摘要：为有效识别人脸区域,提升其在多种领域应用效果,设计基于人工智能技术的高光谱人脸自动化识别系统。以模块化思想设计嵌入式系统架构,采集与预处理高光谱人脸图像,并将预处理后的图像数据放入RAM存储器;人脸检测模块调用RAM存储器存储数据,并加载Haar人脸分类器,完成人脸区域检测提取工作;之后由人脸特征提取与识别模块经人脸区域lbp特征提取、LeNet-5卷积神经网络人脸识别模型构建与训练等操作,输出人脸识别结果。实验结果表明,该系统能够在较短时间内完成LeNet-5卷积神经网络人脸识别模型训练。

摘要：在嘈杂的车站环境中,验证设备可能受到周围噪音与光线的干扰,导致电子车票自动化验的精度较低。针对上述情况,研究一种基于人脸识别的多轨道融合车站电子车票自动化验证方法。针对原始人脸图像特征信息不明显或丢失的情况,实施人脸光照校正和人脸遮挡恢复处理,提高人脸图像质量。提取人脸图像lbp特征并统计其直方图,得到lbp特征直方图特征向量。基于卷积神经网络构建识别模型,从车票信息库中识别出与之对应的人脸图像,由此完成电子车票自动化验证。结果表明:所研究方法的应用下,F1值相比更大,由此说明该方法的验证能力更强,更能保证在多轨道融合车站电子车票自动化验证中的精度。

摘要：随着电动汽车在全球范围内的大规模推广,电动汽车自动化充电问题越来越受到人们的关注。自动化充电过程中最关键的步骤就是检测和识别充电插口,并完成充电插口与充电枪的对接和插拔。本文提出一种基于Faster-RCNN的充电插口检测识别算法。结合显著化图像对其中的RPN网络部分进行改进,将图像中的充电口区域显著化,用处理后的特征图像作为RPN网络的输入;设计一种多尺度MB-lbp特征与神经网络联合进行候选区域分类。基于Pytorch框架在自建的数据集上进行训练和测试,实验结果表明,本文所提出的算法能够满足工作场景需求,并且能够较好地应对光照条件变化以及尺度变化。

摘要：基于传统lbp特征人脸检测方法的不足,提出针对lbp特征描述方法进行改进,建立lbp特征金字塔,调整lbp的特征描述方式使其在多尺度的图像中有较好的描述能力。并且设计Real Adaboost分类器实现对改进lbp特征的分类,为人脸检测提供了一种新的方法。实验结果表明,基于改进后的lbp特征人脸检测方法的最大检测率为94.1%,高于Haar算法的92.8%和传统lbp算法的93.2%,所以改进后的算法对人脸具有更好的描述和鉴别能力。

摘要：为精准判断鱼类摄食时间及规律,提升鱼群智能投喂技术水平,基于图像处理及人工智能技术,提出了一种基于lbp特征的BP神经网络模型的鱼群摄食行为的检测识别算法。利用对鱼群的摄食活动图像及未摄食活动的图像数据,分别进行滤波等预处理及lbp特征提取,将特征纹理数据送入BP神经网络模型进行训练,利用训练好的神经网络模型进行鱼类摄食行为的分类识别。经过实验仿真,由实验结果可得设计的算法对鱼类摄食行为的识别准确率可达97.23%,来实现精准投喂,促进水产养殖规模化发展。

摘要：针对传统的Gabor无法兼顾识别率与实时性的缺点,提出了一种融合Gabor、lbp、LPQ三种特征的表情识别算法。首先采用Gabor变换提取人脸图像的边缘信息,根据获得的变换表征结果,提取其lbp特征及LPQ特征;通过PCA算法对提取的特征进行降维,并对降维后的lbp特征及LPQ特征进行直方图操作;最后,设计基于ELM神经网络面部表情分类器。应用JAFFE人脸表情数据库的测试结果表明,该方法比传统方法具有更高的识别准确度和更快的识别速度。

摘要：人体行为识别是计算机视觉领域内非常热门的一个研究方向。通常人体行为识别包括两个关键步骤:人体行为特征提取和分类器的选择和设计。采用了一种简单高效的人体动作特征描述子局部二值模式(Local Binary Pattern,lbp),该特征可以较好的描述人体的纹理和轮廊信息;识别算法采用了多类支持向量机算法。在标准的数据集上的实验结果表明,方法具有较高的识别率。

摘要：针对预切种式甘蔗种植需要人工剔除坏芽蔗种的问题,本文基于SVM的蔗种坏芽检测识别方法,设计蔗芽识别剔除系统,以“桂糖44号”蔗种为实验样本,首先对蔗种图像集以HSV颜色空间的H分量进行阈值分割、中值滤波及形态学处理,分割蔗种图像,再进行蔗种图像的颜色特征与lbp特征提取,建立单特征模型与融合特征模型,最后对样本进行特征训练,获得最佳分割超平面,确定SVM分类的决策函数,构建SVM分类模型。模型测试实验结果表明,基于lbp与颜色特征融合的SVM模型识别准确率达94.33%,平均耗时0.714s,均优于卷积神经网络识别模型。本研究结果可为预切种式甘蔗种植机智能识别并剔除坏种提供研究基础。

摘要：针对齿轮缺陷人工检测错误率高、效率低的问题,研发了基于树莓派的齿轮表面缺陷检测系统。系统以树莓派、工业相机、光电传感器和剔除装置为硬件平台,搭载开发的系统检测软件,完成齿轮表面缺陷检测与剔除任务。通过CCD工业相机在线采集齿轮图像信息,通过提出的基于HSV空间的lbp特征加权融合提取方法提取图像纹理特征,通过VGG16算法对特征进行裂纹、脏污、断齿等缺陷的分类,根据分类信息由树莓派GPIO引脚控制剔除装置去除缺陷齿轮。经过实验验证,系统剔除准确率达到94.50%,平均速度为1 435 ms/次。其硬件设备体积较小、成本较低、便于维护与管理,易于安装与推广至生产线环境。

摘要：针对双翅目实蝇科果实蝇属昆虫的自动识别,本文提出利用翅及中胸背板图像的局部二进制模式(local binary pattern,lbp)特征,采用Adaboost算法,设计和开发"实蝇科果实蝇属昆虫数字图像自动识别系统"(Automated Fruit fly Identification System-Bactrocera,AFIS-B)。该系统包括图像采集、图像裁剪、预处理、特征提取、分类器设计、识别和显示,共7个模块。研究结果表明:lbp特征可以有效鉴别实蝇科果实蝇属昆虫;在对实蝇科果实蝇属8个种的测试中,该系统表现出较高的准确性和稳定性,平均识别率可达80%以上。此外,还对果实蝇属昆虫翅膀及中胸背板图像在光照不均匀、姿态扭曲、样本受损及样本量大小等不同条件下的识别率进行了试验测试。结果表明,该系统对测试样本的光照不均匀、姿态扭曲和样本受损都表现出良好的鲁棒性,正确识别率与训练集样本各个种数量在一定条件下明显正相关,与训练集样本物种总量负相关。该项研究为实蝇科有害昆虫自动识别系统的构建及实际应用提供了理论、方法及基础数据的支撑,亦可为其他昆虫自动识别系统的研究和构建提供有益借鉴。