基于3D模型和AdaBoost算法的绝缘子检测

随着电力系统直升飞机巡线的不断发展与应用,对于输电线路关键部件的检测与识别越来越受到图像处理工作者的青睐。提出了一种利用3D模型制作训练样本及Ada Boost算法实现的航拍图像绝缘子自动检测方法。根据绝缘子3D模型图像的空间结构特征,提出了能反映这些结构的Haar矩形特征,从中挑选对绝缘子航拍图像有最好区分的特征构成弱分类器,再组合生成强分类器。使用正负样本图像训练后,由强分类器级联组成了一个多层分类器系统。实验结果表明,该方法有效地提升了绝缘子的识别效果,为后续的故障检测工作提供了良好的铺垫。

基于适应加权非对称AdaBoost HMM的三维模型分类算法

针对三维模型的分类问题,提出了一种适应性加权非对称AdaBoost隐马尔克夫模型(HMM)分类算法.算法中提出了由三维模型表面的绝对法向量表示的两种新特征,将经过归一化和姿态调整的三维模型划分为若干部分,各部分对应HMM的一个状态,对各部分提取特征并用主成分分析(PCA)降维,对模型的4种特征对应的弱分类器使用非对称AdaBoost算法进行boosting.HMM的结构及参数初始值由模型姿势调整的可能形式及观测顺序确定,训练过程中参数用期望最大化方法计算,最后使用加权相似度计算对三维模型分类.分析及试验结果表明,与基于分布函数的分类算法相比,该算法明显提高了正确率.适应性加权后,分类正确率可进一步提高.

基于AdaBoost的公交客流量统计算法

为解决复杂场景目标识别中伪目标的干扰问题,采用基于Ada Boost分类的方法分析疑似目标的三维轨迹,结合真实目标共有的特征信息,进一步分类真实目标与伪目标。首先,根据深度相机获取的深度图像提取疑似目标的人头区域,利用Kalman滤波跟踪得到二维轨迹;其次,通过摄像机标定将目标的二维轨迹转换为空间中的三维轨迹;最后,利用Ada Boost训练正负样本得到强分类器,进一步分类真实目标与伪目标。实验结果表明,该方法能够有效地提高目标识别的精度,对复杂场景下的目标识别具有良好的适应性。

一种改进的AAM人脸特征点快速定位方法

传统的AAM(Active Appearance Models)人脸特征定位改进方法通常关注于拟合效率上,没有具体考虑拟合初始位置和模型实例的特征,因此定位准确率和速度并不理想。该文提出了一种基于人脸特征检测和简单三维姿态估计的拟合初始位置改进和模型实例选择方法。首先采用Adaboost算法对图像中人脸特征进行预检测,然后充分利用YCbCr色彩空间人脸肤色特性对无法检测或检测不完全的图像进行特征提取,最后根据特征区域计算鼻尖坐标和人脸偏转角,合理调整拟合中心位置和模型实例,并在拟合过程中引入ATLAS(Automatically Tuned Linear Algebra Software)线性代数软件包,实现矩阵优化。基于IMM人脸库的仿真实验表明,该方法与传统反向组合AAM相比,拟合准确率提高约43%,时间消耗降低约62%。

一种新型人脸识别算法的研究

针对当前人脸识别算法中常用的AdaBoost算法的缺陷,提出一种将3D形变人脸建模和AdaBoost算法相结合来进行人脸识别的新型人脸识别算法3D Adaboost。实验证明,该方法和传统AdaBoost算法相比,能有效减少侧面人脸或者旋转人脸造成的检测错误;并且能在不损失准确度的基础上,显著缩短训练时间。

三维激光云扫描技术在变电站电气设备识别中的应用

以三维激光扫描系统获取变电站电气设备的点云数据,采用预处理措施后,通过模糊聚类使得点云数据朝着目标类别靠近,并通过加强似然系数对其进行修正,获得具有最大概率分布的目标关联概率矩阵,最后将其送入基于SVM改进的Adaboost算法分类器中进行分类识别。仿真结果表明训练精度与测试精度均高于98%,具有良好的识别精度。

一种新型运动车辆视频检测及识别算法的研究

本文将当前人脸识别算法中比较成熟的AdaBoost算法与3D形变建模技术结合起来,将其运用到运动车辆检测上,提出了一种新型运动车辆视频检测及识别算法3D Adaboost。实验证明,该方法和现有常用车辆识别算法相比,能有效减少车辆识别时角度问题造成的检测错误;并且能在不损失准确度的基础上,显著缩短训练时间。