改进的LBP算法在管制员疲劳识别中应用

为了更好地识别空中交通管制员疲劳状态下的面部特征,针对由于局部二值化模式(LBP)算法识别率低和易受外部环境变化等影响,深入研究了LBP算子、直方图特征提取对传统LBP算法改进.并结合了LIOP编码方法,进一步提出了增强局部量化模式(ELQP)算法.结果表明,改进后的LBP算法在管制员疲劳面部识别中具有更高的识别率和较强的鲁棒性.     

基于视频的变电站内红马甲检测系统的实现

为了提高变电站内的安全管理，设计了一个由粗略到精细的站内工作人员是否穿戴红马甲的检测方法。在检测过程中，依据穿戴红马甲的主体为人的特性，先对变电站的视频资料进行行人检测，然后再根据红马甲的颜色特性，检测出该行人目标是否穿戴了红马甲，若没有穿戴，则系统自动对监控人员提出预警。     

基于粒子群优化算法和UniformLBP特征的分块跟踪

针对鲁棒分块跟踪采用穷举的搜索策略以及对光照敏感等问题,提出了一种基于粒子群优化算法和Uniform LBP特征的分块跟踪方法。利用统一的局部二值模式(Uniform Local Binary Pattern)特征对光照的不变性以及计算效率高的特点,在原鲁棒分块跟踪方法以灰度积分直方图作为特征的基础上,添加了Uniform LBP特征;利用粒子群优化算法具有精度高,收敛快的特点,将PSO算法运用到对候选目标的搜索中。实验结果表明,在不降低算法运行速度的情况下,以及光照变化较大,短时间目标完全遮挡的跟踪环境下,该算法鲁棒性显著增强。     

基于RILBP-GLCM算法的煤岩显微组分识别

提出了1种针对煤岩显微组分的RILBP-GLGM纹理特征提取算法。利用RILBP算子获取原图像的RILBP图谱,获取该图谱的灰度共生矩阵,提取4个方向上的能量、熵、惯性矩、相关性特征构成图像纹理特征,利用多分类支持向量机对图像纹理特征进行训练和分类。结果表明,基于RILBP-GLCM算法的煤岩显微组分纹理特征分类是有效的。     

基于LBP的人脸识别

本文首次提出应用局部二值模式(LBP)算法来预测人脸旋转姿态。首先建立平均人脸的特征直方图模型(正面人脸特征直方图、左转人脸特征直方图和右转人脸特征直方图),然后通过比较测试人脸特征直方图与平均人脸特征直方图的距离来预测人脸旋转类型。实验结果表明本文方法可以有效的预测人脸姿态。     

融合纹理信息的均值偏移跟踪算法

针对采用单一颜色特征对目标进行跟踪鲁棒性不高的问题,采用了颜色特征和纹理特征两种特征相结合来描述目标的方法,进而把融合后的特征应用到均值偏移跟踪框架中,有效的避免了单一颜色特征在光照变化和背景相似情况下的不稳定问题。实验结果表明该算法提取的目标特征具有较强的鲁棒性,能实现复杂场景下的目标跟踪。     

基于鲁棒稀疏表示的人脸识别算法

提出了一种基于LBP算子和鲁棒稀疏表示的人脸识别方法。首先,提取训练样本和测试样本的LBP特征。其次,在原有稀疏表示分类器(SRC)的基础上添加一个权值矩阵W来解决l1正则化最小二乘问题。最后,利用鲁棒稀疏表示分类器(RSRC)分类测试人脸图像所属类别。在ATT人脸库上进行实验的结果表明,此方法是优于其他经典算法的。     

基于融合DCT和LBP特征提取的面部表情识别

针对离散余弦变换(DCT)只能提取面部表情图像的全局特征,而忽略了临近像素之间的关系、不能提取纹理特征信息、不能准确区分相似表情等问题,提出一种融合离散余弦变换方法和局部二值模式(LBP)特征的表情特征提取方法。该方法首先将人脸图像经过DCT获得的低频系数作为表情的全局特征;然后用LBP对贡献率较大的嘴部、眼睛区域进行局部纹理特征提取,通过将LBP提取到的局部纹理特征与DCT提取到的全局特征进行融合,从而得到更有效的表情特征;最后利用支持向量机(SVM)进行识别。实验结果表明:该方法比单独使用DCT方法提取的表情特征更有利于识别,提高了表情识别的准确性,并将这个表情识别方法用于智能轮椅的控制上,收到了良好的效果。     

基于凹凸局部二值模式的纹理图像分类

针对传统局部二值模式(LBP)及其扩展方法往往会将具有不同视觉特征的局部邻域赋予相同二值模式值的问题,提出了一种新的凹-凸LBP划分方法。首先通过选择最优参数将具有相同二值模式值的邻域划分为凹凸两类,然后分别统计每类特征并组合在一起进行纹理分类。为验证新方法的性能,实验采用3个在纹理分析领域广泛应用的图像库进行分类实验,结果表明,本文方法明显提高了传统LBP方法的分辨能力。