ResNet多输出特征的手指静脉识别

为了解决成像环境复杂、生物组织引起红外光散射导致识别准确率低的问题,在基于神经网络分类的手指静脉识别技术基础上,提出神经网络拓展结构模型,并采用机器学习方法计算区分性好的特征,弥补原神经网络引起的部分特征缺失,避免了模型迁移到小型数据库上由于样本数量不足带来的性能下降问题．利用ResNet18、ResNet34和ResNet50三种神经网络在手指静脉数据库上进行的分析与实验表明,拓展结构模型显著提高了识别性能．     

基于多特征融合的活动识别算法

基于可穿戴传感器的人体活动识别技术在许多领域应用广泛,从人体活动信号中提取丰富的特征是提高活动识别准确率的关键技术之一.为此,提出基于傅里叶描述子(FDs)、局部二值特征(LBP)和小波能量谱(WES)的融合特征提取人体活动的详细信息.为提高识别系统的可靠性,去除对识别精度没有影响的冗余特征,引入过滤式选择算法Reli...     

指纹特征和指静脉特征融合的身份认证

提出一个有效的基于指纹特征和手指静脉特征的身份认证方案.在采集同一手指的指纹图像和静脉图像后,分别提取其指纹特征和静脉特征.对于指纹图像,提取其纹线端点和交叉点的位置与方向组成指纹特征向量.对于手指静脉图像,用局部二进制(LBP)提取其有区分性的特征.进行身份识别时,分别将手指指纹特征和静脉特征进行匹配,然后根据两种特征的匹配分数进行非线性融合,得到最终的匹配结果,以达到认证目的.     

基于手指静脉与手指折痕数据层融合的模糊金库方案

目前,基于指纹的模糊金库方案在市场上应用最为广泛,但是指纹是人体皮肤表面的特征,很容易被盗,所以很多人开始考虑使用手指静脉。手指静脉是人体手指皮肤里静脉血管的纹路特征,不容易泄露,但与指纹相比,手指静脉的特征点较少,在密钥信息比较短的情况下可以使用,在密钥比较长的情况下,其可靠性很低,而且单一生物特征的系统在生活及商业中的缺陷也不断暴露,如模板安全性等。为了克服上述问题,提出了一种基于手指静脉与手指折痕数据层融合的模糊金库方案。实验结果证明,该方案具有良好的可靠性和模板安全性。     

手指静脉识别技术研究发展现状综述

指纹识别技术在安检、门禁、考试等方面得到了很好应用,但指纹存在于皮肤表面,有一些不可避免的缺点,会影响识别效果.而手指静脉识别技术能完全克服指纹识别的缺点,使身份认证更加方便快捷.对静脉识别技术的特点以及国内外的发展现状进行了介绍.     

多特征融合的农作物病害图像识别

病害对农作物的产量和质量造成了严重的影响.以往对病害的检测主要依靠人工完成,存在较强的主观性,且滞后严重.为了实现农作物病害的自动以及智能检测,基于计算机视觉,提出多特征融合的病害识别方法.提取农作物图像的局部二值化模式和灰度共生矩阵特征,分别输入支持向量机分类器并做分数级融合,进而分类识别,探讨多特征融合对于病斑信息...     

基于级联特征分类器的行人检测算法

为进一步提升方向梯度直方图-局部二值模式(HOG-LBP)特征融合的行人算法在检测精度以及加快融合后的算法检测速度,提出了一种基于级联特征分类器的行人检测算法.计算样本集的方向梯度共生直方图(CoHOG)特征和鲁棒局部二值模式(RLBP)特征,使用这两种特征训练两种特征弱分类器,并将两种特征融合训练CoHOG-RLBP...     

基于特征关联和多损失融合的行人再识别方法

为增强遮挡场景下所提取行人特征的判别力,有效挖掘样本类别信息,提出了一种基于特征关联和多损失融合的行人再识别方法。首先利用姿态估计器生成的人体关键点作为辅助信息,引导模型关注行人图像未被遮挡区域,提取姿态引导的全局特征;其次引入全局对比池化模块,将平均池化和最大池化的特性进行融合,提取对背景噪声和遮挡抗干扰性更强的全局特征;然后引入One-vs-rest关系模块,挖掘局部分块特征的内在关系,提取能够反映图像整体信息的局部特征;最后将交叉熵损失、难样本采样三元组损失和中心损失这3种损失函数进行加权融合,监督模型学习类间距离大、类内距离小的行人特征。在Occluded-DukeMTMC数据集进行的评估结果表明,所提算法Rank-1和mAP分别达到54.9%和41.5%,充分体现了改进后方法在处理行人再识别遮挡问题时的有效性和先进性。     

基于特征融合的车牌汉字识别技术

本文提出一种新的基于特征融合的车牌汉字识别技术．该方法首先对字符图像进行奇异值分解,然后利用奇异值和奇异向量进行特征融合,得到既包含能量特性又包含几何特性的特征向量,并结合BP神经网络分类器,应用于车牌汉字识别。仿真模拟结果表明,该方法具有很好的识别率和较低的误识率。     

