复杂背景下的号码定位与分割

提出一种综合边缘检测、号码分布特点的号码定位方法和基于投影及最大连通区域的字符分割方法。采用改进的数学形态学方法提取灰度图像边缘,用最小二乘法对边缘进行直线拟合得到图像的倾斜角,进而对倾斜的图像进行校正,再利用号码的位置信息来定位号码区域。采用最大连通区域算法过滤块状噪声,通过投影和字符的宽度特点确定字符的分割结果,有效地解决了由复杂背景、油墨的深浅、污迹、磨损带来的干扰。     

基于灰度多值化的身份证号码识别

为了方便警察在公共场所核对居民的身份证信息,实现身份证号码的自动识别,提出了一种基于灰度多值化的身份证号码识别方法。该方法的思想是先找到身份证的四条边缘在图像中的位置,根据身份证号码所处区域在身份证中是固定的,可以定位到身份证号码所在区域;采用投影法分割出身份证号码单个字符;将单个字符灰度图像进行多值化处理,提取字符的网格特征,利用模板匹配法识别出字符。该方法不仅能快速地识别出号码,而且对于比较模糊或亮度不均匀的图像也能准确地识别。     

人民币纸币号码识别算法研究

为了提高人民币纸币号码识别算法的适应度,基于字符结构特征的思想,提出了一种利用多个相互补偿结构特征的人民币号码识别算法,并研究了包括人民币号码的图像定位、图像的二值化、单个字符分割、字符大小归一化等图像预处理过程。对人民币纸币号码的字母排列、数字排列以及它们的组合排列分别进行了算法设计,以字母、数字组合排列识别程序的部分流程图为例做了算法阐述。利用ARM嵌入式系统对三组识别程序进行了实验验证,并对实验过程中遇到的字符字体差异、字符干扰问题提出了应对方法。通过对三组识别程序识别正确率的统计可以看出,该算法有较高的识别精度,能较好地满足实际需求。     

纸币序列号定位与分割方法研究

人民币序列号的唯一性,是区别纸币的一种标示,采用一种基于投影法的号码区域定位方法,并提出一种沿双向最短路径搜索字符串上下轮廓的凹凸位置进行粘接字符分割方法。在号码区域定位时,对二值化后的序列号实行行和列投影,进行粗定位和精定位两个步骤实现目标区域的定位;为了提高分割粘接字符的正确率,利用字符串之间存在的凹凸轮廓特征,沿双向最短路径搜索字符串上下轮廓的凹凸位置,分割出单个字符。实验结果表明,投影法能够快速、准确的实现纸币序列号的定位;当有字符粘接时,采用沿双向路径方法比沿单向路径方法能够找到更好的切割点,并去除掉多余的粘接噪声,能够实现纸币序列号正确、有效地字符分割。     

基于几何特征的IC芯片字符分割与识别方法

针对IC芯片字符的分割与识别问题,提出了一种基于字符几何特征的分割方法和一种基于字符最小外接圆的归一化与重定位方法,使用基于像素差分的模板匹配完成识别。首先,对芯片图像进行直方图均衡化处理,并利用辅助圆进行中线定位和图像校正,定位得到ROI区域并进行均值二值化处理。随后,对二值化ROI图像进行字符分割,以字符的几何特征作为判断条件,从而完成了对缺陷字符的正确分割。之后,对单字符图像提取最大轮廓,利用其轮廓的最小外接圆进行字符的归一化与重定位。最后,对归一化的字符进行差分识别。通过采集4种芯片样本进行实验,结果表明,该方法能够实现芯片字符的准确分割,对于缺陷字符的分割准确率达90%;能够快速精准地识别芯片字符,单字符平均识别时间为4.6 ms,识别准确率达到99.4%。     

复杂背景下的点阵字符识别研究

针对食品包装行业中喷墨打印技术形成的点阵字符不连续及食品包装背景复杂等问题,提出一种基于改进的连通域分割与BP神经网络相结合的字符识别方法.利用数学形态学与连通域分析定位点阵字符区域,对字符区域进行分割,利用BP神经网络对字符进行识别.实验结果表明,该方法在字符分割和识别上的效果均有较大的提升,其字符识别准确率达到98.03％.     

一种新的快速字符定位算法研究

准确定位字符区域是字符识别的第一步,针对高速运动拍摄图像对比度差、噪声干扰严重、字符区域范围变化大、要求在线识别且时间短等特点,研究了一套特殊的数学形态学和图像滤波算法,算法利用字符局部信息对区域内的字符进行二值化处理,后进行连通运算和数学形态学闭运算,使相邻字符连成一个字符串区域,最后根据侯选区域的先验信息,快速定位出被识别字符的准确位置.研究表明,在高速运动中拍摄80*60mm大小的物体,图像大小为640*480,利用ROI区域,可以实现100%的目标区域精确定位,定位时间小于20ms,为后续字符的准确分割和识别奠定了良好的基础.     

