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。     

基于特征矩阵的高效数字识别算法

传统的数字识别算法存在识别速度、识别准确率和识别方法复杂度三者无法兼顾的问题,为解决该问题,提出了基于特征矩阵的高效数字识别算法。该算法首先在预处理的基础上获取字符的特征矩阵,然后用特征矩阵对字符的特征横线、竖线等特征进行提取,最后利用结构语句识别的方法实现数字识别。实验结果表明,基于特征矩阵的高效数字识别算法思路简单、速度快,且识别率达97% 以上。     

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.     

基于LVQ神经网络的建筑物提取

传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。以高分辨率遥感影像建筑物图像为研究对象,设计了一种基于LVQ神经网络的建筑物提取方法。对图像提取其颜色、纹理与形状特征,构成图像特征矢量并将其特征归一化,利用LVQ神经网络识别并提取出建筑物。通过与其它典型神经网络识别方法进行实验比较,结果表明该算法相对于单层感知器识别率提高了10.0%,比BP神经网络识别率提高了22.5%,能取得更理想的提取效果。     

粒子群优化BP神经网络在步态识别中的研究

为降低步态识别特征噪声、提高BP神经网络在步态识别中的准确性和高效性,提出一种基于粒子群优化的BP神经网络识别算法。该算法将形态学细化思想融入人体骨架图特征值提取中,在二维平面上抽取多种特征值,然后建立粒子群优化神经网络模型,将特征值矩阵代入模型中,在反复迭代后产生最优迭代函数作为神经网络优化函数,不断优化网络层之间的权值和阈值。实验结果表明,优化后的模型识别率高达97.125%。     

基于改进LBP的虹膜识别方法

为有效提取虹膜的局部和全局特征以提高虹膜识别能力,提出了一种基于改进LBP(CS-LBP)的虹膜识别方法。首先通过虹膜预处理分割出虹膜图像并归一化;然后采用CS-LBP算子提取虹膜图像的CS-LBP特征谱;最后对CS-LBP特征谱进行分块直方图统计,并连接各块直方图作为虹膜图像的特征矢量进行识别。该方法在CASIA(v1.0)虹膜图像数据上取得了较高的识别率,计算速度快。     

基于计算机视觉的动物跛脚行为识别

为了识别出动物正常行走和跛脚行走,利用步态能量图特征描述和降维思想,提出一种基于计算机视觉的动物跛脚行为识别方法。以猪为研究对象,首先通过图像预处理获得目标猪二值图像,并进行步态周期检测和图像归一化处理。然后合成猪的步态能量图(PGEI),利用二维主成分分析（2DPCA）方法对其降维。最后使用最近邻分类器识别出猪的跛脚行为。通过猪的步态数据库进行试验,最终识别率达到93.25%,说明该方法可以有效识别出猪的跛脚行为。该研究为采用计算机视觉技术识别动物的异常步态和跛脚行为提供了一种新思路。     

基于深度学习的无人机目标识别算法研究

目前无人机已经广泛应用于各行各业,但传统无人机识别方法存在成本高、识别率低、适应性差等问题导致无人机进入禁飞区域的事件时有发生,严重影响我国空域安全。针对无人机识别过程中存在的不足,提出基于深度学习的无人机识别算法,通过对LeNet-5模型进行改进,以无人机图像样本集作为网络模型训练和测试对象,构建无人机特征识别模型。模拟实验中,当网络模型学习率为0.1时,在经过150次迭代后,深度学习模型目标识别率为96.95%,经典LeNet-5模型识别率为91.18%。实验结果表明,基于深度学习的识别算法能够有效提高对无人机的目标识别率。     

一种提高掌纹识别率方法的研究

掌纹识别是利用人的手掌掌纹图像对其身份进行认证的一种生物特征识别技术,有着巨大的发展潜力。掌纹线中的主线和皱褶是重要的特征,在空间域内掌纹图像中纹理的疏密和深浅,与频域内能量聚集和紧密程度相关。目前的掌纹研究主要集中在就一种掌纹特征的提取算法上如何提高匹配率,而对结合两种以及两种以上的掌纹特征的提取算法,如何提高掌纹识别匹配率的讨论较少。提出了一种有效提高掌纹识别率的方法,即结合点特征的提取和傅立叶变换特征的提取,提高掌纹特征匹配识别率。将该方法与单独使用点特征提取和傅立叶变换提取进行了比较实验,实验结果证明新方法的识别率有明显提高。     

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。     

数字识别算法研究

文章深入研究了基于BP神经网络的数字识别算法。首先,对输入的图像进行预处理,然后提取特征,最后构造基于BP神经网络的分类器。实验结果表明：该识别算法达到了较高的识别正确性,具有一定的实用性和有效性。     

