复杂光照下的人脸姿态估计

人脸姿态估计是人机交互和人脸识别领域的一项关键研究内容,为了提高复杂光照下姿态估计的正确率,提出一种基于层次支持向量机(SVM)的估计方法.首先通过读取三维人脸模型,添加多种光照,并进行不同角度的投影变换生成训练样本图像;然后对训练样本图像进行大小归一化,伽马矫正,高斯差分滤波等预处理并提取方向梯度直方图(HOG)特征;最后采用层次支持向量机训练人脸姿态分类器,并利用该分类器对一幅具有复杂光照的输入图像估计人脸姿态.在Color FERET数据库上的实验表明,该方法能较好的估计复杂光照下的人脸姿态.

基于视觉选择性注意与IHOG-LBP特征组合的行人目标快速检测

常规的行人目标检测方法往往以底层特征为基础,采用密集窗口扫描的分类检测模式,其计算资源开销大而难以满足快速性要求。针对此问题,研究了一种新的行人目标快速检测方法。引入视觉选择性注意计算进行目标候选区域定位,通过提取候选区域的积分有向梯度直方图IHOG(integrated histogram of oriented gradient)特征和局部二值模式LBP(local binary pattern)特征以形成组合优势,通过级联支持向量分类方式对区域内容进行分级检测,实现了快速、可靠的行人目标检测。DET(detection error tradeoff)曲线和算法运行时间表明,相比Dalal等人的方法,本方法可在保证检测率稳定的前提下,缩短五倍的检测时间,具有更好的工程应用性。

基于累积运动能量图像的人体动作识别

指出了动作识别中的最大困难是难以提取有效的特征来准确描述人体的动作,动作模板是众多方法中的一种简单有效的方法,用来描述动作特征的经典动作模板是运动历史图像.由于受噪声的干扰,用运动历史图像描述复杂环境下的人体动作并不十分理想.为了得到比运动历史图像更加有效的动作模板,提出了将视频序列中的运动能量信息用一张图描述出来,称之为累积运动能量图像,提取其直方图特征来表征人体动作.经You Tube数据集上的实验表明:该累积运动能量图像的识别率比同类方法高.

基于改进梯度方向直方图的人民币识别(英文)

提出一种基于改进梯度方向直方图和支持向量机分类器的人民币识别方法.利用人民币红外图像中斑马线特征进行真伪识别,通过Fisher准则进行特征块选择实现梯度方向直方图特征的降维.针对斑马线防伪图案进行实验.结果表明,该方法能克服红外图像中的背景干扰和噪声,得到较好鉴伪结果.

结合改进编辑距离与SVM的图像分类方法

提出了一种图像分类方法,结合图像的多尺度字符串表示以及改进的编辑距离和SVM分类器进行图像分类。首先,对图像进行多尺度分块,提取各个归一化图像子块上的方向梯度直方图特征,并将生成的多尺度特征向量用多个字符串进行表示;然后,提出融合编辑操作,改进字符串的编辑距离,通过计算两幅图像对应的两组字符串之间的改进编辑距离来测量两幅图像的相似度;最后,采用改进的编辑距离计算径向基函数,进行改进的SVM分类。实验结果表明,该方法的分类正确率高,且平均分类耗时少。

基于生物启发特征的真实环境笑脸分类方法

为解决生物启发模型(BIM)存在的3个问题,即高计算复杂度、有争议的视觉皮层关系建模,以及类前向反馈机制带来的盲目特征选择,提出一种基于生物启发特征(BIF)的真实环境笑脸分类方法。构建基于BIF的笑脸分类系统,提取人脸表情图像嘴部区域的金字塔梯度方向直方图特征,使用局部保持投影进行BIM特征降维,采用Adaboost算法进行BIM特征选择。实验结果验证,该系统的最佳识别率达96.5%。

一种融合多特征的笑脸分类方法

探讨了一个能够代表真实环境的数据集GENKI,构建笑脸分类系统,并采用支持向量机结合GentleBoost作为分类器.讨论了数据预处理、Gabor特征提取、PHOG特征提取和局部二值模式特征提取,给出了GENKI数据集上的实验结果并进行讨论,表明了该方法的有效性.

