一种快速的人眼准确定位方法

计算机自动人脸识别技术是生物识别的一个重要分支,而眼睛、鼻子和嘴巴等特征集中了人脸的大部分信息.因此对于人脸识别中的特征提取来说,不仅要检测出这些特征,而且要准确的加以定位.为了解决定位中存在的定位不够准确和计算量大等问题,提出了一种快速的人眼准确定位方法.该方法根据人眼的位置及颜色特征,通过可疑点排除的方法进行定位,最后根据瞳孔大小与两眼距离的比例关系对瞳孔进行精确定位.     

特征量对某交通流混沌实时判定系统的影响

为分析特征量对该系统判定结果的影响,以交通流微观仿真软件产生的交通流为对象进行了实验研究,讨论了在相同条件下,不同的特征量(功率谱、小波包系数、小波包能量)对此系统判定结果的影响.实验结果表明,特征量对该系统判定结果影响较大,选用基于小波包能量的特征提取判定效果更好.     

多车道复杂环境下汽车驾驶倾向性特征动态提取

对多车道复杂环境下汽车驾驶倾向性特征动态提取进行研究,有利于准确推演驾驶人意图,对汽车辅助(自动)驾驶系统、特别是其主动安全预警子系统构建也具有十分重要的意义.以3车道场景为例,分析目标车位于不同车道时周边的交通态势(主要指车辆集群编组关系,重点以目标车位于中间车道为例),设计实验采集人、车、环境等相关动态信息,运用粗糙集理论,进行基于最小信息熵的连续属性离散化和基于启发式贪心算法的属性约简,提取不同态势下驾驶倾向性类型特征向量.实验验证表明,文中提取的多车道复杂车辆编组关系下汽车驾驶倾向性动态特征向量是科学合理的,能够准确反映驾驶人倾向性.研究结果可为建立多车道复杂环境下驾驶倾向性动态辨识模型提供理论依据.     

核动力系统失水事故特征提取方法研究

核动力系统功能复杂,参数繁多;在故障发生时,合理选择特征提取手段,有效提取故障特征,是进行故障定位、分析、预测的关键前提。本文讨论了线性方法直接特征提取、PCA和非线性的流形学习方法LLE和ISOMAP四种算法应用于失水事故的特征提取效果,分析对比,为故障诊断实际应用提供依据。     

基于对称极坐标法的变速器齿轮磨损故障诊断的研究

本文中引入对称极坐标表示法,对变速器齿轮磨损故障进行研究.首先将测得的变速器振动信号的时域波形转换为极坐标图形,通过图形变化来辨识变速器齿轮磨损故障.然后利用二进小波变换法来提取磨损故障特征,研究特征提取对极坐标图形变化的影响.最后,根据图像与标准磨损图像的相关系数对变速器齿轮的磨损状态进行分类.结果表明,该方法能揭示变速器齿轮磨损状态与极坐标图形的映射关系,实现变速器齿轮磨损故障可视化监测与诊断.     

一种基于脸部特征提取和验证的人脸检测方法

提出了一种基于特征提取和验证相结合的人脸检测方法。首先应用肤色模型快速得到人脸候选区域，然后采用基于自适应的阈值选择策略对图像进行细分割，接着使用人脸椭圆形状来筛选可能的人脸，最后通过色度和灰度信息提取人脸特征，从而有效地检测出人脸。实验结果表明：该算法能够取得较好的检测效果。     

基于区间的小波包振动信号特征提取方法研究

基于小波分析与神经网络的振动信号故障诊断方法,提出采用基于区间小波包分解方法来提取振动信号的特征向量来取代传统的小波包分解方法,并以295柴油机进排气系统故障诊断为例验证采用该方法的有效性,结果表明,基于区间的小波包特征提取方法较传统方法能大大提高进排气系统的故障识别率。     

目标信号特征提取中的特征压缩及其算法研究

为在特征提取中充分利用目标信号的特征信息，对原始特征空间的建立和特征压缩的过程进行了讨论，采用对目标单一特征信号的λ水平能量聚点的序优化方法建立原始特征空间，通过建立基于对称相对熵分布的优化模型给出了特征选取的方法，在舰船声场通过特性研究中的算例表明算法效果良好。     

一种基于小波分析的雷达目标多重变换特征提取方法

在非相参雷达目标识别方法中,基于ＦＦＴ－ＭＥＬＬＩＮ的多重变换的特征提取方法,在消除由于雷达回波视角和时延所引起的目标特征不稳定性方面有较好的应用效果。本文针对飞行目标的具体特性,运用小波分析方法提出了一种新的多重变换特征提取方法,经实际数据验证,在飞行目标的架次识别中取得了良好的识别率和实时性。最后文中通过该方法对三类水声目标的分类实验结果分析,证明了其广阔的应用前景。     

基于图像处理的钢轨伤损分类算法研究

钢轨伤损的种类众多且形态各异,即便对于同类伤损,在超声波钢轨探伤检测软件中形成的B显图像也会存在差异,而当某类伤损的B显图像变化超出一定范围后,检测软件便无法识别该伤损的类别。因此,提出一种基于图像处理的钢轨伤损分类算法,其采用Tamura纹理特征与局部二值模式(local binary pattern,LBP)相结合的算法提取伤损B显图像的特征值并组成特征向量,使得作为分类器的支持向量机(supportvector machine,SVM)能够对不同种类伤损的特征向量进行训练,从而用训练后的最优分类函数预测未训练过的待测伤损的类别。试验结果表明,所提算法在钢轨伤损图像分类方面实现了较高的分类准确率。