淮北师范大学计算机科学与技术学院, 安徽 淮北 235000
韦伯局部描述子(WLD)是一种有效的图像特征描述子。但是,构成WLD特征的差分激励和梯度方向无法准确地刻画掌纹图像的局部灰度变化和纹线的方向,因此基于WLD的掌纹识别性能并不高。针对掌纹图像纹线特征较丰富的特点,对WLD特征进行改进获得多尺度Gabor方向韦伯局部描述子,以提高掌纹识别的性能。首先,采用多尺度Gabor滤波器对掌纹图像进行滤波,得到多尺度能量图和方向图;然后,基于能量图计算差分激励;最后,基于多尺度差分激励图和方向图构造直方图特征,并将不同尺度下的特征向量串联,进而生成掌纹图像的最终特征集。在PolyU,PolyU Multi-spectral和CASIA三种数据库上的实验结果表明,本文方法与一些现有的掌纹识别方法相比,具有较高的识别率和较低的等错误率。
模式识别 掌纹识别 韦伯局部描述子 Gabor方向 多尺度特征 激光与光电子学进展
2021, 58(16): 1610018
中国民航大学电子信息与自动化学院, 天津 300300
为了克服面部表情变化导致的三维人脸识别精度不高的问题,提出了一种结合局部关键点集与测地线的三维人脸识别算法。首先,根据表情变化对人脸识别具有分区域影响的特性,将三维人脸划分出刚性区域和非刚性区域;然后将由鼻部和眼部组成的区域作为刚性区域,进行有效关键点检测,提取多种几何特征,构成局部描述子,进行相似度匹配;接着在非刚性区域提取测地线环带并进行相似度匹配;最后将两个区域的匹配程度进行加权融合,得到最终的匹配结果。该算法分别在Bosphorus和FRGC v2.0数据库上进行了实验验证,结果表明算法识别率分别达到了97.01%和98.63%,由此证明本文算法对三维人脸的表情变化有较强的稳健性。
机器视觉 三维人脸识别 表情变化 关键点 局部描述子 测地线 激光与光电子学进展
2020, 57(22): 221503
1 合肥工业大学计算机与信息学院 情感计算与先进智能机器安徽省重点实验室, 安徽 合肥 230009
2 德岛大学先端技术科学教育部, 日本 德岛 7708502
针对非约束环境下,局部遮挡可能会对表情识别造成干扰并影响最终判别结果的问题,提出一种基于非对称邻域韦伯局部描述子(AR-WLD)和分块相似度加权的表情识别算法。在特征描述上,相比传统的韦伯局部描述子 (WLD),AR-WLD将原有的方形邻域扩展成非对称邻域,并进行了多尺度分析,增强了算子的表征能力。在分类判别时,为了区分不同面部区域对表情识别的贡献度,对表情区域进行了不重叠分块;引入了信息熵来衡量不同子块包含的不确定信息,依据信息量定义相似性距离的权重;通过分块相似度加权求和,实现表情判别。在JAFFE库和CK库上的实验结果表明:当表情图像存在遮挡时,AR-WLD可以有效地提高WLD的分类能力和稳健性,分块相似度加权的分类算法则进一步降低遮挡区域对表情识别的干扰。
图像处理 遮挡表情识别 非对称邻域韦伯局部描述子 分块相似度 信息熵加权 激光与光电子学进展
2018, 55(4): 041013
医学光电科学与技术教育部重点实验室, 福建省光子技术重点实验室, 福建师范大学, 福建 福州 350007
近年来通过计算机技术对瘢痕实现无损诊断的研究进展迅速, 其对瘢痕图像纹理特征的量化分析得到了很好的诊断效果。在这个过程中出现了很多纹理描述方法, 这些方法的提出也促进了纹理研究的发展。本文在对灰度共生矩阵(GLCM)、局部三值模式(LTP)等统计纹理分析方法进行介绍的情况下, 在瘢痕图像上利用梯度迭代回归树算法给出了不同方法的实验结果, 得到了不同方法的回归模型。这些模型的性能体现在对不同年龄瘢痕的预测能力, 其中局部差异局部二值模式(LD-LBP)和局部方向三值模式(LOTP)得到的模型预测能力最好, 说明它们是目前对瘢痕图像纹理描述比较准确的方法之一, 同时表明统计纹理分析方法适合用于瘢痕图像的纹理研究。
