旋转和语义一致性对物体和背景识别的影响

在自然环境中,背景往往对识别环境中的物体起着非常重要的作用。已有研究表明物体与背景的语义一致性会影响对物体和背景的知觉。研究引入物理性质的一致性（旋转角度）这一变量,采用二因素的混合实验设计和直接命名法考察物理性质的一致性和语义一致性对物体和背景知觉的影响。结果发现,语义一致性主效应显著,在物体与背景语义一致性条件下对其进行识别的正确率高于语义不一致性条件下的识别正确率;物理性质一致性主效应也显著,物理性质一致条件下对物体和背景识别的正确率显著高于不一致性条件下的,而且,识别的正确率随着旋转角度的增大而降低;二者之间的交互作用不显著,这意味着物理性质一致性与语义一致性是独立影响真实场景中物体识别和背景识别过程的。     

计算机视觉视域下物体抓取识别算法研究

物体抓取识别是计算机视觉技术的重要研究领域。运用深度学习理论从行为识别、物体识别以及立体匹配等方面着手实现对目标物体的种类和个数识别,通过数据集分析、网络结构建模形成了物体抓取的识别算法。     

基于OpenCV的物体图像边缘缺陷识别研究

为了实现物体图像的边缘缺陷识别,拟合绘制出完整的物体轮廓,并应用于太赫兹安检仪的图像处理过程中,基于OpenCV视觉库与C++语言,对采集的原始图像首先进行二值化、空洞填充与形态学预处理操作,然后分别采取边缘识别法、角点检测法与轮廓坐标记录法,初步进行人体边缘轮廓的提取,最后采用迭代算法筛选出符合预先设定的阈值坐标,拟...     

面孔识别与物体识别的不同脑机制研究综述

从大脑损伤病人研究、脑成像技术与事件相关电位研究和神经元水平研究的结果看，上颞沟、颞下回皮层、梭状回等区域能被面孔识别所激活，但不能被物体识别激活，证明面孔识别与物体识别的脑机制是不同的。     

面向中学生的人工智能算法教学探究——以物体识别算法为例

本研究探索了在中学教授人工智能计算机视觉算法的教学方法,总结了计算机视觉算法教学的要点和技巧。作者选取了计算机视觉中的经典任务物体识别作为探究对象,以花朵的物体识别为例,通过将物体识别算法拆分为不同的步骤,根据学生的数学、物理、信息技术的知识背景,选择重点进行教学并设计教法。该物体识别算法被分为颜色空间转换、色调降维、圆圈算法、验证等四个步骤,通过与学生日常学习、生活、娱乐的例子相结合,将抽象的算法问题趣味化、实例化、活动化,取得了良好的教学效果,为人工智能算法的教学提供了生动的案例。     

一种基于EGI和标准人脸模板的三维人脸点云拼合算法

对重合区域较少的两组不同角度获取的三维人脸点云数据,直接寻找对应点进行点云拼合的难度很大。为解决这一问题,提出一种基于EGI和标准人脸模板全自动点云数配准拼合算法。针对待配准的三维人脸点云以及标准人脸点云模型,首先通过局部最小二乘曲面拟合,估计每个点的法向和曲率,其次计算点云的扩展高斯图(EGI),然后利用EGI上对应的特征点计算欧拉角,分别使待配准三维人脸点云旋转至与人脸模型大致相同的位置,完成粗配准,并把粗配准结果作为新的初始位置。采用最近点迭代算法(ICP)分别对三维人脸点云与标准人脸模型进行精确配准,从而实现两组三维人脸点云的拼接。     

基于薄板样条的遥感影像非刚性配准方法

提出一种基于薄板样条的遥感影像非刚性配准方法。首先,根据SIFT算法分别在参考影像与待配准影像中提取特征点;然后,对特征点进行匹配,并利用RANSAC一致性分级检验方法,由粗至精分级排除错误匹配点;最后,利用同名匹配点构建薄板样条配准模型,并完成图像配准结果。实验结果表明,文中方法能有效解决遥感影像在时相变化、几何变形等条件下的配准,具有较高的实用性。     

互信息算法在车牌识别中的应用研究

将医学图像配准中的互信息算法移植到车牌识别系统,首先基于颜色信息快速定位车牌并校准分割出待识别的车牌字符,然后计算分割字符与字库字符的互信息值,互信息值的大小反映了图像之间的相似程度,最后通过比较互信息值的大小确定最终结果.实验证明,互信息算法相对其他车牌识别常规算法能更准确反映出图像之间的相似度,从而得到更精确的识别效果.     

基于K-D树加速的大型点云配准算法

为了实现大型点云的精确配准,首先对大型点云数据进行降采样及去质心预处理,并采用迭代最近点（Iterative Closest Point,ICP）算法计算点云间的旋转矩阵R与平移矩阵T,最终在Visual Studio中基于OpenGL库实现界面交互和结果显示。结果表明,该配准算法既支持人为选择关键点进行配准,也支持随机生成关键点进行配准,且准确率高。大型点云数据实验表明,针对大型点云点数目多,普通配准算法计算时间长的问题,采用K-D树进行配准算法加速,可保证精度,同时大大缩短了大型点云配准计算时间。     

物体识别的精神物理学实验测试

对于分层图模型中的任一节点,识别信息来源于三个通道:α通道,基于物体的整体特征识别当前节点;β通道,通过孩子节点的组合以自底向上的方式来识别物体;γ通道,借助父节点以自顶向下的方式预测。通过引导受试者的注意力,控制测试数据的尺度大小和显示时间,以及遮挡和裁剪等措施来排除通道之间的相互影响,以便单独测试各通道的信息贡献量。实验结果表明:一般情况下α通道的贡献要更大;当存在遮挡时,主要依靠β通道的贡献;当分辨率很低导致本征信息不足时,γ通道将在物体识别任务中发挥主导作用。这些基于人类视觉系统的测试结果,对于相应的计算机物体识别算法性能的提高具有参考价值和指导意义。     

数据点云预处理技术研究

从数据采集、精简、配准等方面讨论了数据点云的预处理.在第三部分,针对散乱数据点集,给出了的基于数学期望的数据点云预处理,精简并去掉分布较稀疏部分的数据点,并按照数学期望意义下数据密集的位置对点云进行了预处理.     

