基于Kinect传感器和HOG特征的静态手势识别

手势识别是人机交互领域的一种重要手段。针对现有算法识别率低,鲁棒性弱的问题,本文基于Kinect传感器获取的手势深度图像,对复杂背景干扰下的手部区域进行分割,然后利用梯度方向直方图(HOG)对手部灰度图像进行特征提取,最后利用最小马氏距离分类器进行建模、分类,实现静态手势识别。根据Kinect传感器获取的深度信息结合阈值分割法,能够准确地检测手部区域,为后续识别打下良好的基础。而HOG特征适应光照的变化,且具有几何不变矩的特性。实验结果表明,本文提出的手势识别方法在光照变化和复杂背景干扰下具有较强的鲁棒性和较高的识别率。     

茄子采摘机器人目标识别与测距方法

采用基于亮度的阈值分割算法对G-B灰度图像进行分割,采用4连通像素标记法对果实目标进行标记,提取质心、面积、外接矩形、切断点等特征。采用平面标定方法,建立摄像机矫正数学模型,利用Matlab多次标定计算完成双目视觉系统进行自标定。根据图像分割结果,选取质心为匹配基元,采用极线约束、视差梯度约束的算法来实现果实目标的匹配。根据相似三角形原理,计算茄子果实深度信息。结果表明,测量距离300~600 mm范围内,茄子深度信息的误差基本上在±15mm以内,平均用时0.26 s。基于双目视觉的茄子采摘机器人识别与定位方法原理简单,智能性好,适应面广,能够满足采摘机器人目标识别和定位的要求。     

百元人民币序列号字符匹配识别方法研究

对百元人民币图像进行采集及预处理,包括图像采集、灰度化、倾斜校正、定位分割;对检测出的序列号进行单字符分割及规格化处理;将规格化后的单字符与所构建的字符模板进行匹配,依设定的阈值进行字符识别;基于Matlab环境进行仿真实验,选取10张百元人民币（共100个序列号字符）进行实验,其正确识别率为96％。表明该分类方法有助于百元人民币序列号的识别。     

基于SWA-Gabor特征的步态识别

针对背包、外套等干扰因素致使步态识别率降低的问题,提出一种分割加权的步态识别方法。首先通过帧差法与阈值分割相结合的方法得到动态信息更加丰富的帧差阈值能量图(FTDEI),将该能量图分割为3部分,并对每部分添加相应权重,然后利用Gabor小波对分割加权后的FTDEI进行不同角度的特征提取,得到加权的滤波特征(SWA-Gabor),最后通过KNN分类器对SWA-Gabor特征进行分类和识别。基于分割加权的步态识别方法能够很好地避免背包等干扰因素的影响。为了验证该算法的识别效果,在中国科学院自动化研究所CASIA B步态数据库上进行实验,结果表明,在携带背包和外套的情况下,该算法的识别率较其它算法提高了约5%,取得了很好的识别效果。     

动态视角下人体行为识别研究

3D人体行为识别数据库发展给人体行为识别研究者提供了便利,然而现存数据库视角固定等问题限制了机器人移动范围。为了研究真实环境下的人体行为识别,建立一个基于RGB-D摄像机的动态多视角人体行为数据库DMV Action3D,收集了20人的600多个行为视频,约60万帧彩色图像和深度图像。另外,在DMV Action3D数据库基础上,利用CRFasRNN图片分割技术将人像进行分割并分别提取Harris3D特征,利用隐马尔可夫模型对动态视角下的人体行为进行识别。实验结果表明,在动态视角下使用CRFasRNN图像分割方法,人像分割效果突出,且不受环境、场景、光照因素影响,与真实环境下人体轮廓的相似度极高。DMV Action3D数据集对于研究真实环境下人体行为具有较大优势,为服务机器人识别真实环境下人体行为提供了一个较佳资源。     

基于灰度关联分析的苹果病害识别方法研究

为实现自然条件下低分辨率苹果病害的智能识别,对获取图像进行预处理,采用改进的水平集交互式分割方法提取病斑。在实验的基础上,基于灰度共生矩阵提取8个纹理特征参数作为病斑的有效识别特征,构建了基于灰度关联分析的病害识别模型。实验结果表明,用优选的8个纹理特征和基于灰度关联分析识别模型,对3种病害的平均正确识别率最高达到85.41%,可以有效识别苹果的病害。     

图像超分辨率在模糊车牌识别系统中的应用

车牌识别技术种类繁多,理想情况下识别率已达到99%,而对于远距离模糊不清的抓拍图片,识别效果还不够,为此提出一种利用图像超分辨率重建技术提高模糊车牌识别率的方法。首先利用图像处理方法对图片进行分割;其次利用支持向量机（SVM）对分割得到的图块进行分类,筛选出车牌图块;再利用多帧低分辨率车牌图块进行最大后验估计（MAP）超分辨率重建,得到比较清晰、便于识别的车牌;最后利用人工神经网络（ANN）方法进行光学字符识别（OCR）,最终得到识别结果。实验表明,与传统车牌识别技术相比,该方法具有更强的鲁棒性,且在模糊车牌识别中正确率明显提高。     

Android下的机械式电表数字识别技术研究

针对Android系统下机械式电表数字识别应用,提出一种电表读数图像ROI提取方法。为消除光照不均及反光的影响,结合Canny边缘检测、局部自适应阈值二值化与全局阈值二值化实现电表读数图像二值化。使用Opencv的人工神经网络多层感知器模型完成电表数字识别,测试结果显示,该技术对机械式电表读数具有较高的识别率。     

结合分层技术和SVM监督分类的植被专题信息提取

比较最大似然法与“结合分层技术和SVM监督分类”方法,从神木县OLI图像上识别7种主要植被类型的精度。将神木县7种主要植被类型划入5个专题图层,对图像进行LBV变换后,通过阈值分割获取目标植被类型的概貌图像,以波段L、V、B作为有效特征进行面向对象分割和SVM监督分类,并在分类后执行开、闭运算操作,获得目标植被类型的精确提取结果,将该提取结果作为掩膜区域从原图上去除,重复上述过程依次处理5个专题图层,将各专题层提取结果叠加形成分类图,与最大似然法分类结果进行比较。结果表明,“结合分层技术和SVM监督分类”的方法能够有效降低OLI图像分类后的“椒盐效应”,准确识别神木县7种植被类型,总体分类精度和Kappa系数分别为85.32 %、0.796,较最大似然法分类结果分别提高了16.46%和17.93%。     

基于和声搜索算法的图像阈值寻优算法

针对最大类间方差法在图像分割时产生的阈值会引起过分割的缺点,提出一种基于和声搜索算法的图像阈值寻优算法。算法将苹果图像预处理、计算图像目标和背景两类间方差作为和声搜索算法的目标函数,通过和声搜索算法寻找最优分割阈值,选取6种不同光照条件下的苹果图像进行阈值寻优实验。结果表明,采用基于和声搜索算法的图像阈值寻优算法较最大类间方差法和基于混合蛙跳算法的图像阈值寻优算法具有较好的图像阈值寻优能力。