检索结果-南通市图书馆

作者：金楷西安电子科技大学

学位级别：硕士

随着大数据时代的到来以及深度学习的发展,目标识别领域取得了突破性的进展,作为目标识别分支的行人身份识别已经广泛应用于安防、金融以及教育等领域。行人身份识别依赖于人脸识别,对于配合状态下的行人,身份识别可取得很高的精度。然... 详细信息

随着大数据时代的到来以及深度学习的发展,目标识别领域取得了突破性的进展,作为目标识别分支的行人身份识别已经广泛应用于安防、金融以及教育等领域。行人身份识别依赖于人脸识别,对于配合状态下的行人,身份识别可取得很高的精度。然而对于视频中自由行走的行人,其人脸可能存在遮挡、运动模糊以及多种形变,导致人脸识别难度加大,仅利用人脸识别算法难以取得较好的识别效果。目前有些方法借助人脸跟踪算法获取人脸图像集合,采用多帧人脸图像识别方法提升识别效果。然而由于人脸图像分辨率较低而且形变较大,人脸跟踪的鲁棒性难以保证。针对非配合场景下的行人,本文提出基于全局与局部信息的身份识别方法,该方法能提升形变或遮挡等复杂情况下行人身份的识别精度。本文的主要工作包含两个方面:首先,本文以道路上的行人为识别目标,提出了单摄像头下的基于全局与局部信息的行人身份识别方法。行人身体相比人脸而言具有更高的分辨率,而且形变时图像差异化更小,因此本文利用全局的行人外观特征提升跟踪的鲁棒性。本文通过行人检测与跟踪获取不同身份的人体图像集合以及身份编号,对每个行人进行人脸检测来获取人脸图像集合,进而将行人身份编号映射至人脸图像集合,对每个身份编号的人脸图像集合进行识别,从而实现行人全局信息与人脸局部信息结合。同时,本文利用人脸分布的先验知识,对人脸检测网络删减分支与优化参数,在降低网络计算量的同时提升了该场景下人脸检测的性能。实验表明,相比于仅采用局部人脸信息实现行人身份识别的方法,本文所提出的方法有着更高的识别准确率。然后,为了解决背离摄像头移动的行人身份难以识别的问题,本文提出了跨摄像头的基于全局与局部信息的行人身份识别方法,该方法根据行人运动方向进行选择性身份识别。为了保证行人运动方向的准确获取,本文采用滑动窗口法对获取的速度滤波,消除速度方向的突变。本文根据行人不同的运动方向选用不同的识别方法,对于朝向摄像头移动的行人采用单摄像头下的行人身份识别方法,对于背离摄像头移动的行人采用行人重识别与行人库在线构建相结合的方法。该方法应用于多摄像头场景下,拓展了根据背影识别行人身份的功能。综上所述,本文提出的基于全局与局部信息的行人身份识别方法对非配合场景下的行人有着较好的识别效果,在一定程度上提升了行人身份识别的鲁棒性与准确率。该方法不仅可以实现面朝摄像头移动的行人身份识别,还拓展了背离摄像头移动的行人身份识别功能。

关键词：深度学习行人身份识别全局与局部信息行人重识别

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全局与局部特征信息融合的旋转机械故障数据集降维方法研究

全局与局部特征信息融合的旋转机械故障数据集降维方法研究

引用

作者：赵孝礼兰州理工大学

学位级别：硕士

1故障诊断是保障机械设备安全运行的有效手段之一。为获取更加准确、有效的诊断结果,就需提取出有价值的设备信息。因此,如何有效地挖掘出真实反映故障信息的数据已成为当今故障诊断的研究热点。众所周知,机械故障诊断一般被分为三步:... 详细信息

1故障诊断是保障机械设备安全运行的有效手段之一。为获取更加准确、有效的诊断结果,就需提取出有价值的设备信息。因此,如何有效地挖掘出真实反映故障信息的数据已成为当今故障诊断的研究热点。众所周知,机械故障诊断一般被分为三步:信号采集与处理,故障的特征表达与模式识别。数据降维又是特征表达中的关键一步,它可减轻后续故障模式识别的压力,提取出本质的故障信息。研究表明,数据的全局与局部信息对于降维与分类都是有益的。从信息提取的角度出发,传统的降维算法如PCA、LDA、LPP等,大多是从单一的全局或局部信息角度出发,并不能兼顾全局与局部信息的提取,导致降维与分类效果不佳。针对上述问题,为了使得故障信息保持的更加完善与故障诊断效果更高,本文全局与局部兼顾提取的故障特征集降维工作主要包含以下内容:1)从数据的保持结构角度出发,在对比分析了全局数据降维方法和局部数据降维方法的基础上,阐述了全局与局部信息对数据降维的重要性。2)当训练样本不足时,局部信息比全局信息更为重要。为此,提出一种正则化核最大边界投影(Regularized Kernel Maximum Margin Projection,RKMMP)局部信息的滚动轴承故障数据集维数约简方法。该方法首先利用RKMMP对故障样本集进行降维,然后将降维后的低维敏感特征子集输入到核极限学习机分类器中进行故障识别。滚动轴承故障模拟实验表明:该方法在一定程度上能提升故障诊断的泛化能力与识别精度。3)针对传统数据降维方法无法兼顾保持全局特征信息与局部判别信息的问题,提出一种全新的核主元分析(KPCA)和正交化局部敏感判别分析(OLSDA)相结合的转子故障数据降维方法。该方法首先利用KPCA算法最大程度地保留原始数据全局非线性信息的作用;然后利用OLSDA算法充分挖掘出数据的局部流形结构信息。转子实验表明:该方法能够全面地提取出全局与局部判别信息,使故障分类更清晰、相应地识别准确率得到了明显提升。4)降维的目的是为了保持更全面的故障信息,使故障诊断结果更精确。但KPCA-OLSDA联合降维的方法在一定程度上增加了算法的复杂度,为尽可能多地保持数据的内在全局与局部信息,提出了一种全局与局部的局部敏感判别分析(Global and Local Locality Sensitive Discriminant Analysis,GLLSDA)维数约简的故障诊断方法。首先,方法从振动信号中提取出多域、多通道的统计特征参数,构建高维故障特征数据集;然后,利用所提的GLLSDA对故障数据集进行维数约简,提取出低维敏感的特征子集。最后,将低维特征输入WKNN分类器中进行故障诊断。转子系统实验数据验证了新方法的有效性。