物体表面不同角度采集的三维图像配准的一种新算法

提出了一种能有效实现物体表面三维图像数据配准的算法.该算法利用了三维数据采集时的三维点的阵列信息,这些三维点的阵列信息在采集原始三维数据时可以很容易获得,同时,还利用了三维数据矢量/顶点相似特征作为数据匹配的基础.采用迭代最小均方误差算法来自适应优化变换矩阵参数.这些方法可以有效地提高三维图像配准的性能,加快匹配过程的运算速度.实验结果表明该算法可以获得较好的配准后三维图像的主观效果.尽管该方法主要针对人头模型,但经过少许修改后即可适用于其他物体.     

三维点云拼接的型钢轮廓测量实验平台设计

针对传统型钢轮廓尺寸的连续人工监测困难、测量精度低和效率低等问题,设计了基于三维点云拼接的轮廓尺寸测量实验平台。采用6组激光光源和电荷耦合元件(CCD)相机搭建了用于三维点云数据采集的硬件平台,并提出了基于最近点迭代(ICP)的多帧三维点云拼接算法以及轮廓尺寸测量方法,从而模拟型钢生产中移动工况下的轮廓尺寸测量。结果表明,该实验平台能够实时监测型钢轮廓尺寸,并且测量精度可达到0.01 mm。该实验平台能够针对型钢生产现场轮廓尺寸测量过程的难点问题进行相关理论的实验论证,完善了测量技术和方法。     

浅谈SIFT算法对HJ-1 B影像自动配准研究

实现影像间自动配准的关键在于快速提取足够数量且精度高的匹配点。提取特征点的方法主要有基于特征和基于灰度两种。经过大量的实验证明,sift算法提取特征点,从粗略的提取特征点,再通过四步对已提取的特征点进行提纯,最后利用精度较高的匹配点进行计算影像间的变换参数,实现配准的自动化。     

A hybrid point cloud alignment method combining particle swarm optimization and iterative closest point method

3D quality inspection is widely applied in many industrial fields including mould design, automotive and blade manufacturing, etc. A commonly used method is to obtain the point cloud of the inspected object and make a comparison between the point cloud and the corresponding CAD model or template. Thus, it is important to align the point cloud with the template first and foremost. Moreover, for the purpose of automatization of quality inspection, this alignment process is expected to be completed without manual interference. In this paper, we propose to combine the particle swarm optimization （PSO） with iterative closest point （ICP） algorithm to achieve the automated point cloud alignment. The combination of the two algorithms can achieve a balance between the alignment speed and accuracy, and avoid the local optimal caused by bad initial position of the point cloud.     

融合个体识别的3D点云语义分割方法研究

3D点云能清晰、直观、准确地反映真实场景,其中卷积神经网络、随机森林分类器等都是用于3D点云语义分割的主要研究方法,均取得了良好的实验结果。但是到目前为止,在复杂丰富的3D实景中如何实现分割的多通道化还有很大的研究空间。基于此首先介绍了一种精巧、简单的3D点云语义分割框架,然后提出了一种通过学习语义感知的点级个体嵌入方法,将属于同一个体的语义特征融合在一起,使得每个3D点的语义预测更精确,同时实验结果也说明了这种融合个体识别的语义分割方法是可行的有效的,在精度上较PointNet++结构提高了3. 9个百分点,在速度上处理同样4096个点云数据的速度比先进的SGPN结构快约4倍。     

基于YOLO算法的多类目标识别

针对传统目标识别方法需要人工设计特征工程,费时费力,泛化性能差的缺点,以YOLO算法和tiny-yolo模型为基础,在tiny-yolo的基础上增加了3×3卷积层和NIN(Network in Net Work)卷积层,设计了一个包含15个卷积层的神经网络模型m-yolo。在voc2007和voc2012数据集上的实验结果表明,m-yolo模型提高了识别的准确性和定位的精确性,并且保证了在识别速度上与tiny-yolo基本保持一致,平均识别时间仅上升了0. 6 ms。     

语音情感识别分类算法研究综述

语音情感识别本质上是对语音情感的特征参数进行分类和模式识别,其核心问题在于寻找一个更为合适的语音情感识别算法.综述了语音情感识别算法的分类概况、常用的分类算法、研究中的困难与需要进一步研究的问题.最后展望了可能提高精度的先进识别模型.     

基于几何特征的足球机器人目标识别算法研究

提出了一种针对不同色标块形状的目标识别算法,能够在确保准确度的前提下快速地识别目标,满足实时比赛的需要。     

基于几何特征的足球机器人目标识别算法研究

提出了一种针对不同色标块形状的目标识别算法,能够在确保准确度的前提下快速地识别目标,满足实时比赛的需要。