基于呼吸声音的用户运动状态离线识别算法

针对当前可穿戴设备缺少了针对用户自身运动状态的分析,设计了由声音采集模块、骨传导声音播放模块和STM32处理器等模块所组成的声音采集耳机设备,并提出了一种基于呼吸声音的用户运动状态离线识别算法(OLRA)。该算法通过初始化、分帧、能量检测、小波包去噪、特征参数提取、改进K-means聚类、神经网络建模、识别、本地样本更新等步骤实现慢走、慢跑、快跑和环境声音四种状态的离线识别。实验结果表明:OLRA算法可提高不同用户运动状态的正确识别率,降低了错误接受率。

基于直线段跟踪的手绘图元离线识别方法

手绘图形是人类思维外化和表达意图的一种有效方式,如何有效地提取手绘在图纸上的图形元素是理解绘图者意图的关键问题。鉴于手绘图形是由基本图元组合构成,采用层次结构逐步实现图元提取的思想,提出了一种手绘基本图元(线段、弧、圆和椭圆)的离线识别方法。在提取图形笔画骨架像素的基础上,跟踪骨架像素得到图形的直线段描述;通过对直线段序列的分析,进行直线段序列的断开和连接处理,形成图元的曲线段描述,通过对图元曲线段描述的分析得出图元的几何参数。实验表明,该方法能够以高精确度快速识别出图像中包含的手绘图元,具有良好的稳定性和鲁棒性。

基于门控卷积和堆叠自注意力的离线手写汉字识别算法研究

针对离线手写文本识别(HTR)在自然语言处理领域中的重要性以及其广泛应用于帮助视障用户、人机交互和自动录入等方面的实际需求,本研究提出了一个全新的模型。该模型在门控卷积网络的基础上引入了堆叠自注意力编码器–解码器,用于离线识别手写的汉字文本。由于书写风格的多样性、不同字符之间的视觉相似性、字符重叠以及原始文档中的噪音等挑战,设计准确且灵活的HTR系统具有相当大的难度,特别是当处理较为复杂、包含大量字符的文本时,算法的学习能力显得不足。为了解决这一问题,我们提出的模型包括特征提取层、编码器层和解码器层。其中,特征提取层从输入的手写图像中提取高纬度的不变特征图,而编码器和解码器层则相应地转录出文本。实验结果显示,该模型在HCTD数据集上的字符错误率(CER)为6.72,单词错误率(WER)为11.11;在HCWD数据集上的实验结果CER为6.22和WER为7.17。相对于其他研究者的模型,本文设计的模型在手写汉字识别率上提升了11%。

一种有效的基于证据理论的离线签名识别方法

提出了一种有效的基于证据理论的离线签名识别方法。从签名图像的3种信息载体中提取出4种特征,利用所提取的4种特征分别构造基于证据理论的分类器对签名图像进行初步识别,将各分类器的输出作为证据,用改进的证据理论合成公式融合不同分类器的输出得到最终识别结果。结果表明:该识别方法能有效地提高离线签名的识别率。

基于多特征和证据理论离线签名识别

提出了一种基于多特征和证据理论的离线签名识别方法。首先通过比较各个特征在离线签名识别中的性能,选取比较有效的平均伪动态特征和中等分辨率网格特征作为识别特征,然后构造了两个K近邻(KNN,K Nearest Neighbor)分类器,对签名图像进行初步识别。在初步识别基础上,利用一种改进的证据理论合成公式,将两个KNN分类器的输出结果进行融合得到最终识别结果。实验结果表明新的识别方法是有效性。

基于矩特征和证据理论的离线签名识别

论文首先对几种矩特征在离线签名识别中的性能进行了比较,在此基础上选取矩和一种基于中心矩的形状描述子(SDBCM)作为签名图象的形状特征,据此构造了两个距离权重k-NN分类器对签名图象进行初步识别。然后将两个k-NN分类器的度量层输出作为证据,用一种改进的证据理论合成公式对其进行融合得到最终识别结果。实验结果表明,新的识别方法是有效的。

部分级联特征的离线手写体汉字识别方法

针对汉字类别多、风格多等识别难点,提出了一种基于LS-SVM的部分级联特征分类的离线手写体识别方法.具体包括霍夫空间加权采样和局部二值分布直方图两种新的特征提取算法,其可将任意大小的图像映射到固定长度的特征向量上,克服了已有特征提取算法的需要归一化、对笔画密度分布敏感等缺点;提出了基于部分级联特征的分类方式;提出了常见多分类方式的类别与正确率的关系,并给出了相应的数学证明.

基于神经网络和证据理论的离线签名识别

论文提出了一种有效的基于神经网络和证据理论的离线签名识别方法。利用从签名图象中提取的三种特征分别构造BP神经网络分类器对签名图象进行初步识别,然后将各分类器的输出作为证据,利用证据理论融合来自不同分类器的输出得到最终识别结果。实验表明,该识别方法能有效提高离线签名的识别率。

基于Windows的离线关键词语音识别系统设计与实现

由于传统人机交互大多使用键盘、鼠标等交互方式,速度较慢,因此语音识别开始受到越来越多人的青睐。但语音识别也存在如扩展性太差、可复制性不好造成单个产品价格过高、过于依赖外部条件导致对自身使用有所限制等问题。设计并实现一种基于本地的语音识别系统,通过构建抽象语法树,实现语音控制操作。实验结果表明,该系统的离线识别准确率可达70%以上,可以在局域网内实现语音操作。

