一种多特征加权融合的事故识别算法

对交通事故现场视觉图像的及时、准确识别,可有效提高交通事故处理速度,提升交通运行效率。传统方法通过提取图像关键点的邻域图像特征,设定合理阈值,但忽略了建立图像扇形区域特征向量,导致识別精度低。提出一种通过速度变化、面积变化、方向变化等交通事故判别参数的提取来完成交通事故现场视觉图像识别的多特征加权融合算法。试验结果表明,所提方法能够有效提升交通事故现场视觉图像识别率,且识别精度较高。

分段跟踪识别器的多特征加权指标设计

分段跟踪识别器(STI)解决的是机动目标相邻运动模式切换时刻判定和运动模式参数辨识互相耦合的问题,这种非贝叶斯的方法不需要先验给定目标的运动模型集与模型之间的转移概率。STI在设计性能指标时主要存在以下两个问题:一是仅考虑目标位置与航向角连续性,特征量不完备;二是各连续性指标权重先验给定,缺乏设计准则。为此,提出了STI的多特征加权指标设计方法。首先,引入了速度连续性指标,改善了目标运动模式提取时特征量的完备性;然后,基于各指标的协方差矩阵对其权重分别进行了设计,消除了各指标量纲的影响。仿真结果表明,与STI相比,新提出的方法运行速度快,目标运动模式误切换次数与切换时延明显下降,目标位置与角速度估计精度也有所提升。

基于多特征加权融合的静态手势识别

针对人工提取特征的单一性及卷积神经网络提取特征的遗漏性问题,提出了一种基于多特征加权融合的静态手势识别方法.首先,提取分割后的手势图像的傅里叶和Hu矩等形状特征,将两者融合作为手势图像的局部特征;设计双通道卷积神经网络提取手势图像的深层次特征,采用主成分分析方法对提取的特征进行降维;然后,将提取的局部特征和深层次特征进行加权融合作为手势识别的有效特征描述;最后,使用Softmax分类器进行手势图像分类.实验结果验证了提出方法的有效性,在手势图像数据集上的识别准确率达到了99%以上.

一种基于特征加权的点迹质量评估方法及应用

针对地面预警雷达点状移动杂波抑制难,提出一种基于多特征加权的点迹质量评估方法。该方法利用目标和点状移动杂波的点迹特征的差异进行杂波抑制。首先通过先验信息统计目标和杂波的点迹特征,计算各点迹特征的均值和权系数,然后将各特征信息加权求和,计算点迹的目标属性质量估值和杂波属性估值,最后对比两者之间的差别获取有效点迹。通过某雷达时采数据验证,该方法可以有效地抑制点状移动杂波。

WMFVR身份识别及应用

提出一种身份识别模型WMFVR(加权多特征视频识别)。模型分三层:先验层,建立识别群体视频样本库,通过数据发掘可识别(区分)的视频特征点,如身高、肩宽、人脸等,每个特征点聚类建立特征分布,如按身高聚为高、中、低三类;识别层,在相对静止背景下获取连续图像,检测跟踪运动目标,重建人体三维运动,按时间序列识别各个特征点,结合先验知识库,加权决策识别结果;后验层,根据识别结果,更新视频特征分布,刷新先验知识库。与传统视频身份识别相比,WMFVR充分利用连续动态图像下的视频特征,并引入后验机制,提高了视频识别的可应用性。基于WMFVR设计的视频考勤系统识别率为94.872%,表明在固定场景小范围人群的身份识别中具有良好的鲁棒性。

WMFVR身高肩宽识别

在计算机视觉与模式识别领域,人的视频身高肩宽范围检测与识别具有相当广泛的应用前景。本文提出一种新的方法从双目动态图像序列来获得人体身高肩宽范围。文中主要论述了该方法中对人体三维特征的重建部分,在无手工标注实现摄像机标定的基础上,应用人体特征三角形在双目摄像机投影下的几何意义,结合人体三维模型知识重建三维信息,决策身高肩宽范围。最后给出了实验结果及其在WMFVR(加权多特征视频识别)中的应用。

自适应多特征模糊聚类的多光谱遥感图像河流提取

针对传统模糊C-均值聚类(FCM)算法用于多光谱遥感图像河流提取时,存在边缘不完整和过分割问题,该文提出了一种自适应多特征FCM多光谱遥感图像河流提取算法。首先,提取多光谱遥感图像的多个特征(颜色分量、纹理信息和局部均匀性特征),并将其融入FCM目标函数,提高分割结果的边缘贴合度和河流提取精度;其次,采用人工蜂群算法(ABC)计算每个特征的加权系数,实现加权系数的自适应计算;最后,利用连通分量滤波消除聚类过程中产生的过分割现象,进一步提高河流的提取精度。实验结果表明,该文算法能够更完整地提取多光谱遥感图像中的河流信息,测试集上的准确率达到了99.19%,优于其他几种同类型的聚类算法。

A Multi-model Approach for Soft Sensor Development Based on Feature Extraction Using Weighted Kernel Fisher Criterion

Multi-model approach can significantly improve the prediction performance of soft sensors in the process with multiple operational conditions.However,traditional clustering algorithms may result in overlapping phenomenon in subclasses,so that edge classes and outliers cannot be effectively dealt with and the modeling result is not satisfactory.In order to solve these problems,a new feature extraction method based on weighted kernel Fisher criterion is presented to improve the clustering accuracy,in which feature mapping is adopted to bring the edge classes and outliers closer to other normal subclasses.Furthermore,the classified data are used to develop a multiple model based on support vector machine.The proposed method is applied to a bisphenol A production process for prediction of the quality index.The simulation results demonstrate its ability in improving the data classification and the prediction performance of the soft sensor.

基于形态学特征的机械零件表面划痕检测

采用高、低角度光源组合打光方式提取感兴趣区域,构建划痕形态学的中值滤波核以获取准确的背景图像,再经背景差分后提取划痕缺陷。采用基于方向梯度的改进区域生长算法实现了同一划痕的有效连通,降低了划痕缺陷的漏检率。通过对面积、长宽比等主要特征参数的置信度分析,提出了一种多特征加权融合的划痕判定方法。结果表明,利用该方法进行划痕检测的正确率达95.7%,算法处理时间少于1.21s,达到了工程应用的精度和效率要求。