基于MB-LBP算子和Multilinear PCA算法的人脸识别

针对运用MB-LBP算法提取的人脸特征维数较高、而直接用MB-LBP算法提取的特征进行人脸识别时计算量较大的问题,提出一种融合MB-LBP和Multilinear PCA算法的新的人脸识别方法。首先利用MB-LBP算法提取人脸图像的特征;然后用Multilinear PCA算法对提取的人脸特征进行降维;最后用最近邻分类器进行人脸识别。在FERET人脸库上进行验证,实验结果表明,该方法的识别率高于传统PCA、分块PCA、LBP和PCA相结合的方法。

基于MB-LBP纹理信息手势识别

采用多级区域局部二值模式(MB-LBP)对手势图像进行MB-LBP处理,获得手势多级区域复合LBP直方图向量,然后将多个复合LBP直方图向量进行特征匹配,最后算得手势的识别率。在Massey University手势数据库的实验结果表明,该方法与传统LBP方法相比,鲁棒性较好,识别率更高。

基于MB-LBP和HOG的掌纹识别

掌纹识别是模式识别及智能信息处理领域的研究热点。针对传统掌纹识别方法易受噪声影响,且旋转鲁棒性差的问题,提出基于分区的多块局部二值模式(MB-LBP)和梯度方向直方图(HOG)的掌纹识别方法。该算法利用分区MB-LBP和HOG算法分别提取掌纹的纹理、边缘特征,将提取的两种特征通过串联的方式进行融合,最后计算测试图像与训练图像的绝对值距离并利用最近邻分类器得出分类结果。实验对比传统算法(PCA、LBP和HOG),得到较高的掌纹识别率。因此,将基于分区多块局部二值模式与梯度方向直方图特征进行融合,可提取较完整的掌纹有效信息,对于光照不均匀和有位置变化的掌纹具有一定的健壮性,具有良好的掌纹识别性能。

基于Haar-like和MB-LBP特征分区域多分类器车辆检测

高级辅助驾驶系统中的预碰撞系统不仅需要检测前向车辆,预防追尾碰撞,同时需要检测临近车道斜侧向车辆,实现对其潜在换道、合流行为的预测,提供实时的预警功能.文中提出分区域融合多种特征的车辆检测方法,解决前向车辆特征与斜侧向车辆特征存在明显差异的问题.同时,文中方法分别检测远近不同的车辆,进行不同程度的图像降采样,提高检测系统的实时性.多种交通场景的实地测试表明,文中方法可以实时、稳定、准确地检测到前向车辆和斜侧向车辆,在行车环境良好的情况下,具有较高的召回率和准确率.

基于MB-LBP和改进的LFDA的人脸识别

提出了一种基于多块LBP(Multi-scale Block Local Binary Patterns,MB-LBP)和改进的局部化的Fisher判别分析(Local Fisher Discriminant Analysis,LFDA)的人脸识别算法。该算法利用MB-LBP的局部和整体描述能力强化了标注样本的局部分析和训练样本的全局分析;以每个样本与同类其他样本的欧氏距离均值作为参数,克服了类内散度计算限制;通过参数融合训练样本的总散度信息保持样本的全局结构。实验表明,MB-LBP为局部保持分析和全局保持分析提供了良好的基础;在少量标注样本情况下,改进的LFDA的适应性和识别率明显优于LFDA。

MB-LBP特征提取和粒子滤波相结合的运动目标检测与跟踪算法研究

在复杂环境下,由于行人密度大以及运动随机性,导致运动目标(行人)难以检测和跟踪,造成人员计数误差。提出一种MB-LBP(Multi-scale Block Local Binary Pattern)特征提取和粒子滤波相结合的运动目标检测与跟踪算法来解决此问题。该算法首先用AdaBoost提取MB-LBP特征训练生成分类器进行人头检测,并根据人头目标尺寸变化范围去除部分误检,然后用改进的粒子滤波算法预测跟踪多个运动目标,最后对跟踪的运动目标进行计数。实验结果表明,提出的算法能够对复杂环境下多个运动目标进行有效检测及跟踪,准确、快速地对视频帧中的人员进行计数。

基于MB-LBP特征和JIH的Adaboost人脸检测算法

针对纯粹引入Haar-like特征的人脸检测算法误检率高且受光照条件影响较大的问题,在保证实时性基本不受影响的前提下,以提高检测精度及增强对光照的鲁棒性为目的,提出了基于Adaboost算法结合MB-LBP算子和联合积分直方图(JIH)及Haar模板进行人脸特征提取的新方法。测试结果验证了新方法训练的分类器比单纯使用Haar特征或MB-LBP效果好,证明了提出的方法的有效性。

