基于蚁群算法的大学生体育锻炼行为特征聚类挖掘方法

以改善聚类分析质量,更好地挖掘大学生体育锻炼行为特征为目的,研究基于蚁群算法的大学生体育锻炼行为特征聚类挖掘方法。通过背景减除的方式确定体育锻炼视频图像中的大学生身体,获取其二值图像,通过图像矩判断体育锻炼中大学生身体的质心,结合局部二值模式直方图特征与质心速度特征获取体育锻炼行为特征向量。构建基于蚁群算法的聚类模型,根据体育锻炼行为特征向量间的一致度实现体育锻炼行为特征聚类。同时针对蚁群算法收敛效率差,且有较大概率产生停滞问题的缺陷,通过优化信息素更新方式与蚂蚁选择路径方式优化蚁群算法。实验结果显示该方法能够准确提取体育锻炼行为特征,获取高质量的体育锻炼行为特征聚类结果。     

一种基于二维经验模式分解的人脸识别方法

针对小波变换在人脸识别中存在识别正确率较低的问题,提出了一种基于二维经验模式分解的人脸识别方法。首先利用二维经验模式分解对人脸图像进行分解,再提取各分解子图像的能量作为人脸特征向量,并采用支持向量机进行训练和识别。经剑桥大学ORL人脸库的图像识别实验表明,所提方法的识别率高于小波方法,正确率达到98.6%。     

在智能手机平台上实现PCA人脸识别算法

人脸识别技术,是近几年在全球范围内迅速发展起来的计算机安全技术.以高端智能手机的安全应用为载体,结合主元分析(PCA Principle Component Analysis)法和多权值函数神经网络在人脸识别中的优势, 利用非线性多权值函数神经网络实现多主元提取,以及多权值函数神经网络识别.给出了完成人脸图像的检测、特征向量提取、人脸图像识别相对应的硬件系统架构、人脸识别算法流程和算法实现类图.     

基于小波变换的二值模式检索

提出了一种基于小波变换后的二值模式图像检索.把图像库里的图像通过小渡变换压缩预处理,方便图像快速入库提取图像特征.选取二值模式技术处理,以便有效提取图像的特征进行检索.实验数据库采用Brodatz纹理图像库,对比了边缘拟合算法,共生矩阵和灰度纹理矩检索图像的检索效率,得出小波变换后的二值模式检索效率较高.     

融合局部奇异值特性的人脸自动识别

针对仅在整幅人脸图像上进行奇异值分解无法得到人脸识别所需的足够信息的问题,提出了一种利用人脸图像的局部奇异值和灰色关联分析进行人脸识别的方法。该方法的关键是不在整幅人脸图像上进行,而是在人脸的不同区域进行奇异值分解以提取更丰富的信息和克服"小样本"效应。在识别阶段,对待识别人脸的特征向量,计算其对各人脸样本的隶属度,最后做出判断。该方法与传统方法在ORL人脸库上进行的对比实验结果,表明了该方法的优越性。     

用于人脸识别的特征融合

针对人脸识别中人脸图像的特征提取问题,提出了一种将全局特征与局部特征相融合的人脸识别方法.全局特征的提取采用主成分分析算法.主动外观模型定位58个特征点,在其中17个特征点处进行Gabor小波变换则可提取局部特征.归一化的全局匹配度(局部匹配度)可由测试图像和训练图像的全局特征(局部特征)得到.对归一化的全局匹配度和局部匹配度进行融合后,融合匹配度最大的训练图像所属的类即为识别结果.实验利用2个人脸图像数据库(AR和SJTU-IP-PR)测试该方法的识别率,结果表明该方法要优于PCA和EBGM,并且在一定的表情、光照和姿态变化的条件下是有效、稳健的.     

