分层式宽度模型的实时车型识别算法

车辆车型识别技术在智能交通系统中至关重要,现有的车辆车型识别技术难以兼顾识别精度和识别速度。针对高速公路环境下的车型识别问题,提出了浅层特征层与宽度特征层相结合的分层式宽度模型实时进行车型识别。首先利用颜色空间转换和多通道HOG算法相结合,减少光照环境的影响,同时实现对车辆图像的特征提取,结合PCA降维技术,降低计算复杂度;然后对图像特征进行稀疏表示和非线性映射,减少图像特征之间的相关性;最后用岭回归学习算法对提取的样本特征进行训练,求出样本特征与样本标签之间的权重系数,实现对车辆车型的识别。在BIT-Vehicle车型数据库的实验结果表明,本文所提算法的识别精度为96.69%,识别速度高达70.3帧/s。本文算法在提高车型识别精度的同时保证了实时性,在识别精度和速度方面优于其他算法。     

融合Gabor、LBP与LPQ特征的面部表情识别

针对传统的Gabor无法兼顾识别率与实时性的缺点,提出了一种融合Gabor、LBP、LPQ三种特征的表情识别算法.首先采用Gabor变换提取人脸图像的边缘信息,根据获得的变换表征结果,提取其LBP特征及LPQ特征;通过PCA算法对提取的特征进行降维,并对降维后的LBP特征及LPQ特征进行直方图操作;最后,设计基于ELM神经网络面部表情分类器.应用JAFFE人脸表情数据库的测试结果表明,该方法比传统方法具有更高的识别准确度和更快的识别速度.     

基于MB-LBP算子和Multilinear PCA算法的人脸识别

针对运用MB-LBP算法提取的人脸特征维数较高、而直接用MB-LBP算法提取的特征进行人脸识别时计算量较大的问题,提出一种融合MB-LBP和Multilinear PCA算法的新的人脸识别方法。首先利用MB-LBP算法提取人脸图像的特征;然后用Multilinear PCA算法对提取的人脸特征进行降维;最后用最近邻分类器进行人脸识别。在FERET人脸库上进行验证,实验结果表明,该方法的识别率高于传统PCA、分块PCA、LBP和PCA相结合的方法。     

基于PCA-LBP特征的掌纹识别研究

关于掌纹特征提取要求提高识别率,局部二值模式(LBP)掌纹识别,提取的特征维数高,特征之间存在一定冗余,导致掌纹识别率较低.为了提高掌纹识别率,提出一种主成份分析(PCA)的LBP的掌纹特征提取方法(PCA-LBP).首先对掌纹图像进行灰度预测,采用LBP算法计算灰度直方图,得到256个灰度对应的像素数据,将其作为掌纹图像的原始特征,用主成分分析方法消除各特征之间的高度冗余性,并有效地降低了特征集的维数,得到了最有利于识别的最佳特征.根据最小欧式距离判别法对掌纹图像的进行识别,对PolyU标准库中的掌纹进行仿真实验,结果表明,相比传统的LBP算法和离散小波变换提取算法,可以提较少的特征维数取得了更高的的识别率,说明改进算法既不会丢失掌纹图像的原有信息,提高了识别率.     

基于Haar—like矩形特征的交通标志识别

针对道路交通标志识别系统中的识别精度和识别实时性问题,提出一种基于Haar—like矩形特征的交通标志识别算法。为了提高提取速度,用积分图像先对样本库进行处理,提取Haar-like矩形特征做为特征向量。提取的特征向量因维数过高．应用PCA降维法对数据进行降维。将降维后的特征向量用来对支持向量机训练。实验结果表明,Hart-like矩形特征向量具有形式简单．计算速度快等优点。在小样本的目标识别中,利用SVM进行分类识别,取得很好的识别效果．并在识别耗时上有所优化。     

人脸识别视频分析的设计与实现

智能视频监控随着大数据视频分析技术的应用得到迅速发展,通过实时监控,视频分析系统即时反应。识别出视频监控采集到的目标人脸。在基于ARM11的S3C6410嵌入式硬件平台,以Linux操作系统为软件平台,用LBP算法对人脸图像进行预处理,减少光照对识别的干扰;用PCA算法对经一致模式统计后的均衡直方图进行特征提取和降维,降低数据的计算量;对降维后的数据运用岭回归算法进行分类,设计并优化LBP＋PCA算法,结合RidgeRegression分类技术作为人脸识别视频分析的解决方案。     

基于MB_LBP与改进Fast PCA算法的人脸特征提取

针对MB_LBP算法对人脸特征提取维数较高,使用PCA方法会造成图像原始空间结构破坏和维数变得过大等问题,提出一种基于多块LBP(Multi-scale Block Local Binary Patterns,MB_LBP),结合改进的Fast PCA算法进行人脸特征提取的方案。首先用MB_LBP算法提取人脸图像的特征,接着用本文所改进Fast PCA方法加速计算矩阵S非零本征值所对应的本征向量,对人脸特征进行降维,最后在ORL人脸库进行验证。实验表明,该方法对后期人脸特征提取效果优于改进前的效果,很大程度上降低了提取时间,效果明显。     

基于PCA和不变矩的三维物体识别算法研究

在计算机视觉问题的研究中,针对基于矩的目标识别算法实时性不高的问题,本文分析主分量分析法(PCA)在目标快速识别算法中的应用,提出基于Jan Flusser仿射不变矩和PCA融合的快速识别方法,即利用PCA在Jan Flusser仿射不变矩的特征空间中进行优化降维,减少了计算量,然后利用一些主流的识别算法对该方法的实时性和准确性进行验证研究。在MatLab平台下的仿真结果表明:本文方法的实时性在欧式距离上提高了23.68%,在概率神经网络上提高了8.7%,在支持向量机上提高了21.01%,准确性只有少量的降低,不改变识别算法的过程,且适合三维物体小角度变化下的识别。     