改进MB-LBP特征与LPP算法在带钢表面缺陷识别上的应用

针对带钢表面缺陷识别率受到光照变化、纹理复杂多样以及噪声干扰而导致误识别率高的问题,提出一种新的带钢表面缺陷识别算法。首先从增加邻域联系的角度改进多块局部二值模式(MB-LBP)特征,缓解提取过程中因所选子窗口尺寸大小不同而造成的保留图像细节与去除噪声之间的平衡性问题;其次将改进的MB-LBP特征与梯度方向直方图(HOG)特征线性加权得到融合特征,弥补MB-LBP特征没有表征缺陷边缘和方向的缺点,从而更全面地表征复杂的缺陷纹理;最后通过同时增加全局信息和监督信息改善的局部保持投影(LPP)算法将高维的融合特征非线性映射到低维的本质特征空间中,减少融合特征冗余对分类器识别率的影响。在NEU数据集上仿真实验结果表明:算法对光照变化、纹理复杂多样、以及噪声具有一定的鲁棒性,在信噪比为50 d B情况下将带钢表面缺陷识别准确率提高了5. 17%。

基于MB-LBP和SIFT特征匹配的图像复制粘贴检测

复制粘贴篡改是最常见的图像篡改方式之一,常用检测算法中,SIFT算法是基于点特征的检测方法,对小的篡改区域检测性能较差。针对这一问题,本文探讨通过增加MB-LBP纹理特征提取更多的特征匹配对和提升检测定位能力的算法。实验结果表明,小区域的篡改检测定位是可行的。

快速PCA与MB-LBP融合的人脸识别算法研究

人脸识别目前存在的关键问题就是受可见光光照明暗的变化的影响极大,本文采用近红外对于脸部进行识别,在一定程度上将解决光照变化的影响。在近红外的基础上,文章提出融合快速PCA与MB-LBP对人脸进行特征提取,利用SVM算法对于脸部进行识别。

基于MB-LBP和Fishefaces的人脸识别

针对不可控条件对人脸识别的影响,提出一种基于多尺度分块局部二值模式(Multi-scale Block Local Binary Patterns,MB-LBP)和Fisherfaces融合的人脸识别算法。采用适当模块大小的MB-LBP算子提取图像的纹理结构信息,得到相应的特征直方图;通过Fisherfaces方法对MB-LBP提取的特征进行降维和分类;经由最近邻方法进行匹配识别。在ORL和Yale人脸库上进行实验,分别与其他基于LBP和MB-LBP算法的识别效果进行比对。实验结果表明,识别效率显著提高,鲁棒性更好。

基于边缘梯度特征的茶鲜叶识别

机采茶鲜叶中常常混有不同等级的茶鲜叶,但是使用茶鲜叶的物理特征(重量、大小等)很难对茶鲜叶进行精确分类。论文提出一种基于边缘梯度特征的茶鲜叶识别方法。该方法首先使用梯度算子提取预处理过的茶鲜叶图像的梯度幅值图和梯度方向图,将相同量化方向的梯度幅值进行累加,得到对应的梯度累加幅值图,然后利用MB-LBP算子提取每幅梯度累加幅值图的分块直方图特征,串联获取的分块直方图特征得到直方图特征向量,最后采用线性判别分析(LDA)方法降维,并基于SVM分类器进行茶鲜叶图像的识别。实验结果表明基于论文算法提取的茶鲜叶特征向量,能够很好地描述茶鲜叶图像的边缘特征,识别准确率为97.04%,与其他识别算法相比,识别率有明显提高。因此基于边缘梯度特征的茶鲜叶识别算法可实现对茶鲜叶的精确分类。

基于嵌入式Linux的复杂光照人脸实时检测研究

为了满足嵌入式设备在复杂光照条件下的人脸检测需求,提出了一种基于光照不变特征的人脸检测方法。该方法先基于Retinex理论提取光照不变分量,再以MB-LBP特征进行Ada Boost人脸检测。结合该方法,实现了一种基于嵌入式Linux的人脸实时检测系统。实验与实际使用结果表明,该人脸检测系统具有较高的人脸检出率,且满足实时性要求。

