基于HOG-SVM分类器的电力屏柜锁孔快速检测方法

为实现变电站电力屏柜的机器人开锁开门操作,提出一种综合边缘特征圆形检测和HOG-SVM分类器的变电站电力屏柜锁孔图像的快速检测方法。对实时采集的图像进行预处理以降低计算量;在此基础上,根据边缘特征构建判定条件进行圆形的快速圆形检测;进一步,通过收集锁孔及对照图片作为素材训练基于HOG-SVM的锁孔分类器。实验结果表明:边缘特征圆形检测算法无须预设半径且平均耗时相对于霍夫圆检测法减少0.3~0.4 s;同素材测试,HOG-SVM分类器较CNN分类器准确率高13.79%且运行时间减少1~2 s。算法单次运行时间约0.4 s,可满足机器人进行实时开锁需要。

基于HOG-SVM的改进跟踪-学习-检测算法的目标跟踪方法

对于经典跟踪-学习-检测(TLD)跟踪算法,在目标受到遮挡、光照、干扰、旋转和尺度变化等问题时,会导致算法的跟踪精度和速度降低,计算的复杂度较高,实时性差。针对以上问题,提出一种改进的TLD目标跟踪算法。首先针对检测模块中计算复杂度高的问题,将HOG-SVM结合替换原TLD算法中的2bit BP特征和集成分类器;再针对原算法中跟踪精度低的问题,将KCF跟踪算法替换中值光流法;在HOG-SVM+KCF跟踪算法的基础上,对滑动窗口法进行改进,解决原算法中实时性差的问题。实验表明,改进后的跟踪算法,在背景环境变化的情况下,跟踪精度和速度都有提高,实时性加强。

基于HOG-SVM的旋转机械振动信号监测系统

旋转机械的运行过程会产生多种振动信号,导致振动信号与普通信号难以区分,影响振动信号的监测效果,因此提出基于HOG-SVM的旋转机械振动信号监测系统。系统硬件部分,根据系统整体框架,设计系统电源、存储,振动信号处理分析等各项硬件模块的功能。系统软件部分,灰度化与归一化处理旋转机械振动信号的时频谱图,根据处理结果提取时频谱图的HOG特征。依据HOG特征,构建振动信号监测的SVM分类目标函数,在最优分类超平面的支持下,构建旋转机械振动信号分类监测的决策函数,从而输出振动信号监测结果。实验结果表明,所设计系统针对旋转机械振动信号特征提取的误差明显缩短,并且所设计系统能够提高振动信号的监测效果,振动信号检测结果与实际信号结果基本一致。

基于HOG-SVM的GIS设备智能拆装机器人系统研究

目前GIS(气体绝缘金属封闭开关)的安装检修存在着作业劳动强度大、安装难度高以及存在安全隐患等问题。在考察国内多个GIS变电站的基础上,设计一种可应用于GIS设备的智能拆装机器人系统。针对GIS设备智能拆装机器人系统中机构检测对接的难题,在视觉定位的基础上,基于HOG(梯度方向直方图)和SVM(支持向量机)的分支母线位置判别和对接方法,实现了GIS分支母线的智能对接。

训练样本数量对HOG-SVM目标检测算法的影响

传统的计算机视觉目标检测算法通常采用特征提取加分类器的模式,在嵌入式系统中已有广泛的应用,然而传统目标检测算法在训练分类器时需要用到大量训练样本。针对样本获取相当费时费力问题,重点分析训练样本数量对目标检测算法的影响,通过确定最小样本数量,最大程度降低开发成本。首先将PASCAL VOC 2012图像识别数据集随机分成数量不等的子集,然后利用样本子集对HOG-SVM目标检测算法进行训练和检测。实验结果表明,当训练样本达到一定数量之后,算法的性能趋于稳定。