基于红外热成像的LNG接收站关键设施漏冷缺陷智能监测方法

LNG接收站的红外热成像监测具有关键设施体积大、场地情况复杂等特点,对红外热成像的数据清洗、漏冷缺陷识别与定位等提出了更高的要求。运用红外热成像技术对LNG接收站关键设施监测,可以表征设备运行状态与表面温度的对应关系,同时传递LNG接收站关键设施当前的运行信息或故障情况,对LNG场站设施的早期泄漏监测预警具有重要意义。针对红外热成像监测技术在液化天然气(LNG)接收站应用过程中易出现的问题,本文提出融合数据清洗、漏冷缺陷监测及智能识别的LNG接收站关键设施漏冷缺陷智能监测方法。首先建立了基于方向梯度直方图与支持向量机(Histogram of Oriented Gradients,HOG;Support Vector Machine,SVM)相结合的红外热成像监测数据清洗方法,能够准确识别异物闯入镜头视野的视频帧,并标定为异常,减少异常物体对监测过程的干扰,清洗准确率在95%以上。进一步针对LNG接收站关键设施异常数据极少导致异常识别误判和不及时、红外监测易受到周边环境影响的问题,提出了基于卷积神经网络的异常监测方法。经过比对分析,本文提出的方法可以去除边界设置的限制,有效识别人员进入监测画面不同程度的场景,通过学习同类设施的某一设施的异常,从而较为准确的识别出同类设施中另一设施的异常。选取储罐作为研究对象,构建特定的卷积神经网络,通过训练历史数据,进而识别出储罐异常时刻。优势在于在同类设施的不同个体间具有很好的学习性,且识别准确率最高可达99%。

基于梯度方向直方图特征和支持向量机的医学影像分类方法

本文阐述了基于内容的图像检索技术的特点,采用梯度方向直方图(HOG)特征来描述图片的边缘特征,利用支持向量机(SVM)对多类别的图片进行分类,并比较了几种核函数对分类效果的影响,指出基于HOG特征和支持向量机的分类方法可以辅助医护人员进行医学影像检索。

一种改进的敏感图像过滤方法

针对现有敏感图像过滤方法误检率较高的问题,提出一种结合肤色检测和方向梯度直方图(HOG)人体检测的敏感图像过滤方法。采用HOG特征提取人体目标的特征集,运用支持向量机训练人体检测模型,检验图像中是否存在人体,并结合肤色检测算法判别该图像是否为敏感图像。实验结果表明,该方法能有效检测复杂背景条件下的敏感图像,其精确度为90.2%、查全率为86.3%、误检率为3.5%。

基于梯度方向直方图特征的医学图像分类方法

医学图像分类是医学图像处理中的研究热点,可应用在医疗信息化、辅助诊断和远程医学等方面。采用梯度方向的直方图特征来描述图片的边缘特征,利用支持向量机对多类别的图片进行分类,并比较了几种不同的核函数对分类效果的影响。

基于梯度方向和强度直方图的红外行人检测

由于梯度方向直方图(HOG)特征很难区分与行人具有相似轮廓的物体,并且未能较好利用红外图像中行人轮廓内部的亮度信息。为此,提出一种新的特征——梯度方向和强度直方图(HOGI),将其应用于红外行人检测中。通过支持向量机(SVM)融合多特征的方法,避免多特征串联时维度过高的问题。实验结果表明,与HOG相比,HOGI在不增加特征维度和计算量的情况下,漏报率平均降低50%左右。通过基于滑动窗搜索法对实际红外图像进行检测发现,HOGI+SVM方法比HOG+SVM方法具有更好的检测效果。

基于组合特征和SVM的视频中人体行为识别算法

针对复杂场景中的人体行为识别困难的问题,提出了一种基于组合特征和SVM的行为识别算法.该算法使用光流特征、HOG特征、重心特征和3D SIFT特征构成的组合特征来描述人体的各种行为;使用一对一的方式训练SVM分类器对提取出的特征进行分类,并以投票的方式得到具体的行为类别.使用包含4个场景的KTH数据集进行仿真.结果表明,所提出的算法能适应各种复杂环境,且相比只采用单一特征的识别算法具有更高的分类精度.

基于HOG/PCA/SVM的跨年龄人脸识别算法

为了实现跨年龄的人脸识别,通过梯度幅值和梯度方向这2个重要的图像特征测量图像相似度,建立了一种方向梯度直方图(HOG)、主成分分析(PCA)和支持向量机(SVM)相结合的人脸识别算法.首先对从FG-NET数据库中选取的人脸图像作预处理,然后用HOG算法提取特征值,用PCA方法降维特征值,最后将样本输入到SVM中进行训练,人脸识别匹配度最高可达90.91%.实验结果验证了算法的有效性.

