基于一维离散周期小波变换的实时车牌识别方法

利用扫描窗口和一维离散周期小波变换以及BP人工神经网络进行车牌识别.被扫描的图像通过一维离散周期小波变换来选择图像的低频系数,这样可以提高执行车牌识别的速度.文中方法是直接对车牌进行扫描,不对单个字符进行识别,并通过MATLAB编程实现.新方法是一种实时识别,车牌识别的实验结果可高达94.7％.     

基于北斗导航的地质勘探小车

岩石岩性的识别与分类对于地质勘探至关重要,目前岩性识别多基于人工判别方法,需要一定的专业背景和丰富的判别经验,受限于环境、天气和人力的综合作用,采用机器视觉技术训练识别模型进行分类是一条新的途径,可以大大提高效率和自动化程度,利用树莓派和intel Movidius算力棒平台,设计出了一款基于北斗导航系统和YOLO v3 tiny 神经网络岩石识别模型的地质勘探小车,该小车由定位系统、图像采集系统和识别分类系统三部分组成,可以在野外自由行进并拍摄岩石图像,并将识别结果实时传送终端,该智能小车在测试图集的识别正确率高于80％,视频流测试结果实现了高于80％的敏感性和大于89.5％的特异性,准确度达到88.3％。     

远程视频监控图像自动标注优化方法

对远程视频监控图像进行自动标注,实现视频监控中关键帧识别,提高视频信息的分析鉴别能力。提出一种基于远程视频监控图像多尺度关键帧提取的自动标注优化方法,首先构建视频图像的采集模型,然后对采集的图像进行小波降噪处理,对输出的降噪图像通过多尺度关键帧提取进行自动标注,实现图像特征提取和信息识别。仿真结果表明,采用该方法进行远程视频监控图像自动标注,提高了对图像信息的检测识别能力,图像的输出峰值信噪比较高,准确识别概率提高。     

耳纹图像特征的三维识别技术研究

为了提高对耳纹图像的三维识别能力,提出一种基于脊波变换的耳纹图像分块特征提取和三维识别技术。采用二维傅里叶变换方法进行耳纹图像的亚像素级特征分解,结合区域网格径向划分方法进行图像分割,对耳纹图像的子块像素点进行自适应融合滤波,实现图像降噪,使用脊波变换进行耳纹图像三维特征重构,使用多尺度Retinex信息增强方法输出图像的辨识特征点,实现耳纹图像三维识别。仿真结果表明,采用该算法进行耳纹图像特征识别的精度较高,图像输出质量较好。     

基于神经网络和DSP技术的离线数字识别系统

本文提出了一种基于神经网络的离线数字识别技术,采用神经网络来对图中的数字进行识别,在分析图像预处理对图像特征提取和识别影响的基础上,提出了一种基于目标的图像增强算法,该算法计算量小、实时性好,有效地解决了图像背景颜色差异和环境光线差异对图像特征提取和识别造成的影响。最后给出了系统基于DSP的硬件实现。     

基于PCA与SVM的头部姿态识别及应用

针对头部姿态识别在复杂背景和变化光照情况下准确率低的问题,提出了一种有效识别图像序列中头部姿态的方法.首先运用Adaboost算法提取出图像序列中不同姿态的人脸图像,通过主成分分析方法(PCA)提取人脸姿态特征;然后使用支持向量机构(SVM)造多分类器对提取的特征分类从而实现头部姿态识别;最后设计了五种不同的头部姿态在变化光照下与智能轮椅进行人机交互实验.实验结果表明该方法实时性高,抗光照变化性能强,识别率高达92.2％.     

