頭肩的定位檢測采用了Haar特征和HOG特征的層級分類方法，并根據(jù)頭肩的對稱性特點(diǎn)，提出了一種稱為Joint HOG的組合型特征。通過Haar分類器濾除大部分負(fù)樣本后，接著用HOG進(jìn)行精細(xì)的驗(yàn)證從而得到頭肩目標(biāo)框。實(shí)驗(yàn)表明，本文的方法取得了80%~90%的準(zhǔn)確率，并且完全可以用于實(shí)時(shí)處理。
標(biāo)簽： Joint HOG 特征 復(fù)雜場景
上傳時(shí)間： 2013-11-13
上傳用戶：weareno2
探討了radon變換在低信噪比圖像特征檢測的適用性!分析了radon變換變換的優(yōu)勢與不足!并從信息融合的角度出發(fā)!提出了radon變換補(bǔ)充的應(yīng)用策略!對低信噪比的機(jī)場跑道圖像進(jìn)行了驗(yàn)證!顯示出較好的檢測效果.
標(biāo)簽： radon 變換 低信噪比 圖像
上傳時(shí)間： 2015-01-03
上傳用戶：herog3
在深入的對頻譜臉法和Fisherface方法進(jìn)行研究后，綜合這兩種方法的優(yōu)點(diǎn)，提出了一種基于頻譜臉和Fisherface的人臉識(shí)別新方法。頻譜臉方法主要是采用二維小波變換和傅立葉變換。因?yàn)槿四槇D像的低頻部分對人臉的表情變化是不敏感的，所以對人臉圖像使用二維小波變換，提取人臉圖像的低頻部分。對人臉圖像的低頻部分使用傅立葉變換，從而獲得原人像的一個(gè)低維空間的表達(dá)。但是頻譜臉特征維數(shù)仍然較高，所以在頻譜臉法的基礎(chǔ)上繼續(xù)提取人臉頻譜圖像的Fisherface 特征，降低特征的維數(shù)，提高識(shí)別效率。利用人臉面部構(gòu)造產(chǎn)生的灰度特性提取眼睛，利用嘴唇的色度特征分割出嘴巴，進(jìn)而根據(jù)眼睛和嘴巴構(gòu)成三角形模板的特性，精確定位人臉在圖像中的位置。實(shí)驗(yàn)結(jié)果表明，這種結(jié)合膚色和面部特征的算法，能夠?qū)θ四樳M(jìn)行較快速、準(zhǔn)確的定位，而且結(jié)果比較穩(wěn)定可靠。
標(biāo)簽： 特征提取 彩色圖像 人臉檢測
上傳時(shí)間： 2013-10-09
上傳用戶：zhf01y
基于matlab的幾個(gè)kalman濾波以及多傳感器融合和wk算法的程序
標(biāo)簽： matlab kalman 濾波 多傳感器融合
上傳時(shí)間： 2015-01-06
上傳用戶：wkchong
特征值和特征向量的計(jì)算,每種算法都用c++以函數(shù)形式實(shí)現(xiàn)
標(biāo)簽： 特征 向量 函數(shù) 計(jì)算
上傳時(shí)間： 2015-01-12
上傳用戶：小碼農(nóng)lz
Bayes濾波器算法,c++語言實(shí)現(xiàn),Visual Studio.net下實(shí)現(xiàn),2003年8月修正版本,用于數(shù)據(jù)融合算法
標(biāo)簽： Visual Studio Bayes 2003
上傳時(shí)間： 2015-01-13
上傳用戶：小鵬
java安全的api和java安全的特征
標(biāo)簽： java api 特征
上傳時(shí)間： 2014-01-09
上傳用戶：wqxstar
矩陣特征值與特征向量的計(jì)算
標(biāo)簽： 特征 矩陣 向量 計(jì)算
上傳時(shí)間： 2015-02-02
上傳用戶：busterman
特征提取技術(shù)。這種技術(shù)以傳統(tǒng)的建模方式為前提，對于產(chǎn)生的模型的幾何、拓?fù)涞刃畔⒓右苑治鲆蕴崛∑涮卣餍畔ⅲ@種技術(shù)一般多采用人工智能及模式識(shí)別等方面的知識(shí)。
標(biāo)簽： 特征 提取技術(shù) 建模 方式
上傳時(shí)間： 2015-02-12
上傳用戶：康郎
雅可比過關(guān)法求實(shí)對稱矩陣特征值與特征向量
標(biāo)簽： 特征 對稱 向量 矩陣
上傳時(shí)間： 2014-01-13
上傳用戶：jeffery
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