基于方向梯度直方图和局部二值模式混合特征的水稻病虫害识别方法研究

为解决判定水稻病虫害类型所需样本多、处理设备要求高等问题,以健康水稻及褐斑病、铁甲虫病、稻瘟病水稻为研究对象,基于方向梯度直方图(histograms of oriented gradients,HOG)和局部二值模式(local binary pattern,LBP)加权融合的方法对水稻病虫害图像提取特征,利用支持向量机(support vector machine,SVM)对水稻进行分类识别。结果表明,基于HOG和LBP混合特征的水稻病虫害识别方法在小样本的情况下识别分类正确率为94.2%,优于HOG、LBP及GLCM(gray-level co-occurrence matrix)单一特征描述分类准确率。通过进一步结合多尺度检测对病斑目标定位,该方法所得检出率为90.7%,高于YOLO v3和Fast R-CNN深度学习算法,并获得最短训练时间。本研究在样本量少及处理效率方面具有明显优势,能够满足田间对水稻病虫害分类及检测的农业需求,在今后农业信息化领域具有巨大应用潜能,适用于结合移动设备进行田间交互采集处理。

基于多特征融合的彩色图像声呐目标检测

随着国内对河流、湖泊和海洋近岸浅水区域水下工作的深入开展,潜水员进行水下打捞、定位以及勘探等水下工程建设变得意义重大。本实验室开发的专利产品TKIS-I头盔式彩色图像声呐获得中国海军航行保障部认可,目前已有20多台服务于部队并持续获得部队订货。但是,在复杂的水下环境中,潜水员进行水下作业具有较大的风险,所以期望今后能利用水下机器人实现自动水下目标检测,从而把潜水员从危险的复杂水下活动中解放出来。为此,文中针对声呐图像的特点,在颜色、形状、纹理3个方面分别采取了HSV颜色空间、梯度直方图(HOG)、局部二值模式(LBP)的特征提取方法,并且改进了多特征融合的方式,使用优化后的支持向量机(SVM)进行分类,旨在快速检测出水下目标,为以后水下机器人的自动目标检测奠定基础。

基于图像识别技术的人体行为识别

针对老年人群所发生的行为能够进行有效识别,提出了一种二维轮廓特征和方向梯度直方图(HOG)特征相结合的方式来检测人体行为,其中二维轮廓特征包括:人体质心高度h、人体宽高比k、人体质心的变化速度v。首先运用高斯混合模型进行背景识别;之后利用背景减除法对目标图像进行提取,并获得HOG特征和人体二位轮廓特征构建人体行为特征向量,利用SVM对于人体行为进行分类;最后对于获取的图像资料进行识别与分析。结果表明:该图像识别算法的平均正确率达到了97.1%,能够对人体行为进行有效识别。

基于HOG和SVM的双眼虹膜图像的人眼定位算法

针对近红外光下现有的人眼定位算法普遍存在准确性不高、泛化能力不佳等问题,提出了一种基于方向梯度直方图(HOG)和支持向量机(SVM)相结合的双眼虹膜图像的人眼定位算法。利用HOG提取虹膜图像的人眼特征,并结合SVM分类器对HOG特征进行训练从而实现人眼的精确定位。为了减少漏检和误检,进一步提高定位准确率,又提出了多级级联SVM分类器算法;另外针对近红外光线下虹膜图像独特的灰度分布特点,设计了一种图像预处理方法,能够显著提高人眼定位速度。在MIR2016和CASIA-IRIS-Distance数据集上的实验结果表明,基于HOG和SVM的双眼虹膜图像的人眼定位算法具有高准确率、强泛化能力和高实时性。

结合改进的SVM和随机森林算法车标分类识别

针对大规模车标图像的分类难题,提出一种结合支持向量机(SVM)和随机森林的学习方法。采用SVM分类器对到达随机森林各剖分结点的数据进行剖分;对于分类过程中新增加的类别,采用增量学习机制进行再学习,不需要重新学习整个随机森林;提取车标图像的梯度方向直方图特征,采用提出方法进行特征的训练与分类。实验结果表明,提出方法对不同车标图像的识别率高,尤其是可以对训练数据集中没有的车标类别进行高效的增量学习。

基于多线索特征融合的图像分类方法

针对图像本身存在噪声和冗余信息而导致分类准确率不高的问题进行了研究,提出一种基于多线索特征融合图像分类算法。通过改进全局显著性和稀有性度量方法得到显著图像;分别在原图像、压缩图像和显著图像上提取方向梯度直方图(Histogram of Oriented Gradient,HOG)特征;将提取到的特征向量融合;采用基于欧氏距离的二叉树支持向量机(Distance Binary Tree SVM,DBT-SVM)进行图像分类。利用Caltech101 和花卉图像数据集进行实验测试,结果表明提出的算法能够有效地提高图像分类的准确率。