基于图像处理的轮廓提取方法应用

采用索贝尔算子检测边缘,最大类间方差法把图像二值化,通过数学形态学处理得到改进的二值图像,掏空内部点得到边界点,进行边界跟踪把轮廓从复杂的图像中提取出来。传统的边缘检测得到的边缘不一定是单像素点,而此方法实现单像素点的轮廓提取,实验证明该方法行之有效。     

融合纹理和形状特征的人脸图像性别识别

针对人脸图像性别识别中单一特征识别率不高的问题,提出了融合纹理特征和形状特征的人脸图像性别识别方法.通过局部二值模式(LBP)及其改进算法提取人脸图像的纹理特征,梯度直方图(HOG)提取人脸图像的形状特征,融合两个特征利用Adaboost分类器进行人脸图像的性别分类.在ORL人脸数据库和自制人脸数据库CZB上的实验结果表明,相对于直接利用像素特征和单一特征的识别方法,融合多特征的人脸性别识别方法的识别率明显提高.     

融合复合纹理特征的图像拼接检测

为解决传统图像拼接检测算法对图像内容、光照变化等鲁棒性不强问题,提出一种基于多种纹理特征融合的图像拼接检测方法。对二维灰度图像执行非下采样轮廓波变换（NSCT）,以获得包含图像纹理特征的一系列子带图像。对在水平和垂直方向进行差分处理的低频子带图像以及4个高频图像,获取韦伯局部描述符（WLD）纹理和局部三值模式（LTP）纹理。将WLD纹理与灰度共生矩阵结合,得到像素点强度、梯度与灰度之间的关系;再将LTP纹理与灰度共生矩阵结合,得到无噪声和光照影响的像素点灰度间关系;最后分别提取WLD值共生矩阵和LTP值共生矩阵的对比度、相关性、相异度、熵、能量等5个特征,并融合成特征向量,使用RBF神经网络分类。该方法在哥伦比亚彩色图像库上检测准确率达到了95.7%。     

基于主成分分析的特征脸提取及人脸识别实现

基于主成分分析的方法,对OLR人脸图像样本库做特征脸提取,然后作人脸识别。依据SVD定理及其推论,使得计算特征值和特征向量在计算机上实现成为可能。从而使得提取的特征脸组成的特征空间从原来的高维空间降到了低维空间,这为后续的人脸识别研究打下了基础。     

基于深度森林的脑电情绪识别研究

为了改善传统脑电情绪识别方法需要对脑电信号进行深入了解,且需要人工提取相关特征的缺点,基于深度森林的表征学习能力对脑电样本的时域与频域数据进行自动特征提取,并融合32通道脑电信号的时域特征向量和频域特征向量,通过级联森林对特征作进一步学习。实验结果表明,该方法对效价二分类预测的准确率达到68.4%,查准率达到66.3%,查全率达到89.9%,F1分数达到76.3%;对唤醒度二分类预测的准确率达到68.2%,查准率达到65.8%,查全率达到91.2%,F1分数达到76.4%。通过与DEAP数据集使用EEG信号给出的二分类实验结果进行对比,基于深度森林的脑电情绪识别方法对未知样本的识别准确率高于DEAP的结果。     

基于2DPCA和改进的LDA算法的人脸识别技术

为提高人脸识别的准确率,缩短图像特征提取的时间,提出了一种将二维主成分分析（简称2DPCA）与改进的线性鉴别分析（简称LDA）相结合的人脸识别方法。该法首先以图像矩阵为分析对象,直接利用原始图像矩阵构造图像的协方差矩阵。以进行特征提取和2DPCA分析;再采用改进的线性鉴别分析。得到最佳的分类特征,从理论上有效解决了传统的线性鉴别分析在人脸识别中存在的“边缘类”问题：最后．在ORL人脸库上检验了该识别方法的性能。实验结果表明,该方法抽取的鉴别特征有较强的鉴别能力。     

A novel face recognition method with feature combination

INTRODUCTION Automatic face recognition has become a very active research area in the last decade due to the new interest in, and need for, surveillance and security, telecommunication and digital libraries, hu-man-computer intelligent interaction, and smart en-vironments. The small sample size (SSS) problem is often encountered because the number of the samples is much smaller than the dimension of the sample space in face recognition. It results in the singularity of the within-class …     

