基于形状的目标识别方法 形状 目标识别 方法

基于BP神经网络的人脸识别方法分析_陈艳.caj

基于学习向量量化神经网络的人脸朝向识别方法_冯洁琼.caj

一种基于图像语义分割的水尺识别方法.pdf

基于小波变换的PCA人脸识别方法实现方法

针对现有煤矿井下含煤地层岩性识别方法存在地层信息参数获取难度大、岩性识别精度低的问题，提出了一种基于主成分分析（PCA）算法和核模糊C均值聚类（KFCM）算法的含煤地层岩性优化识别方法。利用钻进试验台获取机械钻速、回转扭矩、钻压、转速、回转压力和泥浆泵流量6种钻进敏感参数，构造高维钻进参数集作为识别数据来源，包括训练样本和测试样本；结合PCA算法的特征提取优势和KFCM算法具有较好聚类效果的特点，建立基于PCA-KFCM算法的岩性识别模型；采用PCA算法对训练样本进行特征提取和降维处理，得到训练样本的特征值和特征向量；采用KFCM算法对训练样本主成分数据集进行模糊核聚类分析，将试验岩样分为若干类型；通过马氏距离判别法建立判别准则，利用最小马氏距离完成对测试样本的地层岩性识别。测试结果表明，基于PCA-KFCM算法的含煤地层岩性优化识别方法能够有效识别地层岩性，与常规KFCM算法相比，识别精度提高了23.2%。

基于改进U_net网络模型的综采工作面煤岩识别方法.pdf

论文研究-一种基于视频图像的挖掘机工作状态识别方法.pdf,  为了实现违法用地现象的实时监测，对土地间的挖掘机等施工机械的工作状态识别是非常重要的.实际场景下，因随机噪声和光照变化的影响，给挖掘机工作状态识别带来极大的挑战.本文提出一种基于视频图像的挖掘机工作状态识别方法，首先，对同一品牌挖掘机工作装置的各种姿态建立混合local binary features（LBF）形状回归模型并进行离线训练；其次，利用上述模型预测输入视频帧中挖掘机工作装置的形状信息，构建挖掘机的工作状态特征描述子；最后，利用support vector machine（SVM）分类器自动判别挖掘机的工作状态——工作状态或非工作状态.实验结果表明，该方法很好地克服了多姿态导致形状变化的影响，对挖掘机工作状态识别准确率达到了93.53%.

基于卷积神经网络的雷达干扰检测识别方法.pdf

沥青路面图像噪声污染多,随机性较强。针对传统路面图像在进行滤波、边缘检测等裂缝识别过程中,不能较好地识别裂缝信息且存在大量类似于裂缝的噪声污染问题,利用BP神经网络的学习性和容错性提出一种基于神经网络的裂缝识别方法。首先对沥青路面图像同态滤波增强后,将其分成32像素×32像素的小方格区域,然后提取小方格内图像参数与其邻域方格预测结果用于神经网络训练,最后将训练后的沥青路面图像小方格分为有裂缝和无裂缝两种,从而实现沥青路面裂缝的初提取。结果表明,该方法对沥青路面裂缝的识别率达到90%以上,能够较好地满足沥青路面裂缝识别的要求,是一种可行性较高的方法。