基于AdaBoost算法与改进帧差法的动态行人检测

针对传统基于HOG特征与AdaBoost算法分类器在目标检测中存在检测速度慢、误差率大的问题,提出一种基于改进帧差法与AdaBoost算法相结合的动态行人检测方法。帧差法是运动目标检测的一种算法,能够将运动中的区域很好地显示出来。改进的帧差法不再单一使用一个阈值,而是利用多个阈值,以更好地分割出检测行人,再通过分类器进行多尺度检测来确定目标。该方法减少了传统HOG特征的检测时间,能够更快地找出感兴趣区域,并提高检测速度和误差率。     

基于最大内切圆的掌纹RIO图像截取与定位

掌纹识别一般的预处理过程,是通过图像二值化、边缘检测、子图截取等步骤,获取掌纹感兴趣区域（RIO）,截取掌纹子图。给出一种基于最大内切圆的子图截取算法,并对该算法进行优化,通过平移和旋转校正,得到掌纹RIO区域子图。     

基于改进YOLOv5s的交通标志识别算法

交通标志的自动识别对汽车的安全行驶具有重要意义。针对现有交通标志识别算法存在识别精度低、速度慢的问题,该文提出了一种基于改进YOLOv5s的交通标志识别算法。引入MobileNetv3主干网络,将RFB模块与ECA-Net模块相结合,在不提高网络计算量的情况下,确保更大范围内聚焦有效特征;在特征融合中采用AFF模块,将注意力从同层融合扩展到跨层区域;采用Matrix NMS筛选候选框,以提升模型检测速度。在中国交通标志数据集CCTSDB上的验证结果表明,该算法识别精度为96%,速度为48帧/s,在多种环境下对目标的识别能力得到增强,可以满足交通标志实时识别的需要。     

基于HOG与残差网络的行人检测算法

为了提高行人检测的准确性,提出一种改进的方向梯度直方图(HOG)算法,首先对图像进行两种方式的HOG特征向量的提取,方形划分和圆形划分方式,并对圆形划分得到的梯度直方图进行权值优化调整,再结合残差网络(Res Net)提取的深度模型特征,最佳特征向量用主成分分析算法(PCA)降维,通过SVM算法对行人进行检测。通过对HOG与Res Net特征融合算法进行仿真,并与其他行人检测算法对比,在提升准确率与降低漏检率上取得了很好效果。     

基于多特征值的服装检测与识别算法

提出一种基于多特征值的服装检测与识别算法。通过人脸检测辅以Canny算子边缘检测实现对服装的精确定位,采用颜色直方图加以最小欧氏距离的组合方式提取特征值,设计贝叶斯分类器,将特征值进行正、负样本分类,最终实现对服装的识别。实验表明,该算法能够有效检测与识别服装,达到预期效果。     

基于Kalman和Surf的Camshift目标跟踪研究

传统的Camshift运动目标跟踪算法在目标遮挡或背景颜色干扰下,容易陷入局部最大值,造成目标跟踪丢失。针对这一问题,提出了一种结合Kalman滤波及Surf特征提取的改进算法。该算法需在视频序列中手动框选跟踪目标作为目标模板。将传统Camshift算法得到的目标候选区域与目标模板进行直方图对比,得到的巴氏系数若大于设定的阈值则说明目标跟踪丢失。采用Surf算法,在该帧图像中匹配出新的目标候选区域,最终得到候选区域的位置信息更新Kalman滤波。仿真实验表明,改进后的算法在复杂背景下仍然具有良好的跟踪效果。     

基于HOG特征及稀疏外观模型的目标跟踪

提出一种基于HOG特征结合稀疏外观模型(HOG-SPAM)的目标跟踪算法。提取目标模版和候选目标的HOG特征,HOG特征对图像的几何形变、光照以及阴影变化具有较强的鲁棒性;使用提取的HOG特征构建目标的稀疏外观模型,稀疏外观模型对目标外观变化具有鲁棒性,采用对齐汇聚方法度量候选目标与目标之间的相似性。在多个基准图像序列中,与已有流行方法相比,HOG-SPAM算法在目标外观变化和光照变化情况下有较好的鲁棒性,同时在复杂背景情况下也具有一定鲁棒性。     

