基于感兴趣区域和HOG-MBLBP特征的交通标识检测

交通标识检测中样本类别间的不平衡常常导致分类器的检测性能弱化,为了克服这一问题,该文提出一种基于感兴趣区域和HOG-MBLBP融合特征的交通标识检测方法。首先采用颜色增强技术分割提取出自然背景中交通标识所在的感兴趣区域;然后对标识样本库提取HOG-MBLBP融合特征,并用遗传算法对SVM交叉验证进行参数的优化选取,以此来训练和提升SVM分类器性能;最后将提取的感兴趣区域图像的HOG-MBLBP特征送入训练好的SVM多分类器,进行进一步的精确检测和定位,剔除误检区域。在自建的中国交通标识样本库上进行了实验,结果表明所提方法能达到99.2%的分类准确度,混淆矩阵结果也表明了该方法的优越性。

基于hog图像特征的人脸识别系统设计与实现

人脸识别是一种典型的计算机图像视觉技术应用。本文以该技术为背景,给出一个基于hog特征算子来描述目标的人脸识别系统。该系统提取被检测图像的hog特征并使用Adaboost学习算法训练识别分类器,从而对目标特征进行分类判断。通过实验可以发现,使用hog特征结合分类器的方法对人脸进行识别可以获得较高的检测率,具有良好的应用价值。

基于高斯颜色模型和SVM的交通标志检测

针对我国交通标志的特点,提出一种基于高斯颜色模型和机器学习的快速交通标志检测算法,解决了单纯采用颜色模型或单纯采用分类器检测误差较大的问题。先对直方图修正后的标志图像使用高斯颜色模型分割,并对分割后的图像进行形态学处理,初步提取出候选交通标志,最后将标志的HOG描述子和SVM结合训练出分类器,使用该分类器进行标志的精确检测。实验结果表明,该算法能有效地提高检测精度,降低误检率,对光照、旋转、部分遮挡等不良条件下的交通标志检测具有较优的稳定性和准确性,且满足实时性要求。

基于多时相遥感图像的人造目标变化检测算法

传统的像素级变化检测方法的检测性能受到以下因素的严重制约:图像辐射差异、配准误差和差异图像分类门限的选取,并且难以从检测信息中提取出关键的变化,本文针对遥感图像中人造目标的变化检测问题,提出了一种综合特征级和像素级的两步变化检测算法.首先将大幅多时相遥感图像分成一系列子图像对,采用有监督子图像对分类方法,提取人造目标变化的感兴趣区域,然后采用像素级变化检测算法对感兴趣区域进行变化检测,得到定量的检测结果.实验结果表明了该算法的可行性和有效性。

基于DPM的自然场景下汉字识别方法

自然场景下,汉字背景复杂且形态各异,导致传统识别方法中的文本定位与文本矫正过程难以进行。为了避免这些问题,采用物体识别方法中的可变部件模型(DPM)进行识别。该方法将汉字视为物体类,训练其对应的参数模板,然后采用滑动窗口的方法遍历待检测图片,以判断图片中是否存在目标汉字。实验表明,该方法对简单独体汉字有较好的检测效果,但对于多笔画复杂汉字,由于模型自身结构特点,效果并不明显。

基于方向梯度直方图的行人检测与跟踪

为了更好更快速的实现行人检测,通过优化参数,提出了改进的基于方向梯度直方图的行人检测算法,对视频跟踪中不包含行人信息的图像进行背景筛除,从而减少了特征的计算量。实验结果表明,该算法对行人检测是有效的,并提高了检测效率和精度。

基于Kinect骨骼信息与深度图像的指尖点检测

针对普通摄像头手势识别系统易受复杂环境和光照条件等因素影响,存在对指尖点的漏判、误判问题,提出一种基于Kinect骨骼信息与深度图像的掌心点提取和指尖点检测的手势识别方法;在DRVI平台上创建Kinect的接口控件,对Kinect传感器获取人体骨骼信息和深度图像进行分析,采用了坐标映射、图像分割、距离变换的关键技术和方法从深度图中分割出手势部分区域,对手势区域形态学处理,结合凸包和K-曲率算法检测不同手势中指尖点的个数和位置,计算不同手势凸包轮廓上的点集生成的HOG (Histogram of Oriented Gradient)特征描述子,最后利用特征描述子对预定的6种数字手势进行识别;经实验测试可以在复杂环境和不同光照情况下正确识别指尖点。

基于可转移字典对的跨视角动作识别

为人体动作寻找具有分辨力的视觉特征是机器视觉研究领域的重要课题,但当视角发生改变时其效果往往不够理想。文中提出了一种视角无关的动作识别方法,利用转移字典对完成视角间信息的转移。转移字典对包含两个字典,分别对应于源视角和目标视角。字典对的学习过程是自发的,其准则是尽量使两个视角中的同一动作具有相同的稀疏表示。提出了有监督和无监督条件下的算法,用于转移字典对的学习。利用转移字典对将两个视角中的视频进行稀疏表示之后,在源视角下训练得到的分类器即可直接用于目标视角。方法的有效性在多视角、多模态的数据库3M上进行验证,取得了良好的效果。