基于HOG-SVM的飞行员头位跟踪方法研究

针对飞行员的座舱模拟训练中头部姿态解算过程存在的光学变化、姿态变换、物体遮挡等诸多干扰,提出了一种基于方向梯度直方图和支持向量机的头位跟踪方法,用于在模拟飞行训练中对飞行员的头部姿态进行解算。算法首先使用HOG与SVM结合的方法对人脸进行检测,然后依据关键点热图标记人脸关键点,最后应用POSIT算法对头部姿态进行估计,实现头部姿态的实时解算和跟踪。实验结果表明,相比于传统机械、传感器等手段,所采用的方法在连续视频中对飞行员头部检测跟踪的准确度高,实时性强,鲁棒性好。

一个面向短波通信的LHOG话音检测方法

噪声环境下语音检测准确率偏低是短波通话面临的公开挑战。当前已有方法应用有限,其根源在于难以可靠地在噪音环境下提取准确且高效的语音特征。针对上述问题,提出了一个面向短波通信的低秩方向梯度直方图(Low-rank Histogram of Oriented Gradient,LHOG)话音检测方法。首先,对目标音频源数据进行预处理,实现噪声环境下语音信息的可视化表征;然后,在HOG特征提取器中嵌入低秩化结构,缓解特征中的冗余信息,并降低噪声干扰,从而获得准确且高效的特征;最后,通过常用的SVM分类模型便可在噪声环境中准确快速地区分话音和噪声。测试结果表明,该方法的准确率达到了95.12%,误报率仅为0.96%,漏报率为13.14%。与现有主流方法的对比实验证明,该方法话音检测准确率高,资源占用少,能够有效提高短波通信侦控效率。

基于双目视觉的车前行人检测方法研究

当前的汽车安全辅助驾驶和无人驾驶汽车是图像领域的研究热点,针对汽车在启动或行驶时车前存在行人可能导致的安全问题,着重研究了基于双目视觉的车前行人检测方法。进行了双目相机的相机标定和立体标定;通过改进后半全局立体匹配算法获取深度图,确定车前行人所处位置的感兴趣区域(Region of Interest,ROI),剔除冗余的背景信息;分割并提取了图像的降维梯度直方图(Histogram of Gradients,HOG)特征信息;将特征输入到支持向量机(Support Vector Machine,SVM)分类器训练,检测并标记出车前的行人目标。实验证明,所提算法对车前场景下的动态行人可以更为有效地检测,具备更优的检率精度、时效性和鲁棒性。

基于多方法融合的淡水水域常见藻类检测与识别

针对同种藻类形态各异、藻类相似性高、采集图像中存在气泡和杂质等带来的检测与识别准确率低的问题,提出了基于多方法融合的淡水水域常见藻类检测与识别算法。首先利用颜色信息识别藻类图像的背景颜色,为不同颜色背景的图像选择最佳的预处理与分割方法;其次使用基于形状参数、尺度不变特征变换-快速近似最近邻查找(SIFT-FLANN)、方向梯度直方图-支持向量机(HOG-SVM)的多方法融合的藻类检测与识别算法,以提高识别的准确率和鲁棒性。对25种常见的藻类进行实验与对比,其中常见的10种藻类的平均检测成功率为96.07%,对鱼腥藻、针杆藻的识别准确率较高,分别达到了100.00%与99.50%,验证了该算法对常见藻类的检测与识别具有一定的鲁棒性。

基于感知哈希算法的特征融合玻璃瓶缺陷检测

特征提取作为玻璃瓶缺陷检测任务中至关重要的一环,特征集中丰富的特征信息将直接影响缺陷检测的准确率。传统的单一特征提取算法提取的特征信息往往过于单一,使得最终的检测准确率偏低。针对上述问题,提出了方向梯度直方图(Histogram of Oriented Gradients,HOG)特征与尺度不变特征变换(Scale Invariant Feature Transform,SIFT)特征融合的特征提取算法。针对不同缺陷边缘提取轮廓不够准确的问题,提出了基于感知哈希算法(Perceptual Hash Algorithm,PHA)的边缘检测算子选择方法。通过支持向量机(Support Vector Machine,SVM)进行训练和验证。实验结果表明,提出的边缘检测算子选择方法可以针对不同缺陷选择最适合的边缘检测算子,特征融合算法的瓶身缺陷检测平均准确率可达88.7%。较单一的HOG特征提取算法提升了7.99%,较单一的SIFT特征提取算法提升了2.97%。

