外螺纹表面质量自动检测及智能分类技术研究

针对某一企业现有的外螺纹表面质量检测装置效率低、功能不完善、难以实现在线检测的问题,提出采用机器视觉及基于神经网络的智能模式识别技术设计一套自动检测不同类型螺纹零件的几何参数,并对其表面缺陷进行智能化识别、分类的系统。介绍了系统架构及部件选型,基于VS2008、Open CV等软件开发平台,设计了外螺纹尺寸检测、头部槽型识别及表面缺陷识别的实现方法。实验表明,系统具有精度高、速度快、运行稳定等优点。     

基于数字图像处理的车牌识别系统的研究

基于数字图像的车牌识别技术,是一种智能的无源型车牌识别方法,在车牌没有任何信号传输设备的情况下,能够对车辆进行非接触式的固定的车辆信息采集以及实时智能识别运动状态的车牌号码.通过对多幅车牌图像的检测识别表明该技术是有效的.     

大数据环境下多代表点近邻传播的微小图像特征智能识别与仿真

传统方法对微小图像进行滤波去噪处理获得平滑图像,获取微小图像光照不变量数据的特征,但忽略了先对其进行预处理,导致识别精度偏低.为了解决上述图像缺陷,提出了一种大数据环境下多代表点近邻传播的微小图像特征智能识别与仿真方法.采用本方法合成当前识别画面时需要将正向映射与逆向映射进行结合应用,同时采用图像识别多代表点近邻传播特性从各个源参考图像中获得弥补空洞所需的像素点数据,以解决对整幅参考图像从深度角度进行比对与智能识别.最后,通过实验研究分析表明:文中所提的智能识别方法可以有效提高微小图像特征智能识别的准确率,加强识别算法的鲁棒性.     

基于有监督学习的应用识别研究

网络应用识别是网络管理、研究、规划、安全等一系列事务的基本前提,基于分组端口号和分组载荷的应用识别技术逐渐不能满足需求．根据不同应用具有各不相同的流量特性这一原理,可利用机器学习技术挖掘各种应用的流量模式,从而进行有效识别．本文使用简单的流量特征作为观测值进行有监督应用识别．通过比较多种通用的机器学习算法,找出最适用于应用识别问题的有监督学习方案,同时应用特征选择算法找出关键的流量特征．     

步态识别及其在智能视频监控中的应用

步态识别作为远距离下惟一可识别的生物特征识别技术,日益受到专家学者的关注.文章给出了步态识别的概念和相关原理;介绍了智能视频监控系统智能化处理的一些技术,并对步态识别在智能监控下的应用和发展前景做了分析.     

基于贝叶斯分类的毒蘑菇识别

蘑菇作为人们生活中的一种美味佳肴,深受人们喜爱,而且蘑菇中的营养物质对人的身体健康有着重要作用。但是毒蘑菇与无毒蘑菇的特征极其相似,在野外杂生情况下极易混淆,因此时常造成采食者误食中毒。对有毒蘑菇的识别是避免中毒的基本措施。目前,毒蘑菇的识别方法主要包括,以民间经验为基础的形态识别法、化学分析法和动物检验法等。但是这些方法在实际应用识别中存在着准确率不高,所需实验设备复杂,对未知毒素检测不理想,实验周期长等不足。针对传统方法的不足,提出一种基于贝叶斯分类模型的毒蘑菇识别方法,通过对已知有毒蘑菇特征的学习,可以较为准确地识别未知有毒蘑菇。实验证明,该方法对毒蘑菇识别准确率达到98%以上。     

基于投影特征的简谱数字识别方法

简谱数字识别是光学乐谱识别中的一个重要分支,传统的识别方法是模板匹配,该方法计算量大,且对模板的依赖性很强,导致其鲁棒性较弱,对图像的噪声和位移敏感。考虑到简谱数字识别规模较小,通过分析数字对噪声较为稳定的几何特征,提出一种改进的投影特征匹配法对简谱数字进行快速识别匹配。理论分析和实验结果表明,改进的投影特征匹配法与传统的模板匹配法相比,识别精度和速度有所提高,鲁棒性也更强。     

一种基于OpenCV的车牌识别方法

研究了一种基于OpenCV的车牌识别方法。在车牌定位阶段,提出一种综合边缘信息和颜色信息,并结合车牌几何特征定位方法,通过SVM机器学习实现车牌精确定位。在车牌字符分割阶段,通过设定像素跳变阈值去除边框,提出一种结合垂直投影法和字符特征的字符分割算法。在字符识别阶段,提出结合投影和网格的字符特征提取方法,并利用4个BP神经网络进行字符识别。实验表明,该方法定位率高,字符识别快速准确,具有较强的鲁棒性和实用性。     

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。     

传统机器学习与深度学习的表情识别综述

面部表情识别是计算机视觉热门领域。表情识别技术使得计算机能够理解人类的情绪,具有广阔应用前景。针对基于传统机器学习和深度学习的表情识别方法进行研究,首先归纳表情识别领域常用的公开数据集;然后从传统的机器学习和深度学习角度介绍表情识别基本流程与常见方法;最后指出表情识别领域存在的问题,并对未来可能的发展方向进行了总结。