SSPO:一种部分遮挡单样本人脸识别算法

单样本人脸识别问题是一个比较具有挑战性的问题。针对部分遮挡单样本人脸识别困难的问题,本文提出了一种SSPO算法。首先对所有样本进行遮挡,通过MSEP算法进行分块,遮挡识别和剔除。为了对人脸姿势、光照等变化进行识别,我们抽取样本库中邻接块构造一个样本字典,通过类内变化字典预测可能的人脸变化。最小化待测人脸与样本库、变化字典的残差预测样本分类。最后,在AR人脸数据库和Multi-PIE人脸数据库上验证了本算法的有效性。     

基于深度神经网络与MPI并行计算的人脸识别算法研究

针对实际环境中干扰因素多和计算量大,导致人脸识别准确度下降和系统算力不足的问题,提出了一种基于深度神经网络与MPI并行计算的人脸识别算法.首先,分析深度神经网络模型,设计关键训练步骤,同时收集各类人脸图像,建立训练样本库.然后,结合深度神经网络模型,对样本库数据进行训练,生成识别框架,并借助TensorFlow开源模型与Python来实现算法,进而达到识别人脸的目的.最后,基于MPI并行计算技术,搭建高性能并行计算平台,对所提算法进行分段优化与集成,实现识别系统的高速计算效率.实验测试结果显示:与已有的相关识别技术相比,所提算法具有更高的人脸识别准确度与抗干扰能力,从而可为高端智能监控系统提供技术基础.     

基于投影和几何变换的人脸图像规范化方法研究与实现

对于人脸图像的规范化处理是人脸识别过程中的重要步骤.采用基于投影和几何变换的人脸图像规范化方法,对人脸图像水平垂直投影算法和几何变换算法进行了分析,并在ORL人脸库上进行实验.实验结果表明,该算法对人脸图像处理效果明显,适用于对人脸图像的规范化.     

基于CNN的动物识别研究

为实现AI动物自动化识别并提高识别精度,提出以CNN为基础的动物识别方法。首先对全景图像进行预处理,包括对图像进行随机裁剪、翻转以及调整各种属性等;然后通过加入L2正则化和dropout方法进行优化,对CNN进行自动分类识别。实验结果表明,该方法能有效优化CNN对于小数据集存在的过拟合现象,将动物识别准确率提升8%以上,同时增大数据集将动物识别准确率提升4%左右。     

基于卷积神经网络的人脸识别算法

针对卷积神经网络(Convolutional Neural Network,CNN)在人脸图像识别中面对训练规模较大的图像集数据时收敛速度慢、效率低以及在复杂情况下识别率不高的问题,提出一种优化改进的CNN图像识别方法。该方法首先利用不含标签的图像训练一个稀疏自动编码器,得到符合数据集特性、有较好初始值的滤波器集合,然后对CNN的卷积核初始化赋值,从而大大提高其整体上使用BP算法进行训练的收敛速度,其次使用多类别SVM分类器(Multiclass Support Vector Machine)代替传统的Softmax分类器,对目标图像进行识别,在ORL和FERET等人脸图像库上的实验结果显示,所提算法与采用传统PCA+SVM算法及传统CNN算法相比,在人脸图像识别中有更好的识别效果。     

部分卷积耦合双通道网络的低分辨率人脸识别

在实际应用场景中所采集的人脸图像通常分辨率都很低,导致许多经典的人脸识别算法无法对低分辨率人脸进行准确识别.针对该问题,本文提出了一种部分卷积耦合的双通道网络,该网络中将高分辨率(High Resolution, HR)通道和低分辨率(Low Resolution, LR)通道中的卷积核进行部分耦合,使得LR通道能够从耦合的卷积核中学习到HR通道中的高分辨率参数,从而达到提高LR通道对LR样本的特征提取能力.为进一步提高样本分类的准确率,在双通道网络末端引入一个空间金字塔池化层(Spatial Pyramid Pooling, SPP),使用SPP层能够将HR样本与LR样本投影到一个共同的特征空间中.最后使用LFW人脸库对算法的有效性进行测试,实验结果表明,本文所提算法能够对LR人脸图像进行准确识别.     

