基于最近邻值和枚举法的车号字符分割及拼接方法

针对重度断裂的货运列车车号字符分割准确率低的问题,提出了一种基于最近邻值和枚举法的字符分割及字符拼接新方法。该方法首先进行车号区域图像预处理和获取字符投影区域边界所在列的操作,然后采用基于最近邻值和车号字符先验知识的分割方法获取车号的前5个完整字符,最后运用基于枚举法的车号断裂字符拼接方法获取车号的后5个完整字符,进而实现对整个车号的字符分割任务。实验结果表明,与现有的基于字符轮廓上下特征以及字符宽度先验知识和数字字符弧特征的字符分割方法相比,所提出的基于最近邻值和枚举法的字符分割及拼接新方法和现有方法对各类车号分割准确率的平均值分别为80.76%和95.23%;新方法和现有方法对重度断裂的车号分割准确率分别为95.83%和93.75%,新方法比现有方法的分割准确率提高了2.22%;当重度断裂的车号存在一定的旋转角度时,新方法对其分割准确率的平均值要高于现有方法,且比现有方法分割准确率的平均值提高了2.78%。

一种改进的K值最近邻自动分类方法

K值最近邻法是常用的一种自动分类算法。当待分类文本与样本集中多个决策样本的距离相等的时候,固定的K值取法不能充分利用样本集,给分类结果带来一定的随机性,影响了自动分类的准确性。本文通过对K值最近邻算法的原理进行深入分析,提出了一种K值动态选取的方案,使得K值最近邻算法的分类准确性有了显著的提高。

基于自适应阈值滤波和S-Method的穿墙人体动作识别

穿墙人体动作识别在武装反恐、城市巷战、灾害救援、病人监护等领域具有重要的应用价值。传统的基于短时傅里叶变换(Short-Time Fourier Transform,STFT)的时频分析方法时频分辨率低,不利于后期的分类识别。本文提出了一种基于自适应阈值滤波和S-Method的时频特征增强方法,用于墙后人体动作识别。该方法首先利用自适应阈值滤波消除时频图中的噪声,然后采用S-Method方法聚焦能量,提高时频特征,最后利用K最近邻(KNN)分类器对人体动作进行识别。利用频率步进穿墙雷达获取的实验数据进行方法验证,结果表明:相比于传统的STFT方法,本文所提出的方法对走、跑、坐、跳、招手以及原地踏步等6种典型动作的平均识别准确率更高,可达96.11%。