基于特征步态的身份识别方法

本文提出了一种有效实用的基于步态的身份识别方法。通过提取目标行走的差分步态图像,将目标运动过程的动态信息转化为二维平面中的静态信息,利用K-L变换进行特征提取,使用标准的分类器进行分类。在中科院自动化所提供的NLPR数据库上做了大量的仿真实验,验证识别性能。     

一种基于Gabor变换的HRRP目标识别方法

从模式分类角度讨论了基于高分辨距离像的舰船目标识别问题,提出了一种基于Gabor变换的HRRP目标识别方法。通过对数据进行Gabor变换去除噪声,利用基于小波包分解能量的方法得到信号在不同频带的能量分布特性,最终通过支持向量机进行识别。通过对6类目标实测数据的分析,验证结果表明,该方法在舰船目标识别领域具有良好的应用前景。     

基于加强步态能量图在非规范视角的步态识别研究

提出了一种基于加强步态能量图的非规范视角步态识别方法,解决了非规范视角下步态识别难题。视角转换方法将视角统一,采用背景减除法提取人体轮廓,引入步态周期检测方法确定步态周期,根据人体骨架参数模型得到加强步态能量图（E-GEI）,最后运用2DPCA方法提取特征向量,并采用最近邻域法分类。实验结果表明：E-GEI在各个视角下比普通的GEI在识别效果要更好。     

基于步态能量图的隐马尔可夫模型身份识别

提出一种基于步态能量图的隐马尔可夫模型身份识别算法.首先预处理提取出运动人体的侧面轮廓,根据步态下肢的摆动距离计算出步态周期,得到平均步态能量图.对能量图用K-均值聚类的方法生成观察向量,进行一维离散隐马尔可夫模型训练,用训练好的模型参数进行身份识别.最后在CASIA步态数据库上对所提出的算法进行实验.实验表明该方法具有较好的识别性能.     

基于动态二维图像序列的三维步态识别方法探究

随着计算机技术与视觉识别技术的发展,对于人体形态的检测成为了一些重要场所的需求.本文主要就三维步态特征的提取、步态识别过程的分析两个方面的内容进行分析.     

基于Gabor小波的人脸检测识别方法研究

本文提出了一种基于Gabor小波的人脸检测识别方法。论述了人脸及其检测识别方法的基本理论和概念。该方法通过对图像中人脸肤色分割窗口,消除大量无用的背景区域,利用Gabor滤波对人脸肤色区域筛选、过滤、运算和进一步校验后得到人脸的特征向量。仿真实验表明,该方法在不影响精度的情况下能有效提高人脸检测识别速度。     

基于矩和Gabor变换的手写体汉字识别方法

特征提取是手写体汉字识别的一个研究难点。本文提出了一种基于特征融合的新提取方法,即将Gabor变换和正交矩变换结合起来,用正交Zernike矩提取全局特征,用Gabor变换提取局部特征,然后使用主成分分析的方法进行特征压缩。由此得到的特征向量能从整体上和局部上反映汉字的特征。实验证明该方法是行之有效的。     

基于Log Gabor小波相位一致不变量的目标识别

给出了一种基于Log Gabor小波的相位一致（PC）不变量的神经网络目标识别方法。针对Gabor小波存在的问题，分析了LogGabor小波优于Gabor小波的性能，给出了TPC不变量的定义，探讨了低层次图像不变量特征，运用LogGabor小波PC特征不变量公式进行了修正，提取了目标图像边缘特征。利用该方法进行了神经网络目标识别实验，仿真结果表明，该方法能够很好识别图像目标，识别率达到97％。     

基于联合损失函数的多视角步态识别方法研究

视频侦查技术逐步成为侦查办案的重要手段,步态识别技术在视频侦查工作中有良好的应用前景;现阶段跨视角的步态识别技术在公开数据集CASIA-B的正常行走条件下,识别正确率已经达到了 95％,但是在穿外套和携带包裹等有遮挡行走条件下的识别正确率不高.本文通过采用Triplet与Softmax两个损失函数相结合的方法,联合优化...     

远距离复杂背景鲁棒的步态特征提取与表示方法

远距离复杂背景下步态图像通常受到噪声的影响很大。Gabor特征在此类步态识别中显示了良好的特性,然而一些基于Gabor特征的算法使用较多的模板从而导致计算量增大。为解决这个问题,本文提出了一种新的基于改进Gabor特征的步态特征提取与表示方法。首先突出步态能量图中的有效区域,并抑制易受噪声干扰的区域。然后构造一个同时具有两个方向互补特性的基本的滤波器,经过缩放和旋转,生成一系列滤波器。使用这些滤波器对改进的步态能量图以及步态差异图像进行卷积,得到两个特征向量集合以表示此步态对象。使用最近邻分类计算出本文方法在USF步态数据库上的识别率,与相关算法的比较证实了此步态特征提取与表示方法的有效性。对算法的计算量分析表明,本文算法所需的计算量比相关算法有较大降低。      

基于非线性流形学习的ISAR目标识别研究

详细分析了逆合成孔径雷达（Inverse Synthetic Aperture Radar, ISAR）二维像的非线性流形结构特点,指出ISAR二维像可以看作是由位置、姿态和尺度等内在参数共同作用而张成的一个在高维图像空间中的非线性流形。在此基础上,论文将非线性流形学习的思想引入到ISAR目标识别领域,提出了一种基于局部保持投影（Locality Preserving Projections, LPP）算法和k近邻分类器的ISAR二维像特征提取和目标识别方法。该方法首先利用LPP算法对维数较高的ISAR二维像进行降维,然后采用具有拒识功能的k近邻分类器对四类飞机目标进行了分类识别。仿真实验结果表明,LPP算法能够发现嵌入在高维ISAR图像空间中的低维非线性流形,并且能够利用LPP算法降维后的特征获得较高的识别率。     

