摘要：针对野外复杂环境下面部表情特征不一致导致识别率低的问题,提出一种基于卡方距离度量学习的凸优化算法用于面部表情识别。将卡方距离引入KNN分类技术中用于度量学习优化的损失函数,采用随机梯度下降法求解修正的凸优化损失函数,为避免过度拟合训练数据,算法将Dropout技术用于度量学习,使用特征权重系数,调整不同特征对表情识别的贡献度。实验结果表明,相比其它算法,所提算法在面部表情识别中更具优势,提高了面部表情识别准确度。

摘要：针对现有图像检索方法召回率低的问题,提出一种结合组尺度不变特征变换(SIFT)特征和多元词袋模型的图像检索方法。采用间隔采样方式抽取图像中的关键点,提取SIFT特征;依据图像的空间相关性,将各关键点及8邻接关键点的SIFT特征进行组合,构建组SIFT特征;针对组SIFT特征,在经典词袋模型的基础上,加入Dirichlet函数和组混合编码,构建多元词袋模型,提取图像特征向量;采用卡方距离度量和非对称距离计算方法快速计算特征向量之间的相似度,得到图像检索结果。仿真结果表明,该方法的召回率指标明显高于对比方法,查准率指标也有提高。

摘要：为了实时监控重要场所的人群密度、采取有效措施疏散高密度人群,避免人群密度过大而引发事故,造成生命和财产的损失,提出了一种基于完全局部二值模式的人群密度估计方法。该方法提取人群图像的3种局部纹理特征,建立了3-D联合直方图统计模型,用卡方距离最近邻方法对人群密度级别进行分类,实现了特定场景下人群密度的监测。对比实验结果表明了该方法能兼顾任意密度级别人群图像的分类,不仅准确率高,而且实时性好,同时对场景背景具有较强的鲁棒性。

摘要：人脸识别在身份验证领域得到了越来越多的应用。本文设计了一种基于LDP特征的人脸识别方案,首先将人脸图像与8个方向的Kirsch模板作卷积,对卷积结果进行二进制编码,得到LDP编码图像,并对编码图像分块提取直方图构建特征向量,采用最近邻分类器和卡方距离,在ORL标准人脸库上进行实验,实验结果表明,选择合适的参数,本文的算法在ORL标准人脸库上的识别准确率最高可达97.85%。