人脸特征定位在油库安全监控中的应用研究

人脸特征定位是人脸检测与识别中的重点与难点,也是研究的热点;而油库安全是油库各项工作的首位,是油库建设和发展的“生命线”,通过人脸检测进行个人身份识别是消除人为不安全因素,保证油库安全的有效措施。在此背景下提出了一种基于人脸图像的对人脸特征进行定位以及提取轮廓的方法,这种方法可以提高人脸特征检测的效率。并把这种方法应用到油库安全监控中,提出了系统的原理与设计,来达到保障油库安全的目的。     

一种基于DCT和SVM的人脸识别新方法

文中提出了一种新的人脸识别方法,该方法采用DCT提取人脸特征,并采用SVM对该特征进行分类识别。基于该方法,对ORL人脸库进行分类识别,仅用28个特征平均识别率达到97.4%。仿真结果表明,该方法显著地降低了特征维数和计算复杂度,明显提高了特征的可辨别能力,而且,SVM可以有效地提高分类器的分类和推广能力。     

基于域泛化的无监督机器设备异常声检测

在基于声信号的机器设备异常检测中，机器运行时发出的声音可能会因机器运转状态的改变而发生变化，环境噪声也会改变场景中的声学特征，而传统的机器异常声音检测系统会因为声学特征的改变导致正常的声音被错误地标记为异常。针对这一问题，提出了基于域泛化技术的无监督机器异常声音检测方法。首先，将声信号的对数梅尔谱图输入深度学习神经网络模型，结合域混合方法和坐标注意力机制模块，提高系统域泛化能力和异常识别性能；然后，在DCASE开源数据集上进行实验，与两种基线评估系统的A_UC和pA_UC得分进行对比。结果表明，所提出的方法在域泛化条件下的异常检测性能得到明显提升。     

基于多视角系统分析的作战模拟引擎设计方法

为解决作战模拟引擎的软件开发问题,对其设计方法进行了研究.首先,分析了多视角系统分析方法的基本思想和优点;然后,提出了作战模拟引擎多视角系统分析和设计方法的概念模型;接着,从视角、视图和模型三个方面描述了作战模拟引擎多视角系统分析和设计方法的框架;最后,对应用该方法的具体要求、过程和工具进行了分析.由此提出了一种基于多视角系统分析的作战模拟引擎设计方法.     

基于AHP方法的战场目标三维伪装效果评估

针对战场目标伪装效果评估视角单一、主观性过强等问题,基于层次分析法(AHP)和航迹发现概率对战场目标三维伪装效果进行多视角评估研究。在利用无人机倾斜摄影技术对战场目标进行三维建模的基础上,模拟无人机航线侦察获得多视角侦察影像;综合提取影像中目标与背景的亮度、颜色、纹理等8个评估指标并计算相似度,采用AHP建立单视角特征相似度评估模型;基于航迹的目标发现概率模型,计算多视角目标相似度权重,构建了战场目标伪装效果多视角评估模型。通过案例分析,多视角评估方法能够实现战场目标伪装效果多角度、连续性客观综合评估。     

一种复合模式的人脸识别系统设计

通过综合考察红外 可见光图像人脸识别的优缺点,利用红外温谱图进行人脸检测与识别的优势,在研究可见光和红外人脸温谱图识别技术以及两者融合技术的基础上,提出和设计了一种新的红外 可见光复合模式的人脸识别系统。初步实验结果表明,这种识别方法不论从理论上还是从实验上都是可行的,系统具有良好的识别能力。     

基于物理模型的行星轮系特征提取与评估方法

特征提取与评估是损伤检测和故障预测的基础。针对2K-H行星轮系缺齿损伤,建立了行星轮系的损伤模型,通过分析模型的仿真信号,提出了基于主频边带、小波变换和经验模式分解的多种损伤特征,并采用双样本一致性检验方法对所提取损伤特征的分类能力进行了评估,采用含噪声的仿真信号和试验数据对损伤特征进行了验证。验证结果表明,所提取的损伤特征均具有较强的分类能力,其中主频边带特征的分类性能最优。     

