為了使計算機能更好的識別人臉表情，對基于Gabor小波變換的人臉表情識別方法進行了研究。首先對包含表情區(qū)域的靜態(tài)灰度圖像進行預(yù)處理，包括對確定的人臉表情區(qū)域進行尺寸和灰度歸一化，然后利用二維Gabor小波變換提取臉部表情特征，使用快速PCA方法對提取的Gabor小波特征初步降維。再在低維的空間中，利用Fisher準(zhǔn)則提取那些有利于分類的特征，最后用SVM分類器進行分類。實驗結(jié)果表明，上述提出的方法比傳統(tǒng)的方法識別速度更快，能達到實時性的要求，并且具有很好的魯棒性，識別率高。
上傳時間： 2013-11-08
上傳用戶：小眼睛LSL
安規(guī)知識
標(biāo)簽：
上傳時間： 2013-10-23
上傳用戶：mickey008
利用Matlab軟件編寫了程序提取了的任意大小的字母和漢字的顯示特征，給出了對應(yīng)的圖像矩陣，并將讀取的二值矩陣轉(zhuǎn)換為單片機能識別的16進制數(shù)字代碼，通過單片機構(gòu)建電路實現(xiàn)字母和漢字的顯示。提取字母可以改變大小和形狀，達到動態(tài)顯示字母大小和流動變換顯示的效果，提高顯示設(shè)備觀賞價值，可以提高人們對重要信息的注意。
上傳時間： 2013-11-13
上傳用戶：lijinchuan
傳統(tǒng)多模態(tài)生物特征識別方法當(dāng)出現(xiàn)生物特征缺失時，識別性能會明顯下降。針對此問題，提出一種融合人臉、虹膜和掌紋的自適應(yīng)并行結(jié)構(gòu)多模態(tài)生物識別方法。該方法在設(shè)計融合策略時，考慮到所有可能的輸入缺失，構(gòu)造并行結(jié)構(gòu)的融合函數(shù)集，在實際應(yīng)用時根據(jù)輸入狀態(tài)自適應(yīng)的選擇融合策略進行識別。實驗仿真結(jié)果表明該方法既可提高識別可靠性又可實現(xiàn)當(dāng)有生物特征缺失時的性能穩(wěn)定。
上傳時間： 2013-11-02
上傳用戶：huangld
射頻識別 (RFID) 技術(shù)采用輻射和反射 RF 功率來識別和跟蹤各種目標(biāo)。典型的 RFID 繫統(tǒng)由一個閱讀器和一個轉(zhuǎn)發(fā)器 (或標(biāo)簽) 組成。
上傳時間： 2013-11-17
上傳用戶：huyanju
提出了一個自適應(yīng)量子粒子群優(yōu)化算法，用于訓(xùn)練RBF網(wǎng)絡(luò)的基函數(shù)中心和寬度，并結(jié)合最小二乘法計算網(wǎng)絡(luò)權(quán)值，對RBF網(wǎng)絡(luò)的泛化能力進行改進并用于特征選擇。實驗結(jié)果表明，采用自適應(yīng)量子粒子群優(yōu)化算法獲得的RBF網(wǎng)絡(luò)模型不但具有很強的泛化能力，而且具有良好的穩(wěn)定性，能夠選擇出較優(yōu)秀的特征子集。
標(biāo)簽： RBF 神經(jīng)網(wǎng)絡(luò) 特征選擇 中的應(yīng)用
上傳時間： 2013-11-16
上傳用戶：erkuizhang
針對傳感器網(wǎng)絡(luò)下多目標(biāo)跟蹤時目標(biāo)數(shù)量不斷變化這一復(fù)雜情況，文中對多目標(biāo)的跟蹤和特征管理方法進行了研究。該方法由數(shù)據(jù)關(guān)聯(lián)、多目標(biāo)跟蹤、特征管理，和信息融合所組成。其中未知數(shù)量多目標(biāo)的跟蹤和數(shù)據(jù)關(guān)聯(lián)通過馬爾科夫蒙特卡羅數(shù)據(jù)關(guān)聯(lián)實現(xiàn)。通過信息融合來整合本地信息，獲取所有相鄰傳感器的本地一致性，最終實現(xiàn)特征管理。試驗證明，本方法能夠在分布式的傳感器網(wǎng)絡(luò)環(huán)境下對多目標(biāo)進行準(zhǔn)確有效地跟蹤和特征管理。
標(biāo)簽： 傳感器網(wǎng)絡(luò) 多目標(biāo)跟蹤 特征 管理方法
上傳時間： 2013-11-18
上傳用戶：wangdean1101
機場道面異物是威脅跑道運行安全的常見病害，及時、準(zhǔn)確的檢測異物具有現(xiàn)實意義。針對現(xiàn)有的人工目視檢測方法，本文基于圖像處理理論，提出了一種機場道面異物的自動檢測算法。根據(jù)機場道面的復(fù)雜背景和常見異物的特點，本文采取了分塊的方法，選擇Harris角點、灰度共生矩陣、灰度級分布范圍等特征，分別用閾值法和SVM法對實際機場道面異物圖像進行檢測。初步實驗證明，該方法可以有效檢測出機場道面復(fù)雜背景下的異物，實驗結(jié)果顯示，檢測正確率達到了98%。
上傳時間： 2013-11-26
上傳用戶：2404
針對人臉識別中的特征提取問題，提出一種新的基于Gabor的特征提取算法，利用Gabor小波變換良好的提取區(qū)分能力和LDA所具有的判別性優(yōu)勢來進行特征提取。首先利用Gabor小波變換來提取人臉特征。然后對得到的高維特征采用PCA進行初次降維，再利用LDA實現(xiàn)再次降維，得到最終的特征向量。在ORL和YALE人臉庫上的實驗驗證了該算法的有效性。
標(biāo)簽： Gabor 特征提取 人臉識別 中的應(yīng)用
上傳時間： 2013-12-14
上傳用戶：alex wang
頭肩的定位檢測采用了Haar特征和HOG特征的層級分類方法，并根據(jù)頭肩的對稱性特點，提出了一種稱為Joint HOG的組合型特征。通過Haar分類器濾除大部分負(fù)樣本后，接著用HOG進行精細的驗證從而得到頭肩目標(biāo)框。實驗表明，本文的方法取得了80%~90%的準(zhǔn)確率，并且完全可以用于實時處理。
標(biāo)簽： Joint HOG 特征 復(fù)雜場景
上傳時間： 2013-11-13
上傳用戶：weareno2
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