基于局部特征和二维PDF修正的图像增强算法

文章提出一种改进的图像增强算法,结合图像直方图和邻域窗口中局部特性,将一维PDF（概率密度函数）转化为二维,根据生成的二维PDF得到修正因子,对原始直方图的各灰度级频数进行修正,再按照修正结果对原图像进行均衡化处理,避免了过增强现象的出现,通过实验和已有算法进行了比较,证明该算法对各种图像均可取得较好的处理效果．     

基于开关型非局部均值滤波的指静脉图像去噪

为了解决带有皮裂纹特征的指静脉图像中干扰区域影响静脉特征提取的难题,提出一种基于开关型非局部均值滤波的指静脉图像去噪算法。该算法首先生成静脉图像像素点的Hessian矩阵,然后通过Frangi滤波对起皮干裂区域进行精准检测,最后对受干扰区域进行非局部均值滤波去噪。理论分析与实验结果表明,该算法与现有经典静脉去噪算法相比,充分利用了图像上其它区域的冗余信息,在实现去噪的同时,更好地保留了非受干扰图像区域的静脉细节部分,一定程度上克服了经典去噪算法对整个图像的过平滑问题。在认假率为0时,拒真率相比原结果降低了5.63%。     

基于点云的加工特征识别技术研究

介绍了在CAD领域基于B-Rep模型的特征识别方法,总结了其中的优势和不足,并且对直接从三维散乱点云中识别加工特征的关键技术进行了研究,提出了可能的解决方案。进一步讨论了如何将CAD领域中基于B-Rep模型的算法运用到基于点云的特征识别中,为解决逆向工程中加工特征识别的问题提供新的思路。     

基于特征加权支持向量机的血吸虫尾蚴识别算法设计与应用

本文提出一种利用特征加权支持向量机（FWSVM）识别河流、湖泊等水域中血吸虫尾蚴的算法．该算法采用图像形态学、动态阈值化等图像处理方法在图片中搜索可能存在尾蚴的区域,然后利用疑似区域图像的Hu矩作为特征值训练FWSVM,最后利用训练好的分类器对采集的视频进行识别．实验结果表明该算法能够有效识别水域中的血吸虫尾蚴．     

信息论特征选择算法的改进

特征选择在模式识别技术中起着非常重要的作用，已有多种特征选择的方法，但用信息论的方法进行特征选择还是一个新的课题，MIFS算法和MIFS-U算法都是近似算法，随着输入特征的增加，特征选择性能逐渐下降．本文通过研究这两种算法，提出一种改进方法，在运算量几乎不增加的情况下，提高这两种算法的特征选择性能。     

基于LDA变换的验证码识别技术初探

本文采用基于递归算法的去除离散点法消除孤立噪声,选用扫描边界的方法分割字符,来研究验证码自动识别技术,选择和提取稳定而又便于表示的特征向量是本系统的核心之一。本文提出了简单的字符特征提取方法：采用网格灰度特征并对该特征进行线性鉴别分析（LDA,Linear discrimlnant analysis）变换,结合最小距离分类器完成字符识别过程,通过提高训练样本数,有效解决了形近字符识别率低的问题,取得了很好的识别效果。     

基于改进特征提取方法的五线谱识别

针对传统五线谱识别方法存在谱线过删和漏删的缺点,以及现有音符特征提取方法与谱线删除相互制约的问题,提出一种改进的、无需删除谱线的特征提取方法。在图像预处理阶段保留谱线,将音符与谱线同时投影,结合音符符杆垂直像素数据与音符其它部位像素数据携带的映射特征,对横纵向投影数据进行数理统计分析,得到供音符类型识别的归一化特征值,再利用基准谱线与音符符头的相对位置获取音调信息。实验结果表明,该方法在保证较高识别精度的基础上,进一步提高了识别速率,可以有效识别音符组合形式较复杂的乐谱,对于五线谱识别应用具有重要意义。     

基于特征融合的复杂场景多目标跟踪算法研究

在复杂地物类型背景条件下,多目标跟踪算法通常表现出目标识别与跟踪能力较差问题,特别在被其它地物遮挡后目标跟踪丢失更严重。提出一种改进的基于多源特征提取与特征融合的多目标跟踪算法。为提高目标在复杂背景下的空间分辨力,充分利用对异类物体判别能力较强的高层特征和针对同类不同物体判别能力较强的浅层特征,提高复杂背景下地物目标的识别能力。同时,为了解决物体被遮挡后导致跟踪算法丢失目标问题,利用滤波器获得追踪目标的空间尺度大小,提高跟踪算法的准确性与可靠性。实验表明,多目标跟踪算法识别目标的准确性可达87.5%,误差在[±2.31%]左右,具有良好的尺度估计效果。     

基于Haar-Lbp特征和粒子群神经网络的人耳识别

在分析人耳Haar和Lbp特征的基础上,提出了一种基于神经网络和人耳Haar-Lbp特征对人耳进行识别的方法.文中选取了人耳图像的Haar和Lbp双特征值作为神经网络的训练样本,并尝试利用粒子群优化算法与BP结合算法训练网络.仿真结果表明,文中提出的方法取得较好的效果.