基于Gabor和核监督局部保持投影的单样本人脸识别算法

针对目前主流人脸识别算法,在单样本条件下,当性能严重下降根本无法工作时,提出了一种结合Gabor和核监督局部保持投影的单样本人脸识别算法.选取数据库中中性表情的近正面人脸图像作为训练样本,通过几何变换产生15幅虚拟样本,对每幅样本图像提取Gabor特征,采用核监督局部保持投影方法进行特征提取,欧氏距离最近邻分类器进行分类.根据ORL数据库、Yale数据库和FERET数据库上的实验结果表明,核监督局部保持投影(GKSLPP)算法具有较好的识别效果.     

一种改进的步态识别方法

行走方向问题已经成为当今步态识别领域极富挑战性的课题.针对该问题,提出考虑到行走方向的步态识别算法,运用了全新的思路计算行走角度(DOW算法),并根据人体运动学模型和行走方向信息提取关键特征,引入了同时考虑到多类支持向量机算法和线性规划方法的lp-mc-sv算法识别,并对实验结果进行了分析.将本文算法应用于实际人体行走图像序列,获得了较为理想的识别率(80%).     

基于稀疏流形学习的SAR图像识别

 稀疏性是SAR图像的一个显著特征,而且SAR图像存储模式的维数很高,要对其进行识别存在很多困难.为了解决上述问题,提出一种基于稀疏流形学习的SAR图像识别方法.首先进行图像增强,以保持目标的边缘结构信息;其次利用样本协方差矩阵的谱范数确定能得出数据低维流形的最少数据点数;再利用拉普拉斯特征值映射(LE)的核化方法计算样本外点的低维嵌入;最后采用KNR分类器进行识别.MSTAR仿真实验证明了其可行性,并与其它识别方法进行比较,验证了其优越性.     

基于局部保持投影的M-QAM调制信号识别

针对基于统计的QAM信号识别算法,忽略了信号的局部特性,导致算法性能不好等问题,提出了一种基于流形学习的16QAM、32QAM、64QAM信号识别算法。该算法利用高阶累计量特征描述信号,在此基础上利用邻接图描述特征的内在几何属性,较好地刻画了数据的相似性几何属性,最后利用最近邻分类器算法进行分类。实验结果表明,该算法具有好的识别率,尤其在低信噪比下,算法性能比较突出。     

基于瞬时步态能量图的远距离身份识别

提出了一种基于瞬时步态能量图的远距离身份识别算法.首先根据摆动距离计算出步态周期,并指定步态周期中的关键时刻.步态序列中一个关键时刻的所有侧面轮廓图的平均值构成一个平均瞬时图.一个关键时刻的瞬时步态能量图的计算利用了当前关键时刻以及其他关键时刻的平均瞬时图.提高了每个关键时刻侧面轮廓图像的质量,并比单纯使用步态能量图的方式增加了步态的运动信息.随后计算出所有关键时刻侧面轮廓图相对于瞬时步态能量图的偏移的累积图像,与步态能量图共同作为描述一个对象的特征向量.最后,使用最近邻算法进行步态特征分类.在USF步态数据库上对该算法进行实验,并与基线算法以及另外两个新的步态识别算法进行比较,结果显示该算法达到了更高的总体识别率.     

一种基于关节角度的步态识别新方法

基于行走运动的关节角度变化包含更丰富的个体识别信息的观点,提出利用下肢关节角度进行步态识别的新方法。依据人体解剖学的先验知识,通过对下肢运动分析定位盆骨、左右膝、左右踝关节点,提取相邻关节点连线与竖直线的夹角作为运动关节角度。识别时,考虑到NN,KNN等传统步态分类器分类能力较弱的缺点,采用针对小样本问题具有很好分类效果的支持向量机对步态特征向量进行分类。CASIA步态数据库上的仿真结果证明该方法具有较高的识别性能。     

基于Gabor滤波器和ICA技术的SAR目标识别算法

提出了一种基于Gabor滤波器和独立分量分析(ICA)技术对合成孔径雷达(SAR)目标识别的算法.该方法提取预处理后SAR图像的低频子带图像,利用Gabor滤波器组对该低频子带图像在不同方向和尺度上滤波,再用主成分分析(PCA)+ICA方法对Gabor滤波后图像提取有效特征向量作为目标识别特征,最后用支持向量机(SVM)对该特征进行分类完成目标识别.使用MSTAR数据库中3类SAR目标数据对该方法进行目标识别的仿真实验,平均识别率最高可达96.56%.通过与其他识别方法对比实验,验证了文中方法的有效性.     

一种基于流形学习的手写体数字识别

针对手写字符识别中由于书写习惯和风格不同造成字符模式不稳定的问题,提出了一种基于流形学习的手写体数字识别方法。算法首先利用局部线性嵌入（LLE）对手写体数字图像进行字符特征的降维,然后再对降维后的特征进行分类识别。通过对MINST库中手写体数字数据库上的实验结果表明,利用LLE降维后的特征能够有效地区分字符,识别率达到91．7％,并能够发现高维空间的低维嵌入流形。