基于维纳复原的道路限速交通标志检测

超速引发的交通事故数量急剧增加,为了提高道路驾驶安全性,提出一种基于维纳复原的道路限速交通标志检测方法。首先,对原始街景进行维纳滤波复原图像预处理;然后,根据道路限速标志牌轮廓形状和颜色等特征,在 HSI 彩色空间进行红色阈值分割、Canny 边缘检测和 Hough 圆检测,对图像中的道路限速交通标志进行检测,定位出可能是道路限速交通标志的区域;最后,根据限速标志的内部特征排除定位出的非限速交通标志区域。实验结果表明,该方法对于我国常见的 6 类限速标志检测正确率达到了 98.76%,符合限速标志检测系统的准确率要求。     

基于神经网络的PNN算法在交通标志检测中的应用

交通标志检测技术是实现智能交通系统的关键.查阅诸多文献,文章阐述模式识别的概念,并且给出计算机模式识别的抽象过程.通过对现有交通标志检测框架进行研究,根据交通标志设计之规则,结合概率神经网络,设计了一种基于多层决策树的PNN分类算法模型,并对神经元高斯函数的参数进行改进,最终建立交通标志检测的算法流程.通过实验,对60个交通标志进行晴天、多云以及阴雨三种天气背景下的检测.最后整理实验数据,通过建立图表进行分析和比较,证明该分类器能够实现交通标志检测的功能,达到预期的检测效果.最后,分析了该算法模型还存在的不足之处,也指出了将来研究的方向.     

基于细节点描述子的指纹检索算法

针对指纹一对一匹配识别方法严重影响指纹数据库系统识别效率的问题,提出一种基于细节点描述子的指纹检索算法,该算法先根据细节点描述子的结构信息进行粗匹配筛选,剔除虚假细节点产生的影响;然后利用筛选后的细节点位置关系确定最佳参考点;最后基于最佳参考点计算所有指纹图像相似度,将相似度排在前N0的指纹返回并作为候选指纹。实验结果表明,该算法在时间和空间上都优于传统指纹检索算法。     

基于感兴趣区域的图像分割方法

针对目前图像分割技术中多数算法所提取的目标区域不是用户感兴趣的目标,且往往需要在用户的辅助下才能完成的局限性,提出了一种新的基于感兴趣区域的图像分割方法,该方法将颜色矢量角应用于视觉关注度模型进行图像分割,实现了对感兴趣区域的自动提取。     

基于有色点对搜索的车牌定位算法

研究车牌识别定位算法问题．传统的车牌设识别定位算法的识别精确度难以满足现实在交通管理和流量监测中的应用,存在车牌图像定位的精度不高等问题．为解决上述问题,在对车辆图像预处理基础上,提出一种基于有色点对搜索的车牌定位算法．基于车牌图像颜色特征,选取适合的颜色模型进行车牌提取．用有色点对算法搜索出符合车牌字符特征的候选区域对车牌进行粗定位,最后对候选区域进一步分析准确定位出车牌．通过研究表明,该算法具有较高的准确率．     

基于改进神经网络的交通标志识别

针对道路交通标志背景复杂多变、现有模型鲁棒性不高以及检测识别过程分步的问题,提出基于感兴趣区域(ROI)提取和卷积神经网络(CNN)相结合的端到端方法.为了突出交通图像中的感兴趣区域,应用MSER方法对原始图像进行颜色增强;应用分割技术生成不同尺度的感兴趣区域(ROI),进一步采用LeNet-5基础模型进行特征提取及区域框标记.为了解决在有限GTSRB数据集上出现的过拟合和网络鲁棒性不强的问题,结构中增加BN层;针对在训练中存在的损失震荡、损失过大等问题,提出使用Adam算法及提前停止的理念,加速了网络训练,稳定降低了损失,提高了识别精度,得到了较高的准确率.     

基于双窗口小波-Contourlet变换的图像融合算法

提出一种基于双窗口小波-Contourlet变换的图像融合算法.首先采用小波一Contourlet变换对图像进行分解,接着采用两种不同尺寸的窗口计算系数的特征值:低频子带采用区域能量法和高频子带采用区域方差法,分别比较双窗口下的高频子带和低频子带的系数特征值,比较的结果作为得到融合系数选择的依据,最后采用逆小波-Contourlet变换得到融合图像.仿真实验证实,在特征类型选择一致的情况下,该方法的融合性能优于小波变换法和Contourlet变换法,融合图像质量较好.     