基于数码设备的二代身份证号码识别系统

研究基于数码设备（如手机、Pad等）的第二代身份证号码识别技术。对于预处理,提出基于Sobel算子边缘检测的身份证图像竖拍或倒拍的判断方法;对于字符分割,基于沈俊边缘检测的边缘二值图像,提出改进的垂直投影法,有效地解决了粘连体字符的切分;对于字符识别,提取模糊网格八方向梯度特征,采用K近邻分类器的方法进行分类识别。实验结果表明,本系统能准确定位和识别二代身份证号码,具有较高的识别准确率,具有一般通用性。     

基于改进神经网络的火车票号识别算法研究

为提高火车票识别精度和效率,将图像处理技术和BP神经网络结合,提出了一种基于图像处理和BP神经网络的火车票号识别算法.首先,通过图像预处理、目标区域的定位、二值化、倾斜校正和字符分割,提取火车票的身份证号码特征信息,建立特征信息库;之后,将特征信息库作为BP神经网络的输入,数字和字符类别作为BP神经网络的输出,建立BP神经网络的火车票号识别模型.研究结果表明,与模板匹配和SVM相比,提出的方法可以有效提高火车票号的识别精度和效率,识别精度高达97.7％,从而为火车票号识别提供新的方法.     

基于数字结构特征的发票号码识别算法

由于印章覆盖、发票折痕等干扰因素的存在,一些发票号码区域会出现噪声粘连区域,这些区域会导致发票号码无法正常分割。 针对这一问题,提出了噪声粘连区域修复算法,有效地避免了该情况对数字分割的影响。针对普通发票号码的字体结构和特点,提出了基于数字结构特征的发票号码识别算法。首先定义数字结构特征,包括4种填充区域、2种字符穿越数和4种镂空区域,构成待识别数字的10维特征向量;进而与标准模板库中数字进行模板特征匹配,求得距离最小值所对应的数字作为识别结果。将所提出的方法和基于改进的左右轮廓特征的印刷体数字识别方法进行对比,实验结果表明,本文所提出的识别算法拥有更高的准确率和更快的识别速度,以及对噪声 有更强的鲁棒性。     

基于区域生长的指针式仪表自动识别方法

针对复杂多指针式仪表的读数自动识别难度大精度低的问题,提出了一种基于区域生长的指针式仪表自动识别方法。算法主要由基于区域生长的指针提取算法和基于 Hit-Miss 变换法击中直线或基于最小二乘法拟合直线的指针识别算法所组成。其中,区域生长所需的种子点通过基于差影法的模糊聚类自动选取。实验表明,基于区域生长的指针提取算法有效提取了指针特征,为 Hit-Miss 变换法和最小二乘法获得良好的指针识别精度奠定了重要基础。整个算法高效快速,能满足实时识别的应用需求。本文首次提出将基于区域生长的图像分割算法运用于指针式仪表识别领域中,丰富了指针式仪表识别的应用方法,获得了良好的识别效果。     

基于2DPCA和流形学习LPP算法的人脸特征提取应用

人脸图像的特征提取是人脸识别系统中最关键同时也是难题之一。流形学习算法是近些年的人脸识别和语音识别两个领域应用较多的非线性降维方法。通过对人脸识别系统的研究,现提出一种全新的基于2DPCA（Two-Dimentional PCA）和流形学习LPP（Locality Preserving Projections）算法的特征提取方法,可为今后深入研究人脸识别技术提供较好的参考。仿真实验表明,该算法与传统特征提取PCA、LDA算法相比,可以取得更好的识别率。     

结合LBP特征和深度学习的人脸表情识别

对于人脸表情识别,传统方法是先提取图像特征,再使用机器学习方法进行识别,这种方法不但特征提取过程复杂且泛化能力也差。为了达到更好的人脸表情识别效果,文中提出一种结合特征提取和卷积神经网络的人脸表情识别方法。首先使用基于Haar-like特征的AdaBoost算法对于数据库原始图片进行人脸区域检测,然后提取人脸区域局部二值模式（Local Binary Patterns,LBP）特征图,将其尺寸归一化后输入到改进的LeNet-5神经网络模型中进行识别。在CK+和JAFFE数据集上采用10折交叉验证方法进行实验,分别为98.19%和96.35%的准确率。实验结果表明该方法与其他主流方法相比在人脸表情识别上有一定的先进性和有效性。     

基于正面人脸图像的人脸轮廓的提取

近年来，人脸识别技术成为当前模式识别和人工智能领域的一个研究热点，人脸轮廓提取是人脸特征检测和人脸识别等人脸图像分析的重要前提，但至今仍没有得到圆满的解决。该文针对复杂背景的彩色人脸图像，提出并实现了一种人脸轮廓提取的方法。首先滤波和二值化人脸图像，在二值化图像中采用一种快速的肤色区域边界提取算法确定人脸区域;再在人脸区域内，采用轮廓跟踪技术提取出人脸轮廓。实验结果表明，该方法具有很高的精度和很强的鲁棒性。     

