基于图像边缘小波矩和支持向量机的目标识别

小波矩结合了矩特征和小波特征,既反映了图像的全局性信息,又反映了图像的局域性信息,并且具有旋转、平移和缩放不变性.利用小波矩与支持向量机进行目标识别,不但解决了图像识别中特征量随图像旋转、平移和缩放而变化的问题,而且提高了对近似物体的识别能力,是解决小样本、近似图像识别的有效方法.     

基于粒子滤波和在线训练支持向量机的目标跟踪新方法

序列图像中运动目标跟踪的有效性和鲁棒性是一个非常富有挑战性的课题。为提高在运动背景条件下视觉目标跟踪的性能,克服复杂环境对跟踪算法准确性的影响,提出了一种基于粒子滤波和在线训练支持向量机的目标跟踪新方法。从目标的特征描述和提取着手,引入了积分直方图快速提取特征的方法,加快粒子滤波器运行速度,满足一定的实时性要求。同时,分析了运动背景条件下具有代表性的跟踪算法的本质和特性,结合目标识别创新性地提出在线训练支持向量机的方法,通过在线识别信息和跟踪信息的融合保证算法具备较强的鲁棒性。实验结果表明,该算法能有效的解决动态背景条件下遮挡、光照变化和运动模糊等复杂情况下,对目标进行准确、有效、近乎实时的跟踪。     

基于支持向量机的水中目标识别

本文阐述了有关统计学习理论和支持向量机算法,提出了基于支持向量机的水中目标识别方法.该方法与传统方法相比,克服了后者固有的模型选择与过学习问题、非线性与维数灾难问题、局部极小问题.最后进行了水中目标的对比识别实验,实验结果说明,相对于近邻法和神经网络法,支持向量机算法对水中目标有更高的识别性能.     

基于支持向量机集成的水下目标自动识别系统

针对水下目标信号复杂、样本获取难度大、样本数目偏少的问题,提出了多类支持向量机集成算法,并且以此算法为核心构建了水下目标自动识别系统.通过对4类实测水下目标的识别实验,证明了所提出的水下目标自动识别系统可以用于水下目标识别,并且具有很好的推广能力.     

基于支持向量机的目标跟踪研究

把目标跟踪看作为目标和背景在时序上的分类问题来进行处理,选择支持向量机作为分类器,完成相应的目标跟踪任务。在跟踪过程中,采用扰动前景区域和按步长抽取背景的方法得到数量相当的正负样本;建立图像的积分直方图索引,通过索引之间的加减快速获取区域边缘和纹理特征向量;将新样本集合与前期获取的支持向量混合起来一并训练,实现分类器的在线更新。用经典图像序列进行实验,实验结果表明,该算法具有良好的跟踪效果。     

支持向量机及其在目标识别中的应用

本文对基于统计学习理论的支持向量机学习方法进行了综述,并着重讨论了支持向量机在目标识别中的应用前景.     

加权间隔结构化支持向量机目标跟踪算法

目的 目标在跟踪过程中,各种因素的干扰使得跟踪结果存在不确定性。因此,将跟踪过程中所提取样本的可靠性融入跟踪模型中,有助于克服低可靠性样本对跟踪算法的影响。为此,基于最近的结构化支持向量机（SSVM）跟踪算法,提出一种包含样本置信度的加权间隔结构化支持向量机跟踪模型（WMSSVM）,以增强SSVM跟踪算法性能。方法 首先,基于打分和位置重合率估计样本可靠性;其次,建立WMSSVM模型处理具有不同置信度的跟踪样本训练问题,并采用对偶坐标下降优化算法求解跟踪模型。结果 在包含100个视频的OTB100跟踪数据集上进行测试,提出的WMSSVM跟踪器与基准跟踪器Scale-DLSSVM相比,在精准度和成功率两个指标上分别提高了1%和2%。与最近的跟踪算法相比,提出的方法也表现出更好的性能。结论 本文首次将样本的可靠性融入结构化支持向量机跟踪模型,并提出一种基于加权间隔的结构化支持向量机跟踪模型及其优化求解方法,在包含100个视频序列的跟踪数据集上验证了提出方法的有效性,本文提出的算法能够适应复杂场景下的跟踪任务,并在背景混杂、目标形变、遮挡、运动模糊、目标出界、快速位移等类别的视频中表现出优异的性能。     

多支持向量机在线联合的运动目标跟踪算法

依据二元分类的思想,提出了一种新的基于多支持向量机在线联合的运动目标跟踪算法。首先选择线性支持向量机作为分类器最大限度地将目标和背景区分开来,对线性支持向量机进行简单高效的在线更新,采用支持向量自动记录运动目标 “关键帧”的信息。然后通过Adaboost算法为每个线性支持向量机分别赋以不同的权重,进行在线联合获得强分类器。实验结果表明,该算法具有较强的鲁棒性,尤其在目标变化过于激烈的情况下能够实现较为稳定的跟踪。     

基于数据挖掘技术与支持向量机的目标识别研究

提出了基于数据挖掘技术及基于支持向量机的两种水中目标识别方法,分别藉助目标噪声特征量提取和模式识别算法以及支持向量及二次规划算法,对比性地研究了不同工况下三类目标的分类识别效果。其方法和结果对水中目标识别有较好的参考价值。     