基于CIS与ARM9的条码图像采集系统

介绍了一种基于接触式图像传感器（Contact Image Sensor,CIS）的条码图像采集系统,实现了图像分辨率的动态可调。系统采用CIS实现行扫描,配合光电旋转编码器及减速电机组成的运动平台完成整幅图像数据的采集。可根据条码尺寸大小动态调整扫描长度,从而减少了大量无用信息的采集。该系统可广泛应用于二维条码识别、纸币序列号识别等各种对图像细节比较苛刻的场合,能够较大地提高识别效率。     

自由曲面数字化测量中黏性目标识别技术研究

自由曲面数字化测量中,由于传感器单元测量区域较小或被测物体本身遮挡等特性的限制,实现整体测量需要进行多次的图像拼接。黏性目标的应用较好地解决了空间图像拼接中不同坐标系的转换与统一。提出了一种基于不变曲线矩法对多重圆弧平面型黏性目标进行识别的技术。这种方法可以准确地对黏性目标进行识别,同时具有较强的鲁棒性。根据这种方法实现的三维空间距离测量相对误差优于0．6％。     

体全息相关系统中实现旋转和位移不变性方法

介绍一种在体全息相关识别中实现旋转不变性和位移不变性的一种简便方法。首先利用直线滤波器得到待识别图像的旋转角度 ,然后校正 ,将校正后的图像再与参考图像相关 ,从而获得旋转不变性的目标识别。该方法可判断图像在 36 0°范围内的旋转角度 ,精度为 5°。当校正的图像显示在空间光调制器上时 ,使图像重心恒于空间光调制的固定位置 ,即可实现图像识别中的位移不变性     

基于OpenCV的社保卡号码识别算法的研究

为了快速识别社保卡号码,在识别过程中运用到图像的预处理、图像分割,图像二值化,采用简单平滑处理、中值滤波、高斯滤波和双边滤波四种方法对图像进行去噪,提出了一种基于字符结构特征进行字符的识别算法,实现了对社保卡号码快速准确的识别。整个系统用Vsiual C++6.0和OpenCV开发。     

一种TFT源漏极沟道尺寸的自动测量方法

为了实现对图像中TFT源漏极的快速定位和沟道尺寸的自动测量,采用基于图像特征点的图像识别方法。在识别过程中先采用图像处理的方法对图像进行优化,再采用多边形拟合的方法确定目标的边缘,并通过改进的角点检测方法对物体形状进行更精确的定位,从而实现了对TFT源漏极沟道尺寸的精确测量。经过实验验证,精度可达到0.02像素。     

HMM非特定人连续语音识别的嵌入式实现

嵌入式系统正逐渐成为语音识别实际应用的首选平台。该文在嵌入式平台上研究HMM连续语音识别的计算复杂度要素,提出特征系数屏蔽方法和综合剪枝相结合的瘦身计算方法,降低计算复杂度并保持识别率。该方法在嵌入式平台上研究的实验数据表明,HMM连续语音识别瘦身系统与基线系统相比,计算时间从基线系统的100％降低到27.91％,识别率仅从基线系统的89.65％下降到89.41％。     

基于主成分分析和模糊识别方法的生物分子太赫兹光谱识别

提出了一种基于主成分分析（PCA）和模糊模式识别方法的生物分子太赫兹（THz）光谱识别方法,并采用多种典型糖类和氨基酸生物分子的太赫兹透射光谱作为实验介质证明所提方法的可行性和有效性。首先,运用PCA方法对生物分子太赫兹光谱数据做降维处理,提取样品太赫兹光谱特征信息;然后,用获得的主成分得分矩阵代替原始太赫兹光谱数据输入到模糊模式识别分析模型中,运用基于择近原则的模糊模式识别方法对待定样品进行分类识别。实验结果表明以生物分子的太赫兹光谱作为数据特征,采用PCA与模糊识别相结合的方法实现生物分子的检测和识别是可行的,该方法为太赫兹光谱技术用于生物分子的鉴定和识别提供了一种新的有效的分析方法。     

双重降维HOG结合SVM的快速手指静脉识别

为减少手指静脉识别时间,提出一种双重降维方向梯度直方图特征(Histogram of Oriented Gradient,HOG)结合支持向量机(Support Vector Machine,SVM)分类的手指静脉识别方法.针对传统HOG算法特征维数高的问题,首先通过Fisher准则衡量梯度方向区间HOG特征的分类能力...     