一种新的红外图像人体检测算法

提出一种新的红外图像人体检测算法并实现。首先采用灰关联分析理论从单幅红外图像中获取边缘轮廓清晰的人体候选区域,然后融合边缘方向梯度直方图特征、区域密度特征及人体形状特征来描述人体候选区域,以提高区域特征的描述准确性,最后使用支持向量机分类器对目标进行分类,在不同的红外图像测试集中进行实验,结果表明,所提出的算法识别效果良好,并具有一定的鲁棒性。     

基于立体视觉与纹理特征相结合的障碍物探测

针对智能汽车行驶过程中障碍物检测问题,提出一种使用双目立体视觉的距离信息与障碍物纹理信息相结合的障碍物检测方法。首先,将双目相机的左图和右图校正后进行匹配得到视差图,根据相机内部参数和外部参数将视差图投影为具有距离信息的鸟瞰图,去除地面及高空背景目标,在鸟瞰图上将相近的点云聚类为一个目标,得到障碍物的粗略位置信息;然后,将得到的位置信息映射到原图,并形成多个候选区域,在候选区域查找障碍物边缘信息,得到障碍物具体位置。该算法结合了物体距离的三维信息和物体形状的二维信息,使障碍物的分割结果更加精准。针对典型交通场景进行了实验,结果表明,该算法能够有效弥补单独使用距离信息或者纹理信息带来的障碍物分割不准确的问题。     

基于MBLBP和Gabor小波的掌纹识别

为了提高掌纹识别中对局部区域特征的提取及掌纹识别率,提出一种基于多级区域局部二值模式（MBLBP）和Gabor小波的掌纹识别算法。通过对光照及感兴趣区域（ROI）等因素进行预处理,经过Gabor小波变换后提取掌纹的多尺度特征,再利用MBLBP算法提取主元,采用欧式距离分类法计算掌纹识别率。经过香港理工大学掌纹库（PolyU）验证,比较不同预处理、不同算法下的掌纹识别率。实验证明,该方法相比于以往的局部二值算法（LBP）在识别率上有较大提升。     

基于形态学的微目标的图像分割

提出了一种适于高分辨率可见微目标图像的分割算法,首先通过形态学运算强化微目标区域,利用阈值化分割并提取这些感兴趣区域;然后运用小波多尺度算子检测这些区域的边缘;最后再次采用形态学运算以获取目标区域边缘.仿真结果表明该方法能有效地将图像中的具有特定结构的微目标区域分割开来.     

基于轻量化SSD的交通标志检测算法

实时精确的交通标志检测是自动驾驶和智能交通的关键技术。针对现有智能检测算法检测复杂真实道路场景下的交通标志速度慢、无法较好地适用于嵌入式终端设备的问题,提出了一种基于轻量化SSD的交通标识检测算法。该算法采用MobileNetV3＿large网络替代VGG16网络,可减少模型参数,提高检测实时性;利用添加SE模块的逆残差结构B-neck替换对应的标准卷积增强低层特征层的语义信息;设计改进RFB网络提升小交通标志的检测能力,重新设置预设先验框的尺寸,提升模型对特定数据集的检测能力。实验结果表明,改进SSD算法在中国交通标志检测数据集上的mAP值可达89.04%,比MobileNet-SSD算法提高了5.26%;帧率可达60 frames/s,比SSD算法提高了23 frames/s。所提算法具有较高的实时性和检测精度,对复杂交通环境具有更好的鲁棒性。     

基于四阶累积量的TAM算法电力系统谐波检测

谐波检测是电力系统中无功补偿和谐波滤除等电能质量分析与控制的前提。本文结合四阶累积量和TAM算法,提出基于四阶累积量的TAM算法电力系统谐波检测。本文方法以信号空间为模型,首先用盖氏圆检测出信号源数,然后利用四阶累积量定义的矩阵代替传统二阶多信号分类法中的自相关矩阵做特征分解,将特征值对应的特征向量分为信号子空间和噪声子空间,再结合信号子空间和噪声子空间的正交性以及子空间的旋转不变性,估计出信号的频率。最后采用总体最小二乘法(TLS)计算得到信号的幅值。通过MATLAB软件仿真实验验证和实际电力系统数据分析表明该方法能有效地抑制高斯噪声,精确度高、抗噪性强,具有一定的应用价值。