基于Mask R-CNN的触摸屏玻璃疵病检测与识别

为快速有效地检测与识别触摸屏玻璃疵病,提出了一种基于Mask R-CNN技术的检测与识别方法。Mask R-CNN是Faster R-CNN技术的扩展,其在边界框识别的现有分支上添加一个并行的用于预测对象掩膜的分支,是基于R-CNN系列、FPN、FCIS等工作之上的一种技术,相对于传统的目标检测和分割算法有很大提升。使用暗场散射成像、多图片堆栈等方法采集数据样本,同时采用几何变换方法扩增样本库。为提升训练速率和检测精确率,根据训练样本差异性,通过测试不同的VGG16、ResNet50+FPN以及ResNet101+FPN主干网络提取图像特征。实验表明,ResNet50+FPN的识别精确率较高,达到96.7%。基于Mask R-CNN的检测与识别方法不仅能对疵病快速检测与识别,还能提高识别精确率。     

基于Mask R-CNN的试管-支架系统Data Matrix码识别方法

在试管-支架自动化系统的输入图像中,Data Matrix(DM)码呈现为多个小目标,图像存在成像模糊、边缘干扰严重等问题,使得传统方法难以达到良好的识别效果。为此,提出一种基于深度学习的Data Matrix码识别方法DeepDMCode,以Mask R-CNN模型为基础,通过内容差异化数据合成和同步自动化标注,实现训练数据的增强,提升模型的学习能力。在模型分割结果的基础上,提出一种旋转校正方法,确保可用标准解码库实现DM码的解码。以分辨率为1 600×1 200、支架容量为96的数据实验表明,由于该方法在前期码定位阶段最大程度地还原码边界信息,准确度可达0.92(mIoU),完成单张图像中所有DM识别的平均速度为5.2 s,优于YOLO、SegNet、CenterNet等主流工业基准算法。     

改进二值化算法在QR码识别中的应用

针对模糊、光照不均情况下获得的低质量QR码难以识别的问题,设计一种低质量QR码识别算法,包括加权平均值法灰度化、中值滤波算法降噪、二值化、基于位置探测图形定位、基于透视变换法的旋转矫正,以及基于Zbar开源库的译码算法等。重点研究针对模糊、光照不均QR码图像的二值化算法,提出一种基于Bernsen算法思想的改进算法,将全局阈值引入该算法中,实现对图像的二值化处理。在VS2010环境下基于Opencv2.4.9图像处理库对识别算法进行验证,结果表明,通过该算法得到的QR码图像完整且噪声少,有效克服了低质量QR码的影响,提高了图像识别率,具有一定的实用性。     

协同KPCANet模型在人脸识别中的应用

为解决手工提取图像特征过程繁复和参数复杂问题,提出一种基于深度学习的协同KPCANet模型。该算法能够对现场采集到的人脸数据和特征进行提取和分类,通过提取分块直方图特征进行编码协同表示,将测试样本归于残差最小的类中对人脸数据进行识别和运算。实验结果表明,协同KPCANet模型在滤波器数量L1=10时一层卷积层与L2=15时二层卷积层的正确率分别达到99.17%和99.44%。协同KPCANet模型不仅能使运算过程简洁,还能提高识别结果准确度,提升识别效率。     

基于Android图像识别技术的失踪人员管理系统开发

针对我国目前由于地域广及流动人口多所导致的失踪人员难以寻找的问题,利用Android智能手机摄像、GPS、Open CV、Java CV、Java、Java EE、My Sql等技术开发基于Android图像识别技术的失踪人员管理系统。利用此系统和Wi Fi或3G/4G移动通信技术,Android智能手机可针对潜在的搜寻目标照相,并将照片及GPS相关信息即刻传输到远程数据服务中心的服务器。收到查询图像后,服务器立刻对图像进行处理并同图像库中的人员信息进行对比,从而确定刚刚拍摄到的人员是否为所寻找的目标。该系统的开发为建立全社会人人都可以参与的实时人员搜寻系统奠定了基础,为在较短时间内寻找到失踪人员提供了技术保障,具有较大的经济意义和社会意义。     

水稻插秧机纵向送秧机构分析

本文介绍了机动水稻插秧机纵向送秧机构的基本结构、工作原理和设计要求，分析了各种纵向送秧机构的特点及其对插秧质量的影响，为纵向送秧机构的合理设计提供了依据。     

基于Qt平台的无人插秧机远程监控系统设计

为了解决监测终端操作系统多样化的问题,设计一款基于Qt的跨平台远程监控系统。该系统采用C/S模式,主要由信息采集系统、通讯系统以及远端监控系统组成。无人插秧机远程监控以Qt为开发平台,利用北斗卫星定位、4G通信网络、Socket通信、GIS、图像处理等技术,实现对远程无人驾驶插秧机工况参数的监测与控制,包括插秧机动力、行走、作业等各种信息。另外,通过对数据的分析处理,还可预测插秧机可能出现的故障。测试结果表明,该系统可有效实现对无人插秧机的远程监控,并解决了操作系统的可移植性问题。     