Performance Comparison of DCT and VQ Based Techniques for Iris Recognition

Iris recognition enjoys universality, high degree of uniqueness and moderate user co-operation. This makes iris recognition systems unavoidable in emerging security ＆ authentication mechanisms. An iris recognition system based on vector quantization （VQ） techniques is proposed and its performance is compared with the discrete cosine transform （DCT）. The proposed system does not need any pre-processing and segmentation of the iris. We have tested Linde-Buzo- Gray （LBG）, Kekre＇s proportionate error （KPE） algorithm and Kekre＇s fast codebook generation （KFCG） algorithm for the clustering purpose. Proposed vector quantization based method using KFCG requires 99.99% less computations as that of full 2-dimensional DCT. Further, the KFCG method gives better performance with the accuracy of 89.10% outperforming DCT that gives accuracy around 66.10%.     

A smart camera with gesture recognition and SLAM capabilities for mobile robots

This paper presents a smart camera for a real-time gesture recognition system. The smart camera has been designed and implemented as a system-on-a-chip (SoC), using reconfigurable computing technology. In this system the gesture images are captured by means of a CMOS digital camera. After some pre-processing steps, those are sent to a fault tolerant module (FTM) for the actual recognition process. The FTM implements a RAM-based neural network, using three knowledge bases. In addition, a majority voting technique is used to improve the confidence level in the recognition step. A number of experiments using a prototype implementation and selected gestures resulted in a rate of 100% true recognition. The system also showed to be robust, and flexible as new gesture patterns can be easily included by means of the on-chip training capabilities. An application for this systems is also presented, consisting of four smart cameras used in simultaneous localization and mapping (SLAM) tasks for robotics.     

基于MFCC的说话人识别系统

说话人识别可以被看作语音识别的一种,是当前的研究热点之一.本文实现的说话人辨认系统,采用能够反映人对语音的感知特性的Mel频率倒谱系数（Mel-Frequency Ceptral Coefficients ,MFCC）作为特征参数.试验比较了MFCC、差分MFCC组合MFCC分别与VQ、DTW相结合的识别率.得出差分MFCC组合MFCC优于MFCC.     

环状编码标记点的高效提取与鲁棒识别算法

针对当前环状编码标记点(CCT,circular coded target)的提取与识别算法效率、识别率较低的问题,提出了一种高效提取与鲁棒识别算法。介绍了编码标记点的特征及编码方式,采用提出的六点法获取目标点近似成像中心、边缘检测和椭圆拟合及边缘筛选,实现CCT的提取;根据CCT的仿射变换不变性提出的等分椭圆内切圆法,实现CCT的识别。对提出的算法进行了实验验证,结果表明,提取算法可有效剔除干扰且运行快速,效率高;椭圆拟合最大偏差与平均偏差分别小于0.06pixel和0.03pixel,精度高;识别算法在各种恶劣条件下均能得到正确结果,鲁棒性强;在复杂背景下,全局漏识别率、误识别率及平均运行时间分别为4.34%、0.47%和7.22ms,相对于其他识别算法,综合性能最优。     

用于字符识别的椭圆基函数概率神经网络

提出了一种适合在有噪声条件下进行字符识别的椭圆基函数概率神经网络ＥＢＰＮＮ模型，该模型选用由字符统计特征提取的具有选择注意特性的参数作为概率神经网络的椭圆基函娄系数。ＥＢＰＮＮ模型在货车编号自动识别系统中获得了良好的应用，整个系统的字符识别率达到９６％以上，编号识别率达到９０％以上，实验结果表明该模型的识别性能较常用的其它神经网络要好，且特别适用于有噪声的情况。     

基于卷积神经网络的反无人机系统图像识别方法

针对无人机的无证飞行和随意飞行严重影响和威胁公共安全的问题,提出了反无人机系统。识别无人机是反无人机系统实现的关键之一,为此提出了一种基于卷积神经网络的图像识别无人机方法。运用自制光学系统采集设备采集了不同型号的无人机图片以及鸟类图片,设计了针对无人机小样本识别的卷积神经网络和支持向量机。运用设计的卷积神经网络分别对MNIST数据集、无人机图片以及鸟的图片进行了识别,同时也运用支持向量机识别无人机和鸟的图片,进行了对比实验。实验结果表明,设计的卷积神经网络在MNIST数据集上识别准确率为91.3%,识别无人机准确率为95.9%,支持向量机识别准确率为88.4%。对比实验表明,提出的方法可以识别无人机和鸟以及不同类型的无人机并且识别结果优于支持向量机,可用于反无人机系统识别无人机,给同类研究提供了借鉴。