基于改进LPP和ECOC-SVMS的离线签名识别方法

提出一种基于改进LPP和ECOC-SVMS的离线签名识别方法。针对预处理后的签名图像,选择多种有效特征构建高维特征向量,引入一种改进的保局投影方法进行特征提取并同时实现高效降维;签名识别方面,使用基于Hadamard纠错编码方法的ECOC支持向量机多类分类方法,并引入近似概率对ECOC解码进行改进,以提升多类分类器的性能。实验结果表明此方法的可行性和有效性。

基于改进YOLOv5s的离线手写数学符号识别

离线数学符号识别是离线数学表达式识别的前提。针对现有离线符号识别方法只是单纯的对符号进行识别,对离线表达式识别的其他环节未有任何帮助,反而会限制表达式识别,提出一种改进YOLOv5s的离线符号识别方法。首先,根据符号图像小的特点,用生成对抗网络(GAN)进行数据增强;其次,从符号类别的角度分析,在YOLOv5s模型中引入空间注意力机制,利用全局最大值和全局平均值池化,扩大类别间的差异特征;最后,从符号自身角度分析,引入双向长短期记忆网络(BiLSTM)对符号特征矩阵进行处理,使符号特征具有上下相关联的信息。实验结果表明:改进后的YOLOv5s取得较好离线符号识别效果,有92.47%的识别率,与其他方法进行对比,证明了其有效性和稳健性。同时,能有效避免离线数学表达式识别中错误累积的问题,且能为表达式的结构分析提供有效依据。

基于编码器-解码器的离线手写数学公式识别

提出一种改进的编码器-解码器模型。模型采用多尺度密集卷积网络作为编码器,以提取手写数学公式图像的多分辨率特征。采用完全基于注意力机制的Transformer模型作为解码器,依据图像特征将二维手写数学公式解码为一维LaTeX序列。通过相对位置编码嵌入图像位置信息和LaTeX符号位置信息。实验结果表明,模型在官方CROHME 2014数据集上取得了优异的性能,相比于当前最先进的方法,其公式识别准确率提高了3.55%,字错误率降低了1.41%。

PictureBox(C#)+百度离线SDK实现人脸识别

基于VS2012编程工具,论文通过C#语言调用Picture控件和百度人脸离线识别SDK,实现基本的人脸识别与跟踪。

脉冲响应函数的识别方法

利用伪随机二进制数即M序列作为系统的输入，用离散相关分析理论，推证并提出一种适用于计算机对非参数模型──脉冲响应函数的离线识别方法。

面向幼儿园的接送人管理与场景监控系统

针对幼儿园冒领、错接、拐骗和绑架幼儿等一系列安全事故,本文设计了一种面向幼儿园的接送人管理与场景监控系统。该系统基于虹软ArcFace算法的离线人脸识别技术开发,获取接送人员的人脸特征值与事先注册录入人脸库中的家长或亲友的人脸特征值进行比对,若匹配成功,则将接送场景照片和视频上传至系统的接送记录中,家长可以通过手机微信小程序查看接送记录。该系统提高了幼儿接送过程的安全性,降低幼儿被接错等安全风险,也为家长提供了查看接送记录、场景照片和视频的平台。

移动数据业务内容识别方案的深度分析

移动数据业务内容识别是差异化流量经营的基础。根据内容识别功能单元所处的位置以及在数据报文获取方式上的不同,归纳为3类主流内容识别方案,并对每一种方案适应的场景和对计费的影响进行了剖析。对PCC架构方案和流量导引方案对内容识别的优化进行了原理描述,给出了流量导引的2种典型方案和3种常用的流量导引技术。最后,指出了内容识别方案在流量经营中的积极因素和不利条件,提出了流量经营者制定经营策略时应考虑的内容识别限制。

基于笔划提取和合并的离线手写体汉字字符切分算法

手写体汉字字符切分是离线汉字字符识别预处理中的一个重要问题。针对离线手写体汉字 ,提出一种基于笔划提取和合并的手写体汉字字符切分算法。该算法首先基于方向游程提取汉字的笔划 ,并建立笔划框 ;再根据汉字笔划的结构知识对笔划框进行合并 ,得到字符的切分结果。该算法能较好地解决粘连汉字字符的切分问题 ,对从现场随机采集的 2 5 0 0封手写体信函地址汉字进行切分 ,单字正确率可达 91.5 %。

高性能日本语手写体单文字统合识别器的构建

为了解决单个文字识别器无法进一步提高手写文字分类认识率的瓶颈问题,通过构建统合识别器来进一步提高单文字的认识率.以基于MRF的在线识别器和基于MQDF2的离线识别器两种性能互补识别器为基础,根据单个识别器评价值的不同正规化方法,构建了一个具有更高性能的统合识别器.该识别器在东京农工大学手写体数据库为测试数据,统合识别器的1位认识率达到95.36%.与单个的在线识别和离线识别相比,识别率分别提高了3%和5%.

基于BP神经网络的印刷字符识别系统

光字符识别对人类是很简单的，但对计算机来说显得非常困难。自动字符识别在银行、航运、商业、通信、车牌识别等重要领域应用相当广泛。该文的主要任务是开发一个能识别机器印刷英文字符的系统，该系统采用基于反向传播的多层神经网络监督训练算法。通过系统进行多次测试和调试，不断优化网络参数并取得最佳结果，使得构建的新系统能够识别多种字体的字符。实验结果表明，该系统具有较高的识别率和优越的性能。

基于北斗的短报文离线语音技术

随着北斗卫星导航系统在军用以及民用方面的大力推行,Android市场上出现了许多分体式或者一体式的北斗通讯终端,本文分析现有用户终端输入输出方式的不足与缺陷,提出一种离线语音技术,能够在基于Android系统开发的北斗短报文通讯APP软件中,利用"讯飞语音+"实现北斗短报文信息的离线语音识别输入与离线语音合成功能。