基于委托模式的多分辨率联合仿真

多分辨率联合仿真是实现多层次、多视角仿真的有效方法之一。现有多分辨率联合仿真模式存在一致性偏差和仿真剧情割裂问题,从而影响仿真的有效性。为此,提出基于委托模式的多分辨率联合仿真思路,该模式下能够较好地避免仿真剧情割裂问题,同时降低一致性问题的解决难度。通过实例验证,该方法较好地适用于大规模作战和局部作战行动的多分辨率联合仿真。     

基于分块的伪Zernike矩归一化的人脸识别方法

以改进的伪Zemike矩相关知识为背景,提出了一种新颖的人脸识别方法。该方法通过将人脸分块,降低了光照条件、人脸表情等外在因素对人脸识别的影响。首先将人脸图像分块并重组矩阵的行和列,然后计算重组后人脸图像的伪Zemike矩,并对其进行归一化处理,最后采用最小邻近分类器进行判别。实验结果表明,该方法对于人脸光照、姿态和表情变化均具有良好的鲁棒性。在前人的研究基础上,进一步探讨了伪Zemike矩在人脸识别方面的应用。     

判决特征选择的快速人脸识别算法

为了在确保识别精度的条件下提高人脸识别的速度,提出了判决特征选择算法(SVM-DFS).针对多类分类问题,判决特征选择算法根据统计学习理论使用支持向量机来实现特征选择,根据全概率定理把特征选择和多类分类集成到一个统一框架.在UMIST和FERET人脸数据库上的实验表明:SVM-DFS算法可以用来挑选对分类最有用的特征,这些挑选出来的特征具有明显的物理意义.使用判决特征选择方法不但可以加快分类器的响应速度,而且不降低分类器的泛化能力.     

矩阵变换特征与码序列联合学习的卷积码识别方法

现有基于深度学习的卷积码识别方法仍存在参数规模较大、识别性能较弱等不足。针对该问题,提出了一种基于矩阵变换特征与码序列联合学习的卷积码识别方法。将接收到的码字序列排列成矩阵形式,利用软信息剔除可靠性较低的码字,通过一种新的矩阵变换算法得到特征矩阵。在识别时,将原始码字矩阵和特征矩阵输入到具有多模态数据联合学习能力的网络模型,在神经网络中完成特征的提取融合与卷积码的识别。仿真结果表明,所提方法性能明显优于现有基于深度学习的识别方法,特别是对于高码率卷积码;当码率较低时,同样优于传统识别方法。当信噪比达到5 dB时,25种不同参数卷积码的识别率均可达到100%。     

基于Floatboost算法的多视角目标识别

采用独立分量分析(ICA)方法对目标图像进行特征提取,提出了基于Floatboost算法与三叉决策树相结合的多视角目标识别级联分类器的设计方法,并融入角度优先粗分类的设计思想.经过与其他分类方法的试验比较表明,基于Floatboost算法的多视角分类器在一定程度上解决了目标旋转等问题,可满足某些实时系统的需求.     

一种基于改进SIFT的图像盲取证算法

针对常见的复制粘贴篡改,提出了一种基于改进SIFT（Scale Invariant Feature Transform）的图像篡改检测算法。首先,把待检测图像划分成多个矩形的ROS（Regions of Suspicion）区域,利用改进的SIFT算法提取各个ROS区域的关键点;然后,利用马氏距离原理对特征点对进行筛选与匹配,通过直线将这些匹配点连接起来,对复制粘贴区域进行准确定位。实验表明,该算法不仅降低了运算复杂度,而且对篡改区域的平移、缩放,旋转、亮度调整等,都有很好的检测和定位效果。     

无监督特征学习的人体活动识别

针对人的局限性可能会导致在提取特征中丢失重要信息,从而影响最终的识别效果问题,提出无监督特征学习技术的惯性传感器特征提取方法。其核心思想是使用无监督特征学习方法学习多个特征映射,再将所有特征映射拼接起来形成最终的特征计算方法。其优点是不会造成重要信息的损失,而且可以显著减少所使用的无监督特征学习模型的规模。为了验证所提出的特征提取方法在活动识别中的有效性,运用一个公开的活动识别数据集,使用三种常用无监督模型进行特征提取,并使用支持向量机进行活动识别。实验结果表明,特征提取方法取得了良好的效果,与其他方法相比具有一定的优势。     