RBF神经网络在车牌字符识别中的应用

针对现有车牌字符识别算法中存在识别时间长、正确率低的问题,提出了基于粗网格特征提取及RBF神经网络的车牌字符识别算法。该算法首先对车牌图像字符进行预处理,再将提取的车牌字符特征向量输入RBF神经网络进行训练,通过建立汉字字符、字母、字母／数字混合分类器分别对车牌字符信息进行识别,同时引入拒识别和易混字符细识别机制。实验表明,这种方法克服了BP神经网络易陷入局部最小值的问题,提高了识别的正确率,适合于对实时性要求较高的智能交通管理系统。     

基于神经网络的姿态识别算法

公共场所视频监控网络部署日益完善,智能视频监控技术在安防、交通等领域作用越来越大。针对视频监控数据中的人类目标,提出一种基于计算机视觉的姿态识别方法。通过YOLO算法和AlphaPose模型完成对视频中人类目标检测识别以及姿态估计,在此基础上分析人体关节之间的角度对姿态分类的影响,从中提取有效的分类特征,构造并训练5层神经网络模型,完成对站、坐、躺最常见3种姿态分类。实验结果表明,训练得到的神经网络模型准确率达到85%以上,识别速率大约为每秒30帧,在安防监控、检测人员摔倒、疾病报警等方面具有一定应用价值。     

基于表面肌电信号的腰背动作识别新方法

为提高基于表面肌电信号的人体腰背动作识别率,提出一种基于小波包能量与改进NARX神经网络的分类识别新方法。利用小波包变换对动作部位进行表面肌电信号特征提取,并采用改进NARX神经网络进行分类识别。选取8名实验者分别在扭腰、弯腰、侧弯腰3种动作下进行表面肌电信号数据采集,选择db4小波包函数对信号进行6层分解,得到第6层64个频带的小波包分解系数,代表各个动作信息的特征向量,作为改进NARX神经网络的输入进行分类识别。对照实验组中,改进NARX神经网络的识别率较高,总体识别率达到96.7%。实验结果表明,利用该识别方法对腰部动作进行分类识别,分类准确,且识别率更高。     

基于离散 Hopfield 神经网络的污染车牌字符识别

传统字符识别方法缺乏对污染车牌字符正确识别的能力,难以有效分辨易混淆字符等。针对这些弊端,采用 MATLAB 对真实车牌字符图像进行处理,提出一种基于离散 Hopfield 神经网络的改进算法（CLP-HNN）,对车牌字母及数字进行识别。实验结果表明,该算法对污染车牌字符识别率达 93.3%,不仅可有效降低污染车牌错误识别的风险,而且可提高易混淆字符正确辨别率,对减少车牌误识别引起的交通安全及秩序问题有较大参考价值。     

工作环境中的语音烦躁情绪检测方法

为了检测工作人员的烦躁情绪,实现情感状态的评价,通过在工作环境中诱发情感语音,获取了足够的测试样本,建立了2000条样本的工作环境情感语音数据库．在检测烦躁情绪过程中,首先提取语音的韵律特征和音质特征参数,然后利用基于蛙跳算法的改进的BP神经网络进行烦躁情绪识别．实验比较了BP,RBF和sFLA神经网络的性能,结果显示SFLA神经网络的识别率比BP神经网络高4．7％,比RBF神经网络高4.3％．实验结果表明,使用蛙跳算法训练随机初始数据可以优化神经网络的连接权重和阈值,加快收敛速度,提高识别率．     

基于蚁群算法的仿生模式识别神经网络构造方法

仿生模式识别神经网络（BPRNN）同传统BP、RBF神经网络相比具有更好的模式识别能力;训练样本库变更后网络的重新训练时间更小,但该网络构造过程中样本覆盖几何体参数的选择对网络识别率和复杂度有很大影响.本文通过引入蚁群算法来构造并优化网络参数,实验证明该算法法能较好的平衡网络性能和复杂度.     

基于唇色信息的唇部检测方法研究

唇部检测是唇读识别的基本步骤,在研究人类视觉和唇色聚类的基础上,分析了唇色和肤色的聚类性,提出了利用神经网络单层感知器学习算法对彩色人脸图像的唇部进行定位的新方法。实验表明,采用感知器学习算法比F isher方法的唇部定位更准确,轮廓更清晰,更有利于唇部口型的识别。     

A hybrid neural network system for prediction and recognition of promoter regions in human genome

INTRODUCTION The publication and preliminary analysis of thehuman genome sequence (Lander et al., 2001; Venteret al., 2001) marks a significant milestone in the fieldof molecular biology. One of the main goals of theHuman Genome Project is the characterization, an-notation?recognition and categorization of genesfrom human genome to serve as a periodic table forbiomedical research (Lander, 1996). In the past fewyears, many efforts have been devoted to gene anno-tations. The Nation…     

飞行模拟器训练费用估算的研究

通过对飞行模拟训练费用的分解,选取了飞行模拟训练费用估算方法和估算模型来对飞行模拟训练估算问题进行分析和研究。