基于双卷积神经网络的人眼状态和眨眼识别算法研究

针对现有人眼状态及定位算法存在的环境适应性及背景干扰等问题,提出了一种可用于智能激光眩目器控制系统的双卷积神经网络算法。该算法首先使用MTCNN方法检测眼睛轮廓并提取眼部二级制掩膜;然后,将其送入由两个LeNet-5网络并联组成的双输入单输出结构的模型来预测眼睛的开闭状态;最后,通过建立有限状态机实现眨眼检测。在Blinks和近红外数据集上的实验结果表明,该算法眨眼识别准确率和等效误差率比现有主流算法分别提高3.2%和3.86%,且具有更强的环境适应能力。     

基于深度特征和Adaboost的机场跑道异物识别算法

针对机场跑道深度图像,研究并提出了基于深度特征和Adaboost的机场跑道异物识别算法。文中采用分水岭分割方法将可疑的异物区域分割出来。然后在提取深度特征的基础上,采用Adaboost分类器实现异物识别。实验结果表明该算法能够准确地完成机场跑道的异物识别。     

基于正则化Adaboost的红外目标识别

对于高维特征空间的分类,Adaboost算法是一种有效的分类算法.然而,如果把Adaboost算法直接运用到红外目标的识别,就会面临高噪声下的Adaboost过拟合问题.采用正则化后的Adaboost算法,即AdaboostKL算法作为分类算法的学习模型,以NaiveBayes作为弱学习器,提出了基于正则化Adaboost的红外目标识别算法.正则化的目的是为避免在红外图像特征高噪声下分类器的过拟合,改善了在高噪声数据下目标识别的可靠性.在求取Adaboost的权重分布时,采用的是熵正则化的方法.通过实验,验证了此算法,则即使面对高噪声的红外数据,也能获得较好的识别效果.     

面向渐冻人设计的有意识地眨眼交互系统

渐冻症患者随着病情的发展会逐渐丧失语言功能,无法通过语言表达内心需求,造成较大的心理压力,为了帮助渐冻人能够轻松地与外界交流,本文为渐冻人设计了一种人机交互系统.由于患者会逐渐丧失行动能力,本文设计了眨眼识别算法,该识别算法能够识别出眨眼的面部动作,并且区分接收到的眨眼信号是否为患者有意识地眨眼.交互系统配以图形界面,...     

基于SSD的眨眼与打哈欠检测

提出了一种新的基于SSD网络的眨眼与打哈欠检测.首先,对原SSD架构进行四个方面的修改.第一,主干网用MobileNetV3替换了VGG,使得架构尺寸缩减三分之一.第二,重新设计了输出检测器,实现了目标检测与分类、目标定位与高宽比回归多任务的融合.第三,网络直接回归高宽比,比传统的从关键点离线计算高宽比的方法鲁棒性要高...     

基于卷积神经网络的藏文手写数字识别

藏文字处理和藏文数字自动识别等对藏文信息处理技术的潜在需求越来越高,目前已经成为藏区重要的研究课题之一。文中首先采集并构建藏文手写数字数据共15 000个样本,其中13 000个样本为训练数据,2 000个样本为测试数据,并对其进行预处理,后采用卷积神经网络(CNN)模型对藏文手写数字样本进行训练。经实验验证在测试集上的识别正确率达97.85%。     

汉字串的模糊匹配算法

目前手写文稿的处理由于存在分割和识别的困难，很难达到实用的阶段。文章提出的算法是针对手写文稿的处理在信封检索系统中的具体应用而提出的，在假定信封地址行分割、识别有错误的前提下，从信封地址中识别出感兴趣的字符串。试验表明：运用该算法的系统，其检出率达到95％，误检率只有15％，取得了良好的效果。     

基于BP网络的手写体数字识别方法

手写体数字识别是一个难度很大,但却具有广阔的应用前景的研究课题.本文主要研究了一种基于BP网络的手写体数字识别方法.这种方法先对数字字符进行分割、细化等预处理,生成数字样本.然后,使用大量数字样本对BP网络进行训练.最后,使用训练好的BP网络识别数字样本.经过测试,在对600个未经训练的字符样本的识别中,数字识别率可以达到95%以上.     