基于HOG和TSO-SVM的水电机组轴心轨迹智能识别

水电机组的轴心轨迹能够反映机组不同的运行状态,为了提高轴心轨迹的识别率,准确判断机组运行状态,本文提出方向梯度直方图(Histogram of Oriented Gradient, HOG)结合由瞬态搜索优化(Transient Search Optimization, TSO)算法优化的支持向量机(Support Vector Machine, SVM)的方法。将轴心轨迹信号经改进小波阈值方法去噪后,生成轴心轨迹图像,之后提取图像HOG特征,经主成分分析(Principal Components Analysis, PCA)降维处理后,利用TSO-SVM对降维后的特征进行分类识别。结果表明所提方法能够很好地识别不同状态的轴心轨迹,具有识别准确率高和识别速度快的特点。

不确定性冲击下生猪价格预测和风险预警研究

【目的】探究支持向量机模型(SVM)在生猪价格预测和风险预警中的应用。【方法】考虑影响生猪价格波动的多种因素,采用支持向量机模型,将对生猪产业影响较大的生猪疫情和全球经济政策不确定性因素纳入生猪价格的预测指标体系;综合选取特征指标输入支持向量机模型对生猪价格进行预测,最后基于预测结果进行价格风险警度判定。【结果】支持向量机模型输出结果的可决系数达到0.966,生猪价格的预测值与实际值相近,模型拟合出的生猪价格波动趋势与实际相符。在进行生猪价格风险预警分析时,10期价格预测值中有7期的警度与实际警度一致,其余3期稍有偏差。【结论】模型预测警度与实际警度吻合度高,将支持向量机模型用于生猪价格预测领域可以达到良好效果,有助于在复杂多变的宏观环境和极易发生的生猪疫情环境下准确研判生猪价格运行趋势。

改良HOG结合SVM的快速障碍识别

为提升车辆驾驶的安全性,通过主成分分析降维来改良方向梯度直方图,并结合支持向量机分类,提出一种快速障碍识别方法。该方法在普通HOG特征仅提取横竖两方向梯度分量的基础上,补充了主、副对角线两个方向上像素的灰度信息,使HOG特征具有更丰富的边缘信息,同时针对HOG特征维数高而造成识别速度偏慢的问题,使用PCA来降维,以最大限度保证降维后的识别成功率以及识别速率提升。实验结果表明,本方法相较于改良前的HOG特征结合SVM的方法更好地提升了识别成功率并且有效地降低了识别时间。

基于AI图像处理的煤矸石特征提取及分类方法

当前煤矸石分选工作主要依赖于传统的人工方式,存在识别准确率不高、效率低下等不足。基于此,提出了一种基于AI图像处理技术的煤矸石特征提取及分类方法。通过对煤矸石和煤料图像的预处理,来增强图像的特征,并将灰度共生矩阵中的角二阶矩、相关性、对比度以及熵等代表性参数作为煤矸石纹理特征提取依据,从而构建基于支持向量机(SVM)和HOG特征相结合的分类模型。实验结果表明:该分类方法能够有效完成煤矸石特征的提取,识别准确率达到95.6%,能够进一步提高煤矸石的分拣效率。

HOG特征值的笔迹鉴定算法

机器学习作为人工智能的一个分支,在工程实践中已经产生了较大的经济价值和科技价值。机器学习创建基于样本的数学模型,通过训练预测或者作出决策解决人工智能中的问题。支持向量机是按监督学习方式对数据进行二元分类的广义线性分类器,其决策边界是对学习样本求解的最大边距超平面。本文通过提取笔迹中的HOG特征,再利用支持向量机对该特征值进行训练,得到笔迹鉴定的模型,并通过该模型鉴定笔迹。