关键词：故障诊断数据降维全局与局部信息流形学习特征提取数据可视化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

相异度导引的有监督鉴别分析方法

引用

计算机工程与应用 2011年第23期47卷 208-211页

作者：俞振洲王正群陈广花扬州大学信息工程学院江苏扬州225009

提出了相异度导引的有监督鉴别分析方法(D-SDA)。结合模式局部信息和全局信息,定义了类内散度权重矩阵R^W和类间散度权重矩阵R^B,分别表示类内样本的相异度、类间样本的相异度。由R^W、R^B导出类内散度矩阵S^W和类间散度矩阵S^B,根据Fis... 详细信息

提出了相异度导引的有监督鉴别分析方法(D-SDA)。结合模式局部信息和全局信息,定义了类内散度权重矩阵R^W和类间散度权重矩阵R^B,分别表示类内样本的相异度、类间样本的相异度。由R^W、R^B导出类内散度矩阵S^W和类间散度矩阵S^B,根据Fisher鉴别准则函数确定最优变换矩阵。在YALE和AR人脸图像库上的实验验证了这一算法的有效性。

关键词：散度权重矩阵 Fisher判别准则相异度全局与局部信息人脸识别

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于轨迹关联的多目标跟踪

基于轨迹关联的多目标跟踪

引用

作者：胡学伟南京邮电大学

学位级别：硕士

目标跟踪技术是计算机视觉与模式识别领域研究的一个重要课题,近年来,受到了国内外学者的普遍关注,具有广泛的应用前景。本文从目标检测和目标关联两个方面进行研究,针对复杂场景中具有的杂波、目标间的连续遮挡、不同目标具有相似外貌... 详细信息

目标跟踪技术是计算机视觉与模式识别领域研究的一个重要课题,近年来,受到了国内外学者的普遍关注,具有广泛的应用前景。本文从目标检测和目标关联两个方面进行研究,针对复杂场景中具有的杂波、目标间的连续遮挡、不同目标具有相似外貌特征、目标运动方向突变等跟踪问题,提出了具有较好鲁棒性的解决方法。本文提出一种基于统计背景模型的目标检测方法。该方法针对光照变化运用自适应高斯混合模型,构建基于全局信息的背景统计模型;针对动态变化,在对背景图像基于自整定谱聚类的基础上,通过核密度估计方式,构建基于局部信息的背景统计模型。实验表明,本文提出的目标检测方法能在光照与动态扰动情况下,构建出一种稳健的背景模型,从而实现对前景目标的精确检测。本文重点介绍了一种基于轨迹关联的多目标跟踪算法。该算法通过两种不同的关联策略,生成目标的全局与局部轨迹,实现对多个目标的跟踪。在实际运用中,本文首先使用基于场景自适应方式的局部轨迹生成方法,将新输入的检测响应与原有轨迹进行关联。该方法以特征的可靠性度量建立分层的特征空间,采取自适应地分阶关联策略生成局部轨迹;在全局轨迹关联阶段,本文提出一种新的基于判别性表观模型学习算法。在这个新的算法中,本文从轨迹片段中提取在线训练样本,并且通过这个收集到的训练样本运用增量线性判别分析更新判别投影空间。通过将轨迹的表观模型投影到判别性投影空间中,我们能使轨迹的表观特征更具区别性,实现对全局轨迹的关联;在轨迹生成的后续阶段,为了最终获得完整且平滑的轨迹,本文采用了一种基于非线性运动模型的轨迹填充策略,使部分没有满足线性运动估计的残缺轨迹进行关联,填补轨迹片段间的空缺。最后,将本文提出的方法在PETS2009/2010benchmark和TUD-Stadtmitte视频库中进行实验,以证明本文提出的方法能够在具有杂波、目标间的连续遮挡、不同目标具有相似外貌特征、目标运动方向突变等跟踪问题的复杂场景条件下,实现对多个目标的正确的关联,最终得到稳定、连续的跟踪轨迹。

关键词：背景统计模型全局与局部信息自适应高斯混合模型自整定谱聚类轨迹关联场景自适应关联增量线性判别分析非线性运动模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：