基于特征匹配与 CNN 的浮动验证码识别研究

为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法。首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与 K 近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在 mnist 手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练。对 10 000 张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达 95%,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中。     

人脸识别中的边缘检测技术

边缘的提取在人脸识别技术中具有重要的意义。传统的算法检测到的边缘信息往往是不完整的,而且在检测噪声污染图像时会得到许多虚假的边缘;而神经网络算法由于没有样本的压缩功能,导致训练量过大。文章在传统算法的基础上结合神经网络算法对人脸图像的边缘进行检测。实验结果表明,该方法快速稳定,得到的边缘图像边界封闭性好,抗噪能力强。     

水稻插秧机后插式分插机构研究

本文用计算机对水稻插秧机后插式分插机构进行了分析研究。通过秧针端点运动轨迹上的6个特定点，分析了后插式分插机构的运动学和动力学。经理论分析和田间试验表明，后插式分插机构的结构参数选择是合理的，插秧性能是优良的。     

湖南水稻插秧机械化推广模式及其发展对策

我国插秧机械化的现有模式有机械化插秧公司、供苗公司、机手自育秧苗并带秧带机为农户栽插三种.目前插秧机的推广普及还存在一定困难,需要国家和各级政府共同扶持,在湖南省推广及实现插秧机械化,应采取加强领导等一系列适合湖南省省情的对策,以促进其快速推广和普及.     

边缘缺失的畸变图像校正算法研究

目前,尚未有对边缘缺失畸变图像进行校正的有效方法。四边缘确定的畸变图像通过透视变换矫正,先确定边缘缺失图像的 4 个顶点,再通过透视变换实施校正。对边缘缺失的多边缘线图像,使用 Hough 变换的边缘检测及桥接膨胀,使主要边缘线延伸相交成 4 个点的封闭图形以确定四顶点。此外,拍摄图片有时背景复杂,对有效信息所在的四边形区域辨认带来一定困难。因此,在整幅图像中先获取所有连通区域,建立所有连通区域最小外接矩形,计算各外接矩形整幅占比,模糊比较后确定图像所在目标区域。在得出目标区域 4 个顶点后,采用透视变换进行畸变校正,再进行有效信息提取识别。在 Matlab 实验中,识别矫正成功率达 93%,说明该方法准确率较高,适用于多边缘缺失图像矫正。     

具有网络一致结构的三维人脸模型重建研究

针对传统方法及机器学习方法对大量三维人脸数据、训练样本数量与质量依赖性大的问题,采用基于光照立体的方法,利用人脸图像重建三维人脸。综合利用基于法线的模型变形法和非刚性变形法,提出一种基于法线的非刚性变形算法。利用SFS算法计算顶点法线,然后使用法线和局部刚性约束使参考模型变形,进而得到与参考模型具有一致网络结构的三维人脸模型,从而得到三维人脸图像。该方法与传统方法相比,节省了大量样本要求,并且立体效果更好。     

基于CiteSpace的计算机视觉领域研究热点与前沿分析

以Web of Science收录的文献题录作为数据样本,基于文献计量学方法并利用CiteSpace工具对1990-2019年计算机视觉领域的文献进行可视化分析,从时空层面揭示计算机视觉领域在不同国家（地区）、机构的发展程度;从共引文献层面把握计算机视觉发展脉络;从关键词和突变词角度探测计算机视觉的热点前沿。研究结果显示,从全球范围看,美国对计算机视觉的研究起步较早且一直处于领先地位,中国近年来发展迅速且在总体发文量、高校研究力量层面进步明显,英国、法国、日本、加拿大、瑞士等国近年来发展态势也较突出;马尔视觉计算理论、Canny边缘检测算法、张氏标定法、YOLO算法等许多经典算法对计算机视觉领域的发展具有里程碑式的意义;模型、分类、图像分割、追踪、识别等方向是计算机视觉领域的热点话题;深度学习、卷积神经网络、压缩感知、机器学习是计算机视觉领域近10年的前沿研究方向。