解决单一预测结构带来的特征信息不足等问题,同时在描述解码器中嵌入基于空间、通道的混合注意力模型以实现特征的选择性预测;最后针对检测和描述过程分别提出了针对性的损失函数对训练目标进行优化.实验结果表明,本文方法所提取的局部特征相较于现有方法不仅在重复性和区分性上表现更好,而且对视角、光照等变化具有更高的鲁棒性.

基于RFNA和改进LBD的镜像线特征匹配方法

针对物体和镜像之间的匹配问题,引入RNFA(Relative Number of False Alarms)边缘链检测方法获取更丰富的线段。文中提出一种改进的LBD(Line Band Descriptor)算法用于构建局部不变特征描述符,通过比较局部不变特征描述符获得初始匹配对。采用全局投影角度的筛选方式,并通过拟合投影中线的方式剔除初始匹配对中误匹配项。在完成全局投影角度的选取和投影中线的拟合后,放宽对局部不变特征描述符阈值的筛选以获得更多的匹配对,提升召回率。图像集仿真实验结果表明,文中所提算法在纹理较弱区域能够更好地识别线段,且能够在保证原算法性能的基础上获得更多的匹配对,提高5%左右的正确匹配率,并达到90%以上的召回率。