多视图三角化中特征点噪声尺度的自适应估算

鲁棒性多视图三角化方法通常借助重投影误差经验阈值来剔除图像对应中的错误匹配,该经验阈值的选取直接影响三维重构场景点的数量和精度。在分析图像特征点定位噪声及对极传递几何原理的基础上,建立对极传递过程不确定性的传递模型,提出一种基于核密度估计的最优噪声尺度估算方法,并将该噪声尺度作为多视图三角化中错误匹配筛选的依据。实验结果表明,该方法可以获得准确的噪声尺度估计,从而有效提升多视图三角化方法的三维重构质量。     

基于目标特征的光学遥感图像舰船检测方法

针对在大场景、高分辨率的光学遥感图像舰船目标检测中,传统的阈值检测方法效果不佳,而恒虚警法计算量大的缺点,研究一种根据检测舰船目标的特征,对每个可能的目标区域,快速计算检测阈值的方法。同时,研究基于RNN网络及信噪比的特征选择方法,对目标的特征进行优选并对候选目标进行鉴别。实验结果表明,采用本文方法进行舰船目标检测能获得较好的检测结果.     

结构主导目标检测中的纹理随机化

已有基于卷积神经网络的目标检测算法倾向于提取目标纹理特征,而非结构特征;因此,已有方法不能实现变纹理目标的可靠检测。针对此问题,提出基于纹理随机化的结构主导目标检测方法,采用仿真纹理随机化方法减弱网络模型对纹理特征的拟合,实现基于结构特征的变纹理目标可靠检测。利用目标的三维模型,借助Blender渲染引擎,完成纹理随机化仿真训练数据集的生成。仿真及真实图像实验测试结果表明:该方法能够实现基于目标结构特征的变纹理目标可靠检测。     

参照化流形空间融合学习的敏感特征提取与异常检测方法

针对遥测振动信号冲击强、响应周期短、共振频带宽和小样本等特点导致异类模式识别率低的问题,提出基于参照化流形空间融合学习的敏感特征提取与异常检测方法。采用多尺度分析方法将信号正交无遗漏地分解到各尺度带中,提取多尺度特征构造高维特征集;以相同的正常信号样本结合相同类型的异常样本建立专属参照化模型单元,采用线性流形学习获取各参照化模型单元多尺度流形特征差异,增强异常特征的敏感性。融合各参照化模型单元的投影矩阵对原始特征集进行升维再学习,获取低维多尺度敏感流形特征;输入到分类器实现对未知样本状态辨识。实测信号处理结果验证了算法的有效性。     

红外图像人脸识别方法

红外成像具有抗干扰性强、独立于可见光源、防伪装、防欺诈等优点,这使得红外图像人脸识别可在很大程度上弥补可见光人脸识别技术的缺陷和不足,是今后人脸识别研究的一个重要方向。在深入分析红外人脸图像特性的基础上,研究了红外图像人脸识别的特点,并提出了一种新的红外图像统计人脸识别方法。实验结果表明,这种识别方法不论从理论上还是从实验上都是可行的,具有良好的识别能力。     

基于单类集成分类器的JPEG通用隐写分析

针对JPEG图像通用隐写检测问题,提出了一种基于单类集成分类器的新方法。算法提取图像DCT块内、块间和小波层内、层间的共生特征以及小波子带系数的直方图特征对图像进行描述,并计算检测图像及其原始估计图像所提共生矩阵和直方图分布的对称交互熵作为隐写分析特征;然后,随机构造若干个特征子空间,利用bootstrap方法构造载体图像训练子集,分别进行单类训练得到数个基分类器;最后,将基分类器的分类结果按多数投票法进行融合作为单类集成分类器的分类结果。实验结果表明,单类集成分类器能显著提高算法的检测效果,而且,本方法相比基于多超球面OC-SVM分类器的单类隐写分析方法,具有更高检测率。