基于半监督联合神经网络的调制识别算法

针对基于有监督学习通信信号分类算法需要大量有标签训练样本,而在实际场合大多无法满足数量要求的问题,提出利用数据驱动模型的半监督学习方法,通过对比预测编码无监督算法预训练和有监督学习相结合,利用LSTM (long short term memory)和ResNet (residual network)联合神经网络实现小样本自动提取特征,提高小样本条件下信号识别准确率。在真实通信调制信号集上实验表明,半监督联合神经网络结构较以往方法,识别准确率提升3%～20%,小样本条件下性能提高60%,同时在低信噪比条件下识别能力突出,0 dB时对11种调制信号平均识别正确率达到92%,具有明显优势。     

基于i-vector说话人识别算法中训练时长研究

为了进一步提升i-vector说话人识别模型的系统性能,探讨了基于i-vector的说话人识别系统中训练时长、男女比例和高斯混合度对系统识别性能的影响。针对训练时长、男女比例和高斯混合度设置了一组实验,结合目前最流行的语音识别工具Kaldi进行验证,得出i-vector说话人识别算法的最佳参数,为以后的基于i-vector说话人识别算法研究提供数据依据。     

结合Gabor特征与Adaboost的人脸表情识别

通过提取人脸图像的Gabor特征，结合Adaboost，进行人脸表情识别（FER）。针对Gabor特征维数高、冗余大的特点，引入Adaboost算法进行特征选择降低特征向量的维数。然后再以支持向量机（SVM）和最近邻分类法相结合组成分类器进行分类。该方法综合运用了Gabor特征对于人脸表情的良好表征能力、Adaboost算法的强大特征选择能力以及SVM在处理少样本、高维数问题中的优势。在JAFFE库上进行测试的结果验证了该法的有效性。从Adaboost所选择的特征集可知，在眼和嘴区域提取的特征，对于FER是最为重要的。     

疲劳驾驶监控中的眼睛状态识别方法

介绍了一种对驾驶员眼睛状态进行准确识别的技术方法,先检测出人脸上半部区域,再采用AdaBoost算法检测出驾驶员正常睁开的眼睛,然后制成眉毛与眼睛组合在一起的睁眼状态模板.与未检测到眼睛的人脸上半部区域进行匹配,当该区域内的最大相似度值小于某设定阈值时认为眼睛是睁得很小或闭合状态,否则认为眼睛睁得正常.采用此方法可快速有效地识别出驾驶员的疲劳状态,并应用于驾驶状态的实时监控.     

基于DM6437的人眼检测算法的设计与实现

采用Adaboost人脸检测算法,对输入样本进行Haar特征提取,从中选择出甄别效率最高的Haar特征,然后将训练得到的Haar特征转换为弱分类器,进一步将弱分类器组合成强分类器,通过肤色确定候选点,然后用强分类器进行人脸的检测,进一步利用混合投影峰分析检测人眼的位置。通过C++实现了该算法,完成了人脸检测算法的DSP程序移植。实验结果表明,该DSP系统可以有效的实现人眼检测。     

基于GLCM、CGA和Adaboost的人脸表情识别方法研究

提出基于灰度共生矩阵(GLCM)和混沌遗传优化算法(CGA)的人脸表情识别方法(FER)。为了消除遗传算法中个体在解空间内分布的不均匀性,利用混沌的随机性、遍历性和规律性,将混沌引入到遗传算法中,由此得到了混沌遗传优化算法(CGA);通过灰度共生矩阵提取出的特征和改进后的混沌遗传优化算法,将人脸表情识别的寻找感兴趣区域(ROI)和特征提取结合成一步;利用Adaboost算法进行图像分类。经过理论和实验证明,该方法实现简单、切实可行。     

基于HMM模型的驾驶员换道行为识别分析

针对行车安全以汽车电子判断驾驶员驾驶方法是否会产生交通事故问题,文中采用隐马尔科夫模型的建立与应用,对驾驶员变换车道行为进行了分析,并利用向前-向后算法解决模型估算问题。通过应用Matlab工具箱进行模型参数集的训练,验证了该模型的有效性。     

基于3G视频的驾驶员疲劳状态检测方法

疲劳驾驶已成为交通事故发生的主要原因之一。文中提出了一种基于3G视频的人眼疲劳检测方法。通过DirectShow技术对视频流抓取视频帧,采用肤色聚性特征进行人脸定位,基于灰度信息进行人眼定位与追踪,并采用Perclos方法进行疲劳判断。通过此方法,可以及时了解驾驶者的疲劳状态,有效预防疲劳驾驶。     

基于DriverWorks工具的USB驱动程序的开发

文章介绍TUSB接口,以及由WDM驱动程序的开发而进一步阐述了作为WDM模式中即插即用USB设备的驱动程序开发.概述了Compuware公司的DriverStudio工具包,具体介绍了其中的驱动程序开发工具DriverWorks工具的安装、调试和驱动程序开发过程中针对USB设备开发的设置和使用.     

一种基于改进Adaboost的人体检测算法

本文采用改进的Adaboost算法对静态图像中人体进行检测。针对传统算法中训练速度较慢,并且存在风险敏感的问题。本文提出一种快速特征选择算法,通过构造统计表,保存特征信息,避免每轮弱分类器训练时对所有特征重新计算分类误差;并结合fisher判别分析对选出的弱分类器进行训练,学习得到一个新的线性判别方程,最大化不同类别数据之间的可分离性,达到优化强分类器降低风险敏感影响的目的。实验结果表明,相对于传统的Adaboost算法,本文给出的方法加快了特征选择的速度,并具有较好的检测性能。