基于改进支持向量机方法的影像分类和目标识别研究

利用卫星遥感影像进行土地利用变化监测的关键技术是影像分类与目标识别。本文提出了支持向量机的改进算法,基于小波核函数构建了小波模糊支持向量机。通过项目"集成卫星遥感与地形地籍数据进行土地利用变化检测"的研究和实验,力求在创新处理算法上取得突破,提高重点目标识别的准确性、可靠性。     

基于改进AdaBoost算法的人耳检测与跟踪

人耳检测是人耳识别系统的第一个环节。在比较已有的人耳检测方法的基础上,介绍了一种复杂背景下的快速人耳检测与跟踪的方法。该方法主要分为两个阶段,离线级联分类器训练阶段和在线检测阶段。在离线训练阶段,首先结合人耳轮廓清晰,凹凸有致的特点,采用扩充后的haar-like型特征,依最近邻法则构造出弱分类器空间,然后根据经验选择GAB算法训练出强分类器,最后将多个强分类器级联成多层人耳检测器。在线检测阶段,为提高检测率,本文采用了调整分类器阈值和缩放检测子窗口的策略。最终检测器在CAS-PEAL人脸库上测试,检测率达到98%以上;在PⅣ1.7GHz的PC上对普通CMOS摄像头输入的320×240dp i视频进行人耳跟踪,速度可达6~7 fps。实验结果表明,本文的人耳检测方法具有较好的实时性和一定的鲁棒性。     

基于帧间差分法和 AdaBoost 算法的人脸跟踪

对于人脸在复杂背景下的检测与跟踪问题,采用帧间差分法和形态学分割出运动区域,再使用 AdaBoost 级联分类器对运动区域扫描,以精确定位人脸。人脸检测成功后,通过保留和及时更新地成功检测到人脸的区域,使得当人脸运动较慢时候,或人脸静止时仍然能检测跟踪成功,利用 OpenCV 开源库和 Visual Studio 2005进行仿真,实验结果表明,在复杂的背景下,无论在人体处于移动正常、缓慢或静止的情况下,该方法都能实现单人脸检测跟踪,且跟踪速度较快。     

基于SVM和AdaBoost的红外目标跟踪

为了提高目标跟踪的鲁棒性,提出了一种新的用于红外目标跟踪的DABSVT算法。该算法首先把目标跟踪转化为目标和背景的两类分类问题,然后将根据每一帧的正负样本训练的支持向量机(SVM)作为分量分类器,并通过恰当的参数调整策略,利用AdaBoost算法把这些分量分类器组合成一个总体分类器;接着利用该总体分类器来区分下一帧中的目标和背景,并得到置信图;最后通过均值漂移算法找到置信图的峰值,得到目标的新位置。该新位置不仅与目标和背景的变化相适应,而且分量分类器可以随时加入或丢掉。实验结果显示,该方法是鲁棒的。     

基于SVM和AdaBoost的人脸检测算法

提出了一种结合SVM和AdaBoost的人脸检测算法。该算法首先根据训练样本中的人脸和非人脸区域训练作为分量分类器的支持向量机（SVM）,然后通过AdaBoost算法把这些训练好的分量分类器组合成一个总体分类器;再利用该总体分类器来区分测试样本中的人脸和非人脸区域。实验结果表明,该算法不但提高了识别的正确率,而且大大提高了检测速度。     

基于AdaBoost分类器的车牌字符识别算法研究

提出了一种基于模板匹配的改进AdaBoost算法的字符识别方法。针对AdaBoost算法的退化现象，根据样本在权重上的分布情况，对权重进行适当的调整，较好地解决了经典AdaBoost算法中存在的退化现象：最后给出了实验结果及实现方案。     

基于支持向量机的AdaBoost人脸检测方法

人脸的检测与识别技术因其巨大的应用价值及市场潜力,引起各方面的关注,已经成为计算机视觉领域的研究热点.介绍了一种基于支持向量机(SVM)的AdaBoost人脸检测方法.与原有的AdaBoost算法相比,AdaBoostSVM算法通过设置核参数σ的最小值,并自适应地调整σ值来解决AdaBoost算法分类器训练中的过学习问题.该方法降低了复杂性,增强了推广性.实验结果证明,对于人脸模型具有较好的检测效果,并且比单纯运用AdaBooet算法具有更高的正确检测率.     

基于AdaBoost算法与肤色模型的多姿态人脸检测

针对AdaBoost算法对多姿态人脸检测效果不理想和肤色模型对复杂背景下的图像误检率高的问题,本文将基于肤色的人脸检测与基于AdaBoost算法的人脸检测结合,提出一种由偏到正的检测方法.主要是通过旋转图片,使人脸分类器不会因为角度问题产生漏检,然后根据分类器检测出的两眼,计算两眼之间的位置关系,判断人脸是否处于正面位...     

基于自举算法和支持向量机的人脸检测系统

针对复杂背景下的灰度图像人脸检测存在计算量大且负检率高等问题,提出了一种有较好可用性的层级递进的人脸检测系统。系统第一部分采用扩展的Haar型特征并结合自举算法,使其分类性能要优于原始的Haar型特征。在系统的第二部分,采用从粗到细的视觉处理逻辑对图像采样,并提出了正面直立人脸的像素值的置信度的概念,且以支持向量机作为学习算法,使系统具有良好的检测性能。该系统在实际应用图像的测试中取得良好效果,具有可用性。