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。

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.

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。