皮肤瘢痕 纹理特征 特征量化 局部描述子 skin scar texture features feature quantification local descriptor
1 山东警察学院，山东 济南 250014
2 山东大学高效洁净机械制造教育部重点实验室，山东 济南 250061
3 山东行政学院，山东 济南 250014
由于现有的动作识别方法不能直接用于人体微反应动作识别， 本文基于人体下肢微反应动作特点，构建了一种时空金字塔韦伯局部描述子并设计了基于字典学习的人体下肢微反应自动识别算法。 该方法利用时空金字塔韦伯局部描述子提取每一类人体下肢微反应动作特征，使用主成分分析法对特征降维; 然后，建立每一类动作子字典并将子字典串联形成总的动作字典; 最后，通过实验分析了金字塔级数L，降维后每类动作特征维数dPCA，每类动作子字典原子个数nAtom，以及稀疏阈值C等参数对识别结果的影响，并确定最优参数值L=3，dPCA=30，nAtom=40，C=10。 实验结果表明，提出的算法对10种人体下肢微反应动作的识别率均在0.83~0.91之间，平均识别率达到0.86，高于其他动作识别算法。设计的算法更适用于人体下肢微反应动作分类，并可有效提高分类识别率。
人体下肢 应激微反应 动作识别 自动识别 时空金字塔韦伯局部描述子 human lower limb micro-expression action recognition spatio-temporal pyramid weber local descriptor dictionary learning 光学 精密工程
2017, 25(11): 2947
1 湖州师范学院信息与工程学院, 浙 江湖州 313000
2 浙江大学信息与电子工程系, 杭州 310027
在非重叠多摄像机或单摄像机视频监控中, 识别跟踪目标的再次出现很重要。针对传统支持向量机方法在特征融合方面的缺陷, 本文提出了一种新的基于在线多核学习的人体目标再现识别方法。该方法对跟踪目标视频前景图像序列提取具有互补性的视觉单词树直方图和全局颜色直方图二种特征, 再采用多核学习方法在线训练人体目标视觉外观, 从而得到多核特征融合模型。实验结果表明, 该方法能快速训练人体目标外观模型, 满足视频监控的实时要求, 多核融合模型获得了比单一特征模型和单核支持向量机方法更高的识别性能。
视频监控 多核学习 局部描述子 目标再现识别 单词树 video surveillance multiple kernel learning local descriptor people re-identification vocabulary tree
1 湖州师范学院 信息与工程学院，浙江 湖州 313000
2 浙江大学 信息与电子工程系，杭州 310027
3 南京航空航天大学 自动化学院， 南京 210016
摄像机间目标关联是无重叠视域多摄像机目标持续跟踪的关键.提出了一种只利用人体目标外观，完全不依赖于空时关系的人体目标再识别算法，利用识别结果直接进行跨摄像机间人体目标关联，而不依赖于目标的捕获时间和路径限制.对跟踪视频前景图像序列提取互补性视觉单词树直方图和全局颜色直方图二种特征，采用支持向量机增量学习在线训练二种特征的人体外观辨别模型，再利用多类线性规划增强算法对二种特征的支持向量机模型进行在线自适应融合.实验结果表明，本文算法具有较强的在线学习能力，能增量式表达人体目标辨别性外观模型，特征融合后的模型区别性更强，有效地降低多方面条件变化的影响，获得了高识别率，且能够实现快速实时实现，相对于现有方法有了明显提升.
视频监控 支持向量机增量学习 局部描述子 人目标再识别 单词树 线性规划增强 Visual surveillance Support Vector Machine(SVM) incremental learning Local descriptor Person re-identification Vocabulary tree Linear Programming Boosting(LPBoot)
