摘要：智能图像处理技术紧跟科技前沿,其算法被广泛应用于实际生产中,带来了很多的便利和经济价值,尤其是基于计算机视觉图像的识别技术。针对废旧手机堆积如山,造成大量资源浪费、污染环境的问题,以对手机进行分类回收为例,文中利用机器视觉对手机完成快速分类,以便于提取贵重金属、稀有金属,充分利用资源,节省人力成本。该方法基于Tensorflow算法,对手机进行图像训练分类,形成模板库,让待识别手机与模板库进行匹配,利用卷积神经网络分类识别方法进行识别,最终得以成功应用。以Linux系统的树莓派3B+为主控制器,32位ARMCotex-M3内核单片机为辅助控制器,实现舵机的转动,自动完成手机识别与分类回收。该方法能快速有效地识别和分类手机,节省分类手机的时间,且可以流水作业,便于贵重金属和稀有金属的智能化回收利用。

摘要：铁路隧道工程环境复杂,实时获得人员身份信息,有利于险情下救援。文中针对在特殊隧道下光线不足、粉尘附着、遮挡时要求提高识别率的目的,通过融合多种生物特征的复合识别技术手段:分别提取面部、虹膜、声音特征,得出特定特征向量并由二维离散余弦变换,除掉会干扰到结果的信息;然后,通过决策树支持向量机(Decision Trees Support Vector Machine,DT-SVM)分类器匹配,实现工程人员身份识别。通过实验可知,该方法不仅降低了在计算时的难度,而且在信噪比为15~35 dB时,识别率在97%以上,提高了身份识别的准确性。