一种基于局部特征分块的目标跟踪算法

为了解决传统目标跟踪算法在天空背景下面临高能激光反射时图像像素灰度分布发生剧烈变化,从而导致目标遮挡或丢失的问题,采用一种基于局部特征分块思想的相关跟踪算法,根据局部特征对跟踪模板进行了分块处理,计算并选取其中特征稳定度高的块模板,在跟踪区域内对每个块做模板匹配,并进行了理论分析和试验验证.结果表明,该算法在强光干扰下能够有效地对目标实时稳定跟踪,且图像处理延迟时间在2ms以内.该研究对基于高能激光发射下的超高精度跟踪系统工作性能的保证是有帮助的.

基于局部感知的车辆重识别算法

针对车辆重识别技术中难以通过全局外观特征准确识别不同车辆之间细微差异性的问题,提出一种基于局部感知的车辆重识别算法(local-aware based vehicle re-identification,LVR)。获取全局宏观特征以保留图像的上下文信息;利用空间变换网络的对齐模块对车辆图像进行分块,获取车辆局部细节信息;采用由粗到细的关键点检测方法获取局部关键点特征。在两个大型车辆数据集(即VeRi和VehicleID)上的评估结果表明,该算法具有较好的重识别效果。

基于B-LBP特征和SSA优化SVM的人脸识别算法

为了进一步提高支持向量机分类器人脸识别率和识别速度,提出了采用分块局部二值模式(B-LBP)特征和麻雀搜索算法(SSA)优化支持向量机(SVM)的人脸识别算法。算法首先对人脸图像分块并提取每个子分块统一化局部二值模式特征,通过特征融合、快速PCA降维处理后得到人脸图像特征;再使用SSA优化SVM分类器的核函数参数和惩罚系数,提高分类器的分类精度和速度;最后将人脸图像特征输入到优化后的SVM分类器进行分类。实验结果表明,与其他几种人脸识别算法相比,基于B-LBP特征和SSA优化SVM的人脸识别算法的人脸识别率和识别速度显著提升。