基于改进的HOG与LBP特征值的车标识别方法

针对多数车标识别方法中定位难、适应性差的问题,提出了基于改进的梯度方向直方图(Histogram of Oriented Gradient,HOG)与局部二值化(Local Binarization Pattern,LBP)特征值的车标识别方法。对包含车辆正面的图像进行倾斜校正,基于车牌和车标的相对位置关系粗定位车标位置,根据车标背景纹理特征进行边缘检测和投影法精确确定车标位置;采用改进的HOG和LBP作为联合特征训练BP(Back Propagation,BP)神经网络分类器。对比实验结果表明,该方法提高了车标识别的准确率,同时车标定位稍有偏差也能做出正确分类。

河工模型表面流场的局部特征测量方法

为了解决当前河工模型表面流场的计算机视觉测量方法中摄像机安装过程繁琐、测量精度低、测量成本高等问题,提出了一种利用局部特征来实现表面流场测量的新方法。该方法以自由视角安装摄像机,无需垂直向下。在测量时,首先在流场表面布撒碎纸屑示踪粒子,然后对获取到的视频进行校正和鸟瞰图重建,得到待测流场的俯视图,再利用局部特征的图像匹配方法来得到流场的稠密速度矢量,最后对表面流场进行优化输出。根据测试,该方法在模型流速0.01～0.5m/s时,流速误差低于10%;在模型流速0.5～1.5m/s时,流速误差低于5%。综上所述,提出的方法在测量精度、测量成本和易用性方面均优于现有的测量方案,目前已经在向家坝长河段等大型河工模型分析测量中得到应用。

基于LBP和级联XGBoost的驾驶员打电话行为检测算法

基于机器视觉检测手机位置是检测驾驶员打电话行为的重要方法和依据。为解决实际应用中光照、姿态等因素对检测效果的影响,笔者提出了一种基于LBP特征和级联XGBoost的打电话行为检测算法,用于筛选滑窗采集到的手持电话样本,同时其应用基于MLP(Multi-LayerPerceptron)神经网络进行回归校准,进而得到更准确的位置。LBP的特征提高了打电话行为的辨识度,级联XGBoost和MLP网络回归提高了检测效率和定位准确度。实验表明,LBP与XGBoost级联分类器组合分类效果良好,构建的MLP网络能够有效拟合滑窗采集样本的偏移值。