基于一种新的级联分类器的目标检测系统

在机器视觉领域中,目标检测是一个至关重要的研究问题,提出一种新的目标检测算法。该算法在MB-LBP特征级联分类器的基础上再串联两个分类器,分别为基于SIFT特征分类器和基于SURF特征分类器。首先,当测试图像通过MB-LBP特征级联分类器时,所有的目标都没漏检,但是有部分非目标被误检为目标,接着依次通过基于SIFT特征分类器和基于SURF特征分类器,检测结果只剩下目标和极少数非目标。实验结果表明,由MB-LBP特征级联分类器、基于SIFT特征分类器和基于SURF特征分类器构成的新级联分类器可以有效提高查准率。

一种基于二值模式特征的人脸检测算法

提出了一种改进的基于多区块局部二值模式(MB-LBP)特征的人脸检测算法。算法针对AdaBoost算法训练过程中出现的权值分布扭曲的现象,对样本权值的更新规则进行了调整。实验结果表明,该方法有效地缩短了训练时间,而且避免了权值扭曲的现象。算法在保证检测率的同时降低了误检率。

基于多块局部二值模式特征和人眼定位的人脸检测

人脸检测是人脸识别和重构问题中最基本的任务,同样也是人脸识别问题中的一个关键环节,其结果直接关乎到人脸识别最终的效果。所以,构建一种稳健而优秀的检测算法是人脸检测的目的。本文提出了一种基于多块局部二值模式特征的adaboost算法和模板匹配的人眼定位方法,从而提高人脸检测的正确率和稳定率,减少了误差。通过MIT CBCL人脸数据库、生活、网络等渠道照片的实验验证,该方法提高了检测效率,降低误检率,兼具了实时性和鲁棒性。

基于单目视觉的前方车辆检测与测距

针对智能车辆控制中的防碰撞问题,提出一种新的前方车辆检测与测距方法。采用多尺度分块二值模式与Adaboost提取车辆候选区域,根据候选区域内的水平边缘和灰度特征去除车辆误检,解决分类器检测过程中路面和绿化带的干扰问题。利用改进的车辆底部阴影定位方法获得车辆准确位置提高测距精度,建立基于位置信息成像模型的车距测量方法,测量前方车辆距离。实验结果表明,该方法在不同天气情况下车辆平均检测率为98.42%,车距测量平均误差为0.71 m。

基于AdaBoost算法的级联分类器对绿色荔枝的快速检测方法

针对绿色荔枝与树叶颜色相似,采摘机器人在自然环境下准确识别较为困难的问题,提出一种基于AdaBoost算法的级联分类器快速检测方法。首先提取MB-LBP特征,并基于积分图技术快速计算其特征值;然后利用AdaBoost算法从MB-LBP特征中构造若干个最优弱分类器,并加权组合成强分类器;最后通过若干个强分类器的级联来构造级联分类器,可获得基于MB-LBP特征的AdaBoost级联分类器。试验表明:该方法对绿色荔枝的识别准确率为92.7%,召回率为81.3%;测试图像的平均处理时间为1.276 s。

基于直方图统计量的逆合成孔径雷达目标识别

将原用于人脸识别的基于Gabor局部二进制模式的识别技术用于逆合成孔径雷达(ISAR)像的雷达目标识别,对算法进行了改进,取得了较好的识别效果。将ISAR像进行Gabor小波变换,提取不同尺度和方向的Gabor幅值图谱;然后把幅值图谱分成小的子区域,用多尺度局部二值模式提取空域增强的直方图作为特征,最后在χ2统计量作为不相似度量计算的特征空间里,采用最近邻分类器完成五类目标的分类识别。与目前已有的几种典型ISAR目标识别方法进行了对比,结果表明:该方法是可行且有效的,能够明显地提高识别率。

用于城市流浪猫生态考察的远程视觉监测系统

针对城市流浪猫的考察与救助等问题,开发了一种基于机器视觉和远程通信的监测系统。其移动端和上位机分别部署于现场和监控中心。移动端通过摄像头采集流浪猫图像,采用多尺度块局部二值模式(MB- LBP)检测猫脸纹理,运用Haar- Like算子描述猫脸眼部特征。综合以上2种特征,构建并运用Gentle AdaBoost算法训练2级级联的分类器;移动端与上位机间的图像传输可根据现场蜂窝网覆盖情况灵活选择3G或LoRa通信模式。基于1 000张图片的猫脸检测结果,正确率(TPR)为70%,误检率(FPR)为28%。样机的现场测试结果验证了系统各项功能的有效性,将机器视觉应用于城市生态管理具有积极意义。