基于降维LBP与叶片形状特征的植物叶片识别方法

为解决由于植物叶片特征的相似性以及叶片旋转导致植物识别率较低的问题,提出一种基于降维局部二值模式（LBP）与叶片形状特征相结合的植物叶片识别方法。首先利用LBP算法提取高维叶片纹理信息,通过主成分分析方法（PCA）对高维叶片特征降维;同时考虑叶片的形状特征,将LBP旋转不变性特征与叶片形状特征有效结合,在低维空间利用k近邻法（KNN）实现叶片的分类与识别。实验结果表明该方法具有较好的识别效果。     

基于Gabor小波变换与分块PCA的人脸识别

由于Gabor小波描述的人脸特征维数太高,直接将Gabor小波提取的特征进行识别时出现计算量大、实时性差的问题,提出了基于Gabor小波变换与分块主分量分析的人脸识别新算法。首先对人脸图像进行Gabor小波变换得到人脸图像特征,然后用分块主分量分析方法对其进行降维、提取特征向量,最后用最近邻分类器分类识别。在ORL和NUST603人脸库上进行实验,结果表明,该方法的识别率优于传统PCA、分块PCA、Gabor小波变换与PCA结合的方法。     

基于遗传算法数据降维的汉语数字语音识别

针对语音信号特征参数LPCC和MFCC相结合后数据维数过高,导致识别器性能下降的问题,提出采用遗传算法对初始特征参数进行降维,来提高识别性能.首先提取语音信号的LPCC和MFCC,然后采用遗传算法对其进行特征降维,最后将得到的低维数据送入支持向量机进行识别.仿真实验结果表明,采用遗传算法进行特征降维与传统的PCA降维相比,识别率提高了12.2%,和初始特征相比识别率降低了1.23%,但是识别时间提高了4.5倍.     

基于高通滤波及LBP主成分特征的一种掌纹识别方法

本文用高斯高通滤波对图像进行预处理,然后用LBP方法提取掌纹图像特征,最后用PCA法降低特征维数。高斯高通滤波的作用在于增强图像对比度,使其具有更为明显的区分信息;图像的LBP特征具有抗旋转能力强,不受每次采集图像时光照不同的影响等优点;PCA能够提取特征矩阵的主成分。试验证明此方法具有较好的特征提取能力,得到了较高的识别率。     

LBP 直方图与PCA 的欧式距离的人脸识别

基于LBP算子具有旋转不变性和灰度不变性等显著特点,本文通过LBP算子的特征提取,将人脸分成子区域,然后通过连接这些子区域的LBP直方图生成人脸特征向量,由于生成的特征向量的维数过高,通过PCA算法降维压缩,最后用欧式距离分类器完成测试样本和训练样本的人脸识别,通过实验比较得出很好的人脸识别效果,此人脸识别算法过程用于火车站等各种公共场合有很好的应用效果。     

基于LBP直方图的复杂光照下的人脸识别

提出一种具有较强光照鲁棒性的人脸识别方法。通过Gamma校正、高斯差分（DoG）滤波和对比度均衡化算法对图像进行光照预处理,降低光照敏感度;利用局部二值模式（LBP）算子提取局部纹理特征,将图像划分为若干个不重叠的子区域,提取每个子区域LBP直方图,形成人脸图像特征,用主成分分析（PCA）进行降维处理;使用支持向量机（SVM）进行分类识别。在Yale-B数据库进行实验的结果表明,该算法的平均识别率可达99.68%,其性能优于目前该领域的典型算法。     

基于P-ISOMAP特征脸谱的人脸识别

针对等距映射(Isometric Projection)算法计算量大且易受噪声影响的缺点,根据主成分分析(PCA)兼具降维和除噪的特性,提出一种基于ISOMAP算法的P-ISOMAP特征脸谱(PCA-ISOMAP)人脸识别技术。该算法首先通过主成分分析把人脸图映射到一个人脸图像子空间,然后在人脸图像子空间中进行等距映射降维。P-ISOMAP特征脸谱算法在保持人脸图像的全局几何特性和低维人脸流形的同时,提高了算法效率,能够有效抑制人脸图像中噪声。通过在人脸库中的实验表明,改进后的算法在识别率以及运行效率方面都优于等距映射算法。     

基于公路监控视频的车辆检测和分类

在学习了已有的检测与分类算法以后,设计了一种将改进的高斯混合模型（GMM）与分类网络（GoogLeNet）融合的方案用于车辆的检测和分类.针对高斯混合模型存在模型初始化速度慢和计算复杂的问题,改进了初始化模型的算法提升初始化效率.运用五帧差法做车辆初提取,在提取到的车辆区域上运用高斯混合模型获得车辆图片,把五帧差法和高斯混合模型结合起来减小了建模的区域,提升了检测速度,提高了系统实时性.最后使用GoogLeNet对车辆分类.实验证明相较于现有的车辆检测分类方法,本文所提方法在检测速度和分类准确性上都有很大提升,满足了现实场景下对监控视频的车辆检测和分类的实时性要求.     

基于小波和DFB-PCA的人脸识别算法研究

本文提出了一种基于小波和DFB-PCA的人脸识别算法。将识别图像先用小波变换对其分解后,再对低频子带进行DFB-PCA识别。实验结果表明,该方法有利于减少光照、姿势和表情等因素的影响,降低噪声和图像识别的维数,且具有较好的鲁棒性。与直接在原图像上采用PCA识别相比,可提高对图像的计算速度和识别效率。