基于肤色与 Haar-like 扩展集的驾驶员人脸检测算法

针对疲劳驾驶预警系统中人脸检测准确率低、误检率高的问题,提出一种基于肤色与 Haar-like 扩展集的驾驶员人脸检测算法。首先根据驾驶员人脸肤色在 YCbCr色彩空间的聚类性、脸部特征及驾驶环境,筛选人脸肤色作为候选区|然后在传统基于 Haar-like 特征的 AdaBoost 算法中,加入两组新的符合人脸特征分布的Haar-like 特征进行驾驶员人脸检测。以 MIT 人脸库和拍摄的驾驶员人脸图像作为训练与检测样本,与传统AdaBoost算法进行对比实验。结果表明,该算法对正面人脸和侧面人脸（倾斜角度小于 45°）检测准确率分别提高 1.25%和 5.00%,误检率降低 2.81%和 4.50%,人脸检测准确率得到较大提高。     

改进型AdaBoost算法在车辆检测中的应用

Adaboost算法通过特征选择把一组弱分类器组合成强分类器,并已成功地应用在人脸识别中．遵循Adaboost算法的基本思想,提出在联合空间进行Haar类特征的选择,并把该算法应用在车辆的检测中．使用基于联合特征空间的Adaboost算法,可以改善检测器的可靠性和快速性．实验结果表明与传统的Adaboost算法相比,可以提高分类器的目标击中率和降低虚警率．     

基于熵的特征选择的AdaBoost改进算法

在模式分类领域,分类器特征输入的选择对分类效果是至关重要的.我们提出了一种新的基于相对熵的特征选择AdaBoost方法.在该算法中,引入相对熵度量两类间的距离.在每一轮中,选择最优特征作为二维分量分类器的输入.随着权值的改变,在每一轮中特征的选择也不同.最后,由一组弱分类器结合而成的强分类器.实验表明,与遍历搜索的AdaBoost算法相比,该算法的检测正确率提高了5%,而时间缩短了20%以上.     

基于决策树的改进AdaBoost算法在车辆检测中的应用

为满足车辆检测实时性和准确性需求,将基于C4.5的决策树算法作为AdaBoost算法的弱分类器,产生一种速度快、识别率高的强分类器,称之为AdaBoost DT算法。算法训练多个决策树并将之作为弱分类器,之后通过改进级联架构的AdaBoost算法将若干弱分类器组合成一个强分类器。该算法特点在于：相对于广泛使用的以SVM作为弱分类器的算法,其以决策树作为分类器,速度提高了29%;通过在AdaBoost算法进行强分类器的形成阶段加入再判决函数,准确率提高了14.1%。     

复杂环境中机动车跟踪实时性算法

针对复杂环境中机动车跟踪问题,为克服光照变化、噪声干扰、其他随机运动物体干扰,提出一种机动车识别和跟踪实时性算法。首先对图像进行光照补偿减少光照影响,用Surendra算法和三帧差法检测运动目标,并建立ROI(感兴趣区域)以缩小Haar识别范围提高系统响应速度;其次由训练好的级联分类器在ROI范围内识别机动车,从而保证高检测率和低误检率;最后利用Camshift算法跟踪机动车。为验证算法有效性搭建嵌入式系统平台,实验结果表明在背景复杂且其他运动物体干扰下,该算法较使用传统目标跟踪算法具有更好的鲁棒性和实时性。     

基于肤色和AdaBoost算法的人脸检测

文章提出了一种新的将肤色算法与AdaBoost算法结合起来的人脸检测算法．算法主要是将用肤色检测算法得到的肤色特征,做为一种新的矩形特征加入到AdaBoost算法的训练过程中．新算法提高了人脸检测的正确率,降低了误检率,新算法的鲁棒性更强．     

基于OpenCV的人脸检测系统实现

基于计算机视觉类库OpenCV 实现人脸检测系统,采用级联分类器的方法对人脸进行检测。系统对不同图像有较强的适应性,能够比较精确地判断出人脸位置,尤其对有遮挡物人脸的检测效果较好,具有一定应用价值。     

基于“大T”型区域的AdaBoost人脸检测算法

针对AdaBoost人脸检测算法分类器训练时Haar特征数目过多,导致训练过程过于耗时的问题,提出了一种基于“大T”型区域的AdaBoost人脸检测算法。通过提取500张人脸样本中的主要特征区域,投影到20×20的模板中,对重叠区域取其并集求得“大T”型特征筛选区域,以此模板优化Haar特征,使用于分类器训练的Haar特征集中于人脸面部的关键区域。实验结果表明,在LFW、PKU数据库中进行人脸检测,在不降低原始AdaBoost算法检测率的同时,对PKU数据库中的多人脸检测算法的漏检率有所改善,同时优化了算法训练时间。     

基于双肤色模型及AdaBoost算法的人脸检测

针对复杂背景和可变光照条件下,彩色静止图像的人脸检测问题,综合利用YCbCr和HSI颜色空间下的肤色模型,先进行肤色分割,定位出候选人脸,再用AdaBoost级联分类器进行检测验证,有利于提高检测效率,降低误检率。     

