检索结果-南通市图书馆

计算机仿真 2014年第5期31卷 279-283页

作者：李兰王朝立上海理工大学光电信息与计算机工程学院上海200093

研究了一种人脸检测方法。采用局部梯度模式(Local Gradient Patterns,LGP)提取人脸特征,用AdaBoost学习算法进行了层级分类器的训练。提出了应用面积重叠合并的识别方法(Square Overlap Merge Method,SOMM),可以降低检测错误的正检测误... 详细信息

研究了一种人脸检测方法。采用局部梯度模式(Local Gradient Patterns,LGP)提取人脸特征,用AdaBoost学习算法进行了层级分类器的训练。提出了应用面积重叠合并的识别方法(Square Overlap Merge Method,SOMM),可以降低检测错误的正检测误差,同时克服了训练样本少的情况下分类器可靠性差的缺点。实验中采用MIT的人脸数据库进行分类器的训练,并在训练好的分类器的基础上,又进一步采集了6000多张人脸图片,进行分类器的再训练,以求分类器准确可靠。实验证明上述方法能够快速有效的检测人脸,并且能很好的克服光照、姿态、背景、遮挡物等对人脸检测的影响。

关键词：人脸检测局部梯度模式层级分类器面积重叠合并法

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

基于两级Adaboost的LBP快速人脸识别的实现与应用

基于两级Adaboost的LBP快速人脸识别的实现与应用

引用

作者：褚力复旦大学

学位级别：硕士

人脸识别是利用特征提取方法表示人脸特征,从而自动识别人脸,是当今模式识别中的一个热点。人脸识别应用范围十分的广泛,包括内容的检索,身份的识别等。目前,有很多的成熟的人脸识别算法,但许多算法要么结构复杂,计算量巨大;要么模式固... 详细信息

人脸识别是利用特征提取方法表示人脸特征,从而自动识别人脸,是当今模式识别中的一个热点。人脸识别应用范围十分的广泛,包括内容的检索,身份的识别等。目前,有很多的成熟的人脸识别算法,但许多算法要么结构复杂,计算量巨大;要么模式固定,可扩展性差,都缺乏实际应用性。而人脸识别的前提是人脸图像,在实际的人脸图像识别中还涉及到人脸区域的检测问题,故一个关键的因素就是实时性,如果系统能够快速的识别出人的身份,将会给人脸识别的应用带来更光明的前景。本文研究的出发点在于从普通的图像中能够迅速找出人脸并加以识别,在检测与识别的过程中,正确率和时间是很重要的两点,本文从简单高效的应用实际出发,提出了一种基于两级Adaboost的LBP的实时人脸识别方法,实验证明该方法不仅能够快速的检测识别人脸,而且有识别率达到90%以上。本论文分为两个阶段,第一阶段为人脸的检测以及人脸关键区域的检测,在短时间内从复杂的图像中检测出人脸的位置,然后在人脸区域中检测关键器官的区域;第二阶段为人脸的特征表示阶段,利用特征表示这些关键区域,从而使用少量信息表示了整张人脸图像,为快速识别人脸打下基础。在第一阶段,我们利用Adaboost来训练层级分类器,利用层级分类器,能够在最开始过滤掉不包含人脸的图像区域,达到加速检测的目的。在检测出的人脸区域中,我们利用相同原理的Adaboost层级分类器来检测人脸关键器官区域。在第二阶段,对这些人脸关键区域,利用简单的LBP算子来提取其特征,形成该人脸的特征表示向量。在识别中,计算卡方值,利用最近匹配的方法从实验数据库集中找出最适合的类别,从而达到人脸识别的要求。在比较的过程中,我们还引入权重,以此来区别不同区域对于识别的贡献程度。实验证明此种方法实时性较好,且实验结果比较理想。该方法另一个重要的特征在于,数据库集可以随时更新,而不需要对整个数据库集重新计算,因此有良好的扩展性。

