排序方式: 共有51条查询结果,搜索用时 15 毫秒
1.
一种基于肤色的人脸检测与定位方法 总被引:2,自引:2,他引:2
结合肤色信息与人脸几何分布特征,提出了一种快速的基于人脸特征的检测与定位方法。在标准RGB彩色空间,通过肤色轨迹进行肤色像素与嘴唇像素提取,根据提取的肤色区域是否有嘴唇像素可初步排除一些非人脸区域;利用人眼较高的蓝色分量及瞳孔反光形成的亮斑,在标准RGB色彩空间的B分量图中通过区域增长法产生潜在眼睛区域,利用人眼与嘴唇的面部几何分布特征,提出一些新的规则判断提取的肤色区域是否为人脸,如果是人脸,则对眼睛进行定位。实验结果表明,提出的方法是健壮的、有效的。 相似文献
2.
3.
针对轮腿式壁面清洗机器人作业时对吸附力的要求以及吸附系统部分组件相对机器人本体旋转的问题,采用模块化设计方法,研究了真空耦合传递系统,分析了其构成与负压同步分配器截面形状。为满足相对机器人静止的真空发生器和转动吸盘的连接要求,根据分配头不同截面形状提出负压同步分配器3种方案,并分析了分别采用不同方案的机器人特性。研究结果为机器人在平直壁面、球形或柱形等曲面上的可靠吸附与运动提供基础和保证。 相似文献
4.
5.
脑电信号(electroencephalography,EEG)已成为医生诊断神经系统疾病最 广泛使用的工具,实现癫痫EEG的自动识别对 于癫痫患者的临床诊断和治疗具有重要意义。为了提高癫痫EEG的识别精度,提出了一 种基于多尺 度卷积特征融合的癫痫EEG自动识别模型。首先采用多尺度卷积特征融合方法提取多粒 度数据特征, 实现卷积神经网络(convolutional neural network,CNN)中不同层次的信息互补;然后经过长短期记忆网络(long short-term memory network,LSTM)提取时间 特征,利用 softmax分类器给出最终的识别结果。为了评估提出方法的识别性能,在波恩大学癫痫病研 究中心数据集 中进行实验,并与CNN-LSTM模型、单一的LSTM等模型的识别性能进行了比较,实验结果表 明,提出 方法的识别精度明显高于其余方法, 平均可达到99.19%。该模型能够 有效识别癫痫EEG类别,具有较高的识别性能和临床应用潜力。 相似文献
6.
采用高温沉降炉、结合残焦工业分析与气相色谱仪测试实验分别研究了N2,81.2%N2/18.8%CO2(体积分数)、79.4%N2/18.8%CO2/1.8%O2(体积分数)3种气氛下神木烟煤快速裂解特性。研究发现,与煤粉处于堆积态的慢速热解不同,快速热解时纯N2气氛下H2释放量明显高于另外2种气氛;而在较短停留时间0.3 s内,CH4,C2H6,C3H8等主要轻质碳氢化合物,以及C1至C6的气态碳氢化合物总释放量均以81.2%N2/18.8%CO2气氛下最高;随停留时间继续延长,纯N2气氛下C1至C6的气态碳氢化合物总释放量开始明显高于另外2种气氛。3种反应气氛下气态碳氢化合物释放量随停留时间延长均未呈现单调上升规律。 相似文献
7.
为了解决当前图像匹配算法主要是通过像素点间的距离信息来实现特征匹配,忽略了图像间的方差信息,导致匹配结果中存在较多的错误匹配等不足,本文提出了一种基于拉普拉斯特征制约与方差度量的图像匹配方法。首先,引入Harris算子,对图像特征进行粗提取,并利用像素点的拉普拉斯特征,删除伪特征点,对粗提取的图像特征进行优化,获取更为准确的图像特征。然后,依据图像的梯度特征来计算图像特征的方向信息,以此建立特征点的邻域,通过求取该范围内的Haar小波值,从而得到特征向量。采用区域方差模型对图像的方差信息实施度量,并联合特征点的欧氏距离,对特征点进行更为准确的匹配。最后,采用随机样本一致性(RANSAC)机制对特征匹配结果实施优化,剔除其中的错误匹配,从而完成图像匹配。实验结果显示:较当前较为先进的匹配算法而言,在旋转、缩放等几何变换干扰下,所提算法具备更高的匹配准确率,维持在90%以上。 相似文献
8.
9.
基于模糊算法的水下机器人路径规划研究 总被引:1,自引:0,他引:1
针对水下机器人的工作环境的复杂性与不确定性,为了提高自主式水下机器人与外部环境交互及自主航行的能力,结合视线导航原理与模糊控制算法,提出一种未知环境下水下机器人的局部路径规划策略,可实现机器人的实时避障功能。利用测距声呐、短基线系统对环境进行探测,得到一定范围内的障碍物与目标信息,通过模糊控制器实时调整水下机器人的运动偏转角度,有效地避开障碍物,达到预定目标点。最后通过MATLAB进行仿真,构建一个仿真实验平台,交互式设置障碍物的数量、大小、形状、位置等初始信息,机器人运用该算法在多障碍物、不同路障环境下,都能较好地实现机器人避障,验证了算法的有效性。 相似文献
10.
为了提高高光谱图像的分类精度,提出了一种基于多尺度卷积神经网络的高光谱图像分类算法.首先,利用等距特征映射算法处理高光谱数据,以挖掘数据的非线性特性,保持数据点的内在几何性质;然后,构建以标记像元为中心的训练图像块,训练多尺度卷积神经网络;最后,利用softmax分类器预测测试像元的标签.提出的方法在Indian Pines、University of Pavia和Salinas scene高光谱遥感数据集上进行分类实验,并与CNN、R-PCA CNN、CNN-PPF、CD-CNN等算法进行性能比较.实验结果表明,在3个数据集上提出的方法的总体识别精度分别达到98.51%、98.64%和99.39%,与CNN算法相比分别提高了约8.35%、6.37%和7.81%.本文提出的方法无论是在分类精度还是Kappa系数上都优于另外4种方法,是一种较好的高光谱遥感数据分类方法. 相似文献