基于异构多核处理器的实时红外人体目标检测技术

红外实时人体目标检测因无需主动光源、易于去除环境干扰等优点成为近年来人工智能领域的一个研究热点。当前主流实时红外嵌入式图像采集处理方式因图像传输、接口速度、工程量等技术局限,制约了红外人体目标检测的便捷实现和实时利用。针对传统嵌入式处理器难以同时采集和处理红外数据这一影响红外人体目标检测实时性的技术问题,研究了基于ZYNQ异构多核处理器的实时检测技术。采用FPGA+多核ARM架构,由FPGA端实现人体红外图像的VDMA采集、预处理及显示,由多核ARM端完成HOG-SVM算法处理,并使用TBB进行加速。实验结果表明:该技术能够完成人体目标的实时有效检测,兼具功耗低、开发简单、实用性强和集成度高等优点。

基于Emgu CV的实时家庭安全防护系统

为实现实时高效的智能家庭安全防护,文中提出了基于Emgu CV图像处理技术的实时家庭安全防护系统设计方案。首先建立人脸识别库,采集保护对象人脸特征信息。由Wi-Fi摄像头实时监控,并在监控区域划出被保护区域(门、窗、灶台等)。监控中心基于Emgu CV,通过HOG-SVM进行人体监测跟踪,当运动人体越过保护区域安全防护线时系统开始捕获人脸图像并识别。若判定为被保护人则通过GSM模块进行短信报警提示,使监护人及时接收警报信息,有效避免需要照顾的家庭成员触碰、越过危险区域。

基于HOG特征和机器学习的工程车辆检测

针对智能监控在露天矿区中的应用,提出了一种在大场景、远距离、多角度的环境下自动识别工程车辆的算法.该算法利用梯度方向直方图特征(HOG)作为图像描述,并结合支持向量机(SVM)训练分类器的方法,实现图像中工程车辆的检测.为提高检测效率和准确度,采用Hough变换直线检测的方法提取包含目标的区域.实验表明,算法能够在较大分辨率的复杂图像中识别出检测目标,有较高的准确度,对于实验中不同的环境具有较强的鲁棒性.

基于HOG+SVM的田间水稻病害图像识别方法研究

目前,基于机器视觉的病虫害识别方法普遍存在病虫害图片拍摄条件要求严苛、图片预处理步骤繁琐、图像处理技术难度高的问题,导致该技术在生产中实用性不强。本文以田间开放环境下采集的水稻主要病害图片为研究对象,提出一种基于方向梯度直方图(HOG)特征和支持向量机(SVM)的水稻病害检测方法,先对训练集中病斑样本块和非病斑样本块提取HOG特征,运用HOG特征作为输入向量代入SVM分类器进行训练,训练好的分类器用于整幅图的病斑自动检测。研究结果表明,HOG+SVM对多种病斑检测的综合识别率可达94%以上,HOG+SVM病斑定位正确率可达91.7%。该方法具有拍摄环境兼容性较高,处理过程简便,对样本数量要求不高等优点,可对农田开放环境下采集的图片进行病害识别和评估。

基于HOG特征及支持向量机的车辆品牌识别方法

为了解决套牌车与违章车的身份确认问题,提出了一种车辆品牌识别方法.该方法首先基于对称特征检测车辆前脸区域,然后提取车辆前脸区域的HOG特征,最后采用支持向量机对车辆品牌进行分类.实验根据苏州市公安局提供的道路卡口图片,构建了车脸数据库,该数据库包括奥迪、长安、日产等15种车辆品牌,共3 000张图片.基于构建的车脸数据库,采用所提出的车辆品牌识别方法进行了实验,并对比分析了支持向量机(support vector machine,SVM)线性核函数、多项式核函数和径向基核函数的性能,3种核函数的整体分类精度分别为89.27%,89.74%和89.89%.理论分析和实验结果表明,所提出的基于HOG特征及支持向量机的车辆品牌识别方法是可行的,并且基于径向基核函数的SVM分类器的性能最优.