关键词：人脸检测人脸识别 Adaboost LBP 层级分类器卡方值

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

基于类别特征可分离性的肌电信号手势识别研究

基于类别特征可分离性的肌电信号手势识别研究

引用

作者：周淑旺湖北工业大学

学位级别：硕士

生物电信号作为人体各种生理参数的重要指标,一直在生活中扮演重要角色,如今基于人体生物电信号的肢体动作识别技术越来越频繁地走进人们的生活,例如基于表面肌电信号的手势识别技术已应用于智能假肢控制、运动医学、康复医疗、作战指挥... 详细信息

生物电信号作为人体各种生理参数的重要指标,一直在生活中扮演重要角色,如今基于人体生物电信号的肢体动作识别技术越来越频繁地走进人们的生活,例如基于表面肌电信号的手势识别技术已应用于智能假肢控制、运动医学、康复医疗、作战指挥,它已经逐渐地成为当前科学家们研究的一项焦点。与基于图像处理和数据手套的手势识别技术相比,基于表面肌电信号的手势识别技术凭借其不易受外界条件干扰、采集方便及硬件成本低等优势脱颖而出。基于表面肌电信号(surface electromyography,s EMG)的手势识别主要包括三个部分:信号采集及预处理、特征提取和分类器设计。信号预处理是指利用时间序列分析技术和统计学相关知识对原始采集数据进行去噪,并进行活动段检测;特征提取是指对预处理后的数据进行进一步处理以提取出肌电信号特征;分类器是直接用于分类的模型,利用预先训练好的分类器对肌电信号特征进行分类可以输出手势识别结果。本文主要针对上述三个过程目前尚存在的相关问题展开研究,具体研究内容如下:(1)在s EMG信号预处理方面,传统的活动段检测方法大多都是基于能量的经验阈值法,这种方法的缺点是相关阈值参数无法根据信号的差异性自适应,并且无法提取出指定长度的活动段,除了运动时间长短存在明显差异的手势类别,固定的活动段长度更有利于识别。针对这个问题,本文根据活动段的高斯特性,提出了粗细分割活动段检测方法,其利用少量肌电信号样本整定的各个参数可用于相同来源的数据,具有自适应的特点,并且能够提取出指定的活动段长度。(2)在特征提取方面,目前用于分类的特征向量维数很高,通常是一百维左右,这会导致数据处理量大,在实际的应用场景中影响控制器的反应速度。针对这个问题,本文提出了改进的支持向量机(SVM)投票法。该算法分类所使用的特征是最大平均绝对值、最大平均绝对值时间段和平均功率频率特征,即一段肌电信号提取出的特征向量维数仅为3,前两维是自定义的时域特征,然后根据特征的可分离性,改进了传统的SVM投票法,改进主要体现在:每个SVM可以分布在不同的“子训练集”,每个“子训练集”对应一个肌电信号通道;提出了可分离性增强的概念。实验结果表明,使用粗细分割活动段检测方法,改进的SVM投票法能对Nina Pro的子数据集DB1中的12种手势的分类实现84%的正确率,效果优于目前若干主流的神经网络方法。(3)在分类器设计方面,目前普遍存在的问题是:不同的分类器识别准确率会随着手势种类数的增多而出现不同程度的下降。针对这个问题,本文提出了基于特征可分离性的层级分类算法。该算法在上一套算法的基础上加入了更多的特征信息,包括AR模型参数、加速度、熵信息,虽然提取的特征较多,由于采取了基于可分离性的选择特征的方法,并且将PCA和LDA结合来降维,在识别时使用的特征向量维数仍然较低,不超过12。考虑到不同手势之间的区分难度差异性和手势种类的数量对分类效果的影响,提出了层级分类的思想,即根据特征的可分离性先合并一些容易区分的手势类别,然后集中资源解决分类问题中的重点和难点,手势合并可以进行多次。实验结果表明,第一层分类器使用BP神经网络,二三层使用SVM,能对DB5中的52种手势的识别达到90%的准确率,与其它文献从手势种类数、准确率和特征向量维数三个指标综合对比来看,此套算法拥有较优的性能。本文为手势动作在人机交互的实际应用中提供了切实可行的解决方案。

关键词：手势识别肌电信号特征可分离性层级分类器

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

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

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：