图像二维鉴别特征矩阵融合及人脸识别

二维最大散度差鉴别准则和二维Fisher鉴别准则抽取的特征具有很强的相关性.本文在此基础上,通过对传统的基于向量的典型相关分析方法进行分析改进,提出了一种新的直接基于图像二维鉴别特征矩阵融合的二维典型相关分析方法,并将其应用于人脸识别的特征融合过程中.较基于向量的典型相关分析,该方法计算过程中构造的协方差矩阵维数大幅度减小.这在一定程度上避免了人脸识别中存在的"高维小样本问题",另一方面也使算法的速度明显提高.     

基于多尺度局部特征融合的手指静脉识别方法

针对目前手指静脉识别算法中的局部特征提取算法在信息量上利用不充分、特征不够稳定以及静脉结构不够突出等问题,提出一种基于多尺度局部特征融合的手指静脉识别方法.首先对图像进行归一化及自适应直方图均衡(CLAHE)处理,然后应用多尺度方向模板提取一阶局部静脉方向特征,之后在方向特征基础上计算局部均值二值算子(MLBP),得到...     

基于(G)模糊积分的信息融合方法

采用单一模糊积分进行信息融合的结果有时可能明显失真。例如,(S)模糊积分融合时只考虑了单分类器的识别结果与相应分类器集重要程度中较小的那个量的信息,有时可能会产生错误的分类结果。为了弥补(S)模糊积分等模糊积分的局限性,提出基于(G)模糊积分的信息融合方法,将多个模糊积分的融合结果加权平均作为分类的依据,可以对各单一模糊积分融合效果取长补短,有助于提高多分类器融合系统的识别率和稳健性。     

基于 DenseNet 的人脸脸型分类研究

脸型在三维人脸重建、人脸识别与检索等领域有着重要应用。针对脸型分类问题提出一种基于傅里叶描述符、三角形半径描述符和几何特征描述符的 DenseNet 网络脸型分类方法。通过主动形状模型方法定位得到人脸边缘轮廓点,分别使用傅里叶描述符、三角形半径描述符和几何特征描述符将轮廓点数值化为一维向量,并将其输入 DenseNet 网络进行训练,实现脸型分类。通过实验对比分析,该方法能够充分挖掘人脸形状信息,有效提高脸型分类准确率,同时避免旋转、尺度等影响。     

局部方向模式在人脸识别中的改进方案

局部方向模式（LDP）利用8个Kirsch模板与3×3局部邻域卷积得到局部的边缘梯度值,然后取绝对值并排序,最后将最大的三个梯度所在的方向信息编码成一个八位二进制数;其不足之处在于将边缘梯度求绝对值后进行编码,因为边缘梯度值的正负号表示梯度两个对立的变化趋势,求绝对值也就忽视了梯度的变化趋势信息,而梯度的变化趋势有益于鉴别人脸特征的表达.针对LDP的不足提出了一种改进方案,直接利用局部邻域的原始边缘梯度值进行人脸特征提取.实验结果表明,改进方案的正确识别率高于原方案.     

双流融合的动作识别方法研究

为了有效改善传统动作识别方法中输入数据信息单一导致的识别率偏低等问题,提出一种结合视频数据和骨骼数据的双流融合方法.基于两种不同的深度学习网络,分别对视频数据与骨骼数据进行识别并将两者输出的概率加以融合,实现信息融合效果.在公开数据集NTU RGB+D上进行测试,达到83.76％的识别精度.该方法在一定程度上实现了不同...     

基于PCA算法的摄像头人脸识别研究

研究一种基于摄像头的快速人脸识别方法,具体步骤为:利用摄像头捕捉人脸图像,采用图像处理算法从所抓取的图像中提取能代表人脸的特征信息;然后对这些信息进行分析和处理利用主成分分析算法对人脸进行识别;最后采用VC++程序语言开发了基于摄像头的人脸识别系统。实验结果表明,该系统具有采集速度快,易读性和可移植性强的特点,并且具有很强的实用性。