基于分层运动姿态协方差的人体动作识别

人体动作识别是计算机视觉领域一项很有挑战性的工作。近年来,随着低成本传感器的应用,基于三维人体骨架的动作识别得到广泛研究。在对两种最新的识别方法的优缺点进行研究的基础上提出一种新的动作描述符,该描述符是通过对运动姿态向量序列求协方差得到的,而运动姿态向量由帧向量、帧的速度向量和加速度向量组成。为得到时序信息,使用分层方法对每个子序列求协方差,并求得最终的描述符。实验结果表明,基于该描述符的识别方法效率很高且优于很多最新的方法。

六自由度Stewart平台运动学遗传神经网络正解

近年来,舰载相控阵雷达发展迅速,对其隔振措施和隔振机构的要求也越来越高。Stewart平台为一种通常的空间六自由度并联机器人,在舰载相控阵雷达中具有广泛的应用。为了解析Stewart平台工作空间和设置机构误差步长,必须运动学求解。本文针对当前Stewart平台正解法存在的问题,基于传统的正解法和Stewart平台结构,提出一种遗传神经网络正解算法,通过仿真验证可知,该方法具有较高的收敛性和较快的速度,有进一步推广应用的潜力。

基于双层分类模型的人体动作识别方法

针对现有人体动作识别方法不能很好地识别静态图像中动作的问题,提出一种结合姿态库和AdaBoost双层分类模型的识别方法。利用人体位置数据和Hausdorff距离创建初始姿态库,利用第一层分类器进行训练,获得由特征向量和空间信息组成的姿态库;基于第一层分类器获得测试图像的空间姿态激活向量(SPAV);将SPAV进行级联作为第二层分类器的输入,以具有最大分类分数的动作类型作为判别结果。在PASCAL2010和KTH数据集进行相关实验,实验结果表明,该方法在识别精确性和处理时间上具有优越的性能。

基于感知模式纹理的人脸识别

稀疏表示分类法和局部二值模式是目前广泛运用的人脸表示方法.虽然稀疏表示分类法通过重构算法能很好的稀疏表示人脸,但在人脸的局部特征表示上不够理想.局部二值模式是基于局部纹理特征表示人脸,其提取的局部纹理简单、不连续、不光滑,造成纹理损失严重.提出局部纹理特征的感知模式纹理的概念,克服了稀疏表示分类法在局部特征表现不佳的缺点,同时又比局部二值模式纹理光滑、鲁棒.利用感知模式纹理特征在Yale和ORL数据库取得了较好的识别效果.