基于孤立像素点去除的车牌ROI区域快速定位方法研究

车牌识别（LPR）作为当前较为广泛研究的热门课题之一,已经日趋成熟和完善,但传统车牌提取算法中仍然存在对单个像素点过分依赖、识别率不高等问题。提出一种基于孤立像素点去除的车牌感兴趣区域提取方法,在Sobel算子边缘检测算法的基础上,采用基于行列比例和周围相似度两种方法,对单像素点进行处理,有效去除影响感兴趣区域中的孤立点,突出车牌特征并提高识别精度。实验结果表明,该方法较传统方法识别速率平均提高约5%,识别精度平均提高约15%。     

Static hand gesture recognition using neural networks

This paper presents a novel technique for hand gesture recognition through human–computer interaction based on shape analysis. The main objective of this effort is to explore the utility of a neural network-based approach to the recognition of the hand gestures. A unique multi-layer perception of neural network is built for classification by using back-propagation learning algorithm. The goal of static hand gesture recognition is to classify the given hand gesture data represented by some features into some predefined finite number of gesture classes. The proposed system presents a recognition algorithm to recognize a set of six specific static hand gestures, namely: Open, Close, Cut, Paste, Maximize, and Minimize. The hand gesture image is passed through three stages, preprocessing, feature extraction, and classification. In preprocessing stage some operations are applied to extract the hand gesture from its background and prepare the hand gesture image for the feature extraction stage. In the first method, the hand contour is used as a feature which treats scaling and translation of problems (in some cases). The complex moment algorithm is, however, used to describe the hand gesture and treat the rotation problem in addition to the scaling and translation. The algorithm used in a multi-layer neural network classifier which uses back-propagation learning algorithm. The results show that the first method has a performance of 70.83% recognition, while the second method, proposed in this article, has a better performance of 86.38% recognition rate.     

非线性迭代PLS信息模式识别算法

对偏最小二乘(PLS)回归的基本方法进行了分析研究,提出了基于非线性迭代偏最小二乘(NIPLS)的信息模式识别算法。该算法实现了模式识别中特征提取与分类器设计的有机结合。NIPLS较Fisher判别分析、Bayes判别分析等经典的模式识别算法,具有更强的信息识别能力,且对数据本身的分布要求不高,尤其对于多重共线性资料或解释变量多而样本数量少时更为有效。将该算法应用于土地质量的分类识别,结果表明,该文所建立的算法是有效的、可靠的。     

基于多帧杆号字符识别的接触网检测系统

针对传统电气化铁路接触网检测在稳定性和准确性方面的不足,提出了以自动 识别的杆号作为接触网杆定位和图像索引检测依据的接触网自动检测系统。该系统介绍了多帧图像杆号识别过程,比较了形状上下文（Shape context,SC）算法、角点典型形状上下文特征（Corner representative shape context,CRSC ）算法和重心形状上下文（Center shape context,CSC）算法,确定了将 CSC算法作为杆号识别的算法。实验结果表明,该算法具有实时性好、可靠性高等优点,能够满足时速300 km左 右的接触网实时检测要求,为电气化铁路定位检测提供了一种稳定性好、检测速度快的方法。     

融合注意力机制的轻量级戴口罩人脸识别算法

COVID-19的全球化大流行使得佩戴口罩出行成为人们生活中的常态,这种防疫措施给人脸识别算法带来了新的挑战。针对这一问题,提出了一种口罩遮挡下的轻量级人脸识别算法,该算法改进GhostNet为主干特征提取网络;提出了融合空间注意力机制的FocusNet特征加强提取网络,使模型聚焦于未被口罩遮挡的上半脸区域;针对当前口罩遮挡人脸数据集不充分的问题,提出了一种采用三维人脸网络生成添加口罩遮挡的数据增强方法。实验表明,所提出的改进模型与基准模型相比,模型参数量降低84%的同时,戴口罩人脸的识别率提升4.29个百分点,较好地平衡了速度与精度。     

强光干扰下的火焰前景提取技术研究

火焰前景提取是视频型火灾检测算法的重要步骤,也是后续火焰特征识别算法的基础。针对现有火焰前景提取算法在强光干扰下或在背景与火焰颜色相近时无法正确提取火焰前景的问题,提出一种新的火焰前景提取算法。首先通过计算瞬时运动区域和火焰颜色区域来确定初级疑似火焰区域;然后对初级疑似区域和非疑似区域制定不同的背景建模策略来得到运动前景;最后由运动区域和高亮区域得到最终的火焰前景。与4种已有的火焰前景提取算法的对比实验表明,该算法在复杂背景下的火焰前景提取准确率为96.2%,远高于现有算法;能适应不同类型的复杂背景,并且满足实时性要求。