基于稀疏表达特征选择的压缩感知目标跟踪算法

目标跟踪是计算机视觉领域重要研究方向之一。压缩感知跟踪速度快、精度高,但是跟踪被遮挡目标时使用被遮挡的哈尔特征构建分类器,导致分类器性能降低,目标容易丢失。为了解决该问题,提出了根据l1稀疏表示判断哈尔特征是否被遮挡,然后使用未被遮挡的特征构建贝叶斯分类器。首先对每一帧跟踪结果运用稀疏表示提取出未被遮挡特征的集合,在构建贝叶斯分类器时仅使用未被遮挡的特征。然后使用训练好的分类器对下一帧候选样本进行分类,选取具有最大分类响应的候选样本作为跟踪结果。实验结果表明,该算法在跟踪目标部分遮挡时相比CT算法有更高跟踪准确度,算法能够实时得到高效、准确的目标跟踪结果。     

带尖锐特征的自适应Loop细分算法

文章提出了一种带尖锐特征的自适应Loop细分算法,自适应过程由二面角的阈值来控制。该算法除能保持模型的尖锐特征外,还可以根据用户需求进行自适应细分,大幅度抑制细分过程中网格数量的快速增长,并能获得与原始算法光,顿程度基本一致的曲面。     

青年毛泽东向马克思主义转变的原因与特点

青年毛泽东向马克思主义转变的原因有：两次北京之行,使毛泽东确定了终生信仰;李大钊、陈独秀的帮助是青年毛泽东转变为马克思主义者的关键;蔡和森的真诚引导使青年毛泽东明辨是非,加快了信仰马克思主义的步伐;实践中的失败,使青年毛泽东抛弃一切幻想,坚定地接受了马克思主义。青年毛泽东向马克思主义转变的特点：迅速性、坚定性和实践性。     

贾平凹散文语言风格演变及其特征

贾平凹充分发挥自身天赋,灵活运用古典和现代汉语语言,创作出了具有个性色彩的文学语言,形成一套独特的、极具个性化的文学语言风格和文学语言价值观,这是贾平凹对20世纪汉语言文学做出的一大贡献.淡化抒情,朴拙空灵,幽默酣畅,文白夹杂,是贾平凹散文语言风格的重要审美特征.     

不同形态风格的小型电动汽车造型方法研究

研究如何丰富小型电动汽车造型使其形态风格多样化,满足不同用户对造型的需求.以用户需求为出发点,分析了国内市场现有小型电动汽车在造型上的局限性,提出了小型电动汽车在造型上满足稳定感和形态风格多样化的必要性.通过优秀小型电动汽车造型设计案例分析,归纳出形态风格多样化的设计方法.总结了提升小型电动汽车稳定感、动感速度感、力量感以及可爱风格的具体设计方法.     

N皇后问题的回溯算法改进

回溯算法是解决N皇后问题的经典算法。在分析N皇后问题的解结构的基础上,优化了利用回溯法求解N皇后问题的解空间树,并改进了互不攻击的条件,大大地减少了比较次数和求解的复杂度,通过理论分析和实验证明了改进算法的可行性。     

基于sweep法的自动引导车路径追踪调节器设计与仿真

提出了一种基于sweep法的自动引导车路径追踪调节器的设计方法。根据自动引导车的状态空间模型,采用成本函数最小的标准来推导求解反馈矩阵的最佳控制问题．并对该两端点边界值问题引入sweep法解得要求的时变最佳控制。仿真实验结果表明,自动引导车在该路径跟踪调节器的速度及加速度补偿作用下可以很快消除3个追踪误差量,保证自动引导车具有准确跟随预定路径的能力。     

Training Kohonen Networks by Using an Improved Genetic Algorithm

ＴｒａｉｎｉｎｇＫｏｈｏｎｅｎＮｅｔｗｏｒｋｓｂｙＵｓｉｎｇａｎＩｍｐｒｏｖｅｄＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍＳｏｎｇＡｉｇｕｏ（宋爱国）ＬｕＪｉｒｅｎ（陆佶人）（ＤｅｐａｒｔｍｅｎｔｏｆＲａｄｉｏＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈｅａｓｔＵｎｉ...     

用四位双向移位寄存器研制的直流电流方向模拟演示仪

利用四位双向移位寄存器等电子元件可制作能直观显示直流电流方向的模拟演示仪。该文介绍仪器的工作原理、制作及使用方法。     

基于HDC提取关键点的手势识别算法

提出一种提取手势轮廓轮廓看成一条曲线,采用HDC(Hierarchical Discrete Correlation)方法用一个内核对曲线进行多次平滑,得到曲线的尺度空间,再通过跟踪曲线在尺度空间中的运动找出手势轮廓的关键点,最后通过最小距离法对手势进行识别.     

基于ZigBee的停车场车辆信息采集及显示系统

车辆数目的大幅度提升,导致停车难度也随之增大。为改善"泊车难"的问题,本文设计车位引导系统,使停车更便捷和高效。该系统采用光电传感器实时探测各个车位上的车辆信息,基于CC2530单片机,通过ZigBee和RF4CE应用的片上系统(So C)组成的发送-接收机将已处理过的数据信息传输到上位机,配合VB界面显示空车位数量,引导车辆停放到空置车位。本小组制作了一套按比例缩小的停车场模型,能方便地在电脑终端上观察出空余车位的情况。用户根据本系统进行泊车可快速找寻到空车位,节省找寻时间并提高停车效率。