-
公开(公告)号：CN112115909A
公开(公告)日：2020-12-22
申请号：CN202011034090.8
申请日：2020-09-27
Applicant: 大连海事大学
Abstract: 本发明提供一种基于区域加权梯度