基于传统的手部轮廓特征提取不能应对飞行模拟环境下的脸部肤色、遮挡、光照影响, 以及传统的傅里叶描述子特征容易受到背景、手的姿态变化, 且对手势描述能力有限等问题, 对传统的手部分割和特征提取方法改进. 本文首先对采集的数据集进行肤色处理, 然后结合调用的手部关键点模型检测出手部22个特征点, 采用八向种子填充算法进行图像分割. 接着对手部轮廓和关键点连接骨架进行傅里叶描述子算法特征提取, 最后通过支持向量机算法对提取的手势特征数据集进行训练、识别. 实验结果表明, 本文方法具有较好的手部分割, 特征提取不易受到背景、手的姿态变化的影响, 能够很好地应对在飞行模拟环境下的复杂背景下的干扰, 识别准确率能够达到98%. 本文研究在传统的手势识别算法中有一定的提高作用, 在手部交互技术领域有很重要的应用价值.
1
1.音频原始数据形式:8k16bitpcm; 2.频率范围:60HZ~3400HZ; 3.三角窗数量:15组; 4.提取filter bank特征,并观察特征分布特点; 5.求取特征三阶差分并进行离线CMVN(cepstral mean and variance normalization,CMVN)
2022-06-20 09:05:22 43.95MB 语音信号处理 MFCC CMVN Filterbank
数字图像处理实验报告-图像边缘检测和特征提取.doc
2022-06-20 09:00:20 288KB 互联网
BELMKN:贝叶斯极限学习机Kohonen网络 无监督的极限学习机(ELM)是一种用于特征提取的非迭代算法。 该方法应用于IRIS数据集以进行非线性特征提取,聚类预测,最后使用k-means进行聚类。 客观的 要使用Unsuoervised Extreme Learning Machine执行非线性特征学习,使用贝叶斯信息准则(BIC)预测数据集中的聚类数,最后使用k-means,自组织图/ Kohonen网络和EM算法进行聚类 模组 无监督的极限学习机:在此模块中,使用无监督的极限学习机执行数据集的特征提取。 这是具有单个隐藏层的非迭代算法,其中输入层和隐藏层之间的权重被随机初始化,并且使用目标函数计算隐藏层和输出层之间的权重。 因此,可以保证收敛于全局最小值。 贝叶斯信息准则:贝叶斯信息准则是一种统计方法,使用d来找出数据集中的聚类数。 它使用期望最大化(EM)算法来查找数据集中的
1
汽车电子开发系统模型属性配置工作存在复杂性高、任务量大等特点,传统的配置开发方式在效率上已经越来越不能满足开发需求。因此为了提高配置开发效率,面向汽车电子系统Artop(autosar tool platform user group)模型,基于Artop模型属性的分析与特征提取,结合XML存储与解析的图形界面自动生成技术,设计一种模型属性编辑通用配置框架,为汽车电子模型属性编辑提供自动生成配置界面服务,具有非常重要的实用价值和研究意义。该通用框架相较于行业内的传统配置方式具有一定的创新性。实验证明,通用框架的设计实现具有较高的可行性和可扩展性。
1
人脸图像特征提取matlab代码CS676A项目-第1组 Vikas Jain-13788 Shubham Jain-13683 语言: Python和Matlab 随后的论文: Parikh,Devi和Kristen Grauman。 “相对属性”。 计算机视觉(ICCV),2011年IEEE国际会议上。 IEEE,2011年。 伯吉斯,克里斯,等。 “学习使用梯度下降进行排名。” 第22届机器学习国际会议论文集。 ACM,2005年。 约阿希姆斯,索尔斯滕。 “使用点击数据优化搜索引擎。” 第八届ACM SIGKDD知识发现和数据挖掘国际会议论文集。 ACM,2002年。 Simonyan,Karen和Andrew Zisserman。 “用于大规模图像识别的非常深的卷积网络。” arXiv预印本arXiv:1409.1556(2014)。 资料集: PubFig数据集“用于面部验证的属性和比喻分类器”,Neeraj Kumar,Alexander C. Berg,Peter N. Belhumeur和Shree K. Nayar,国际计算机视觉会议(ICCV),2009年。 代码
2022-06-15 10:42:25 452KB 系统开源
1
MRIcroGL 是一款免费、开源的轻量级软件; dicom格式转换为nifti, 直接将dcm文件夹拖至软件中;打开也可以使用同样的操作; 勾画ROI时可以使用不同颜色标记不同感兴趣区;保存时点击Draw-Save VOI-生成mask文件
2022-06-13 17:03:22 64.65MB 影像组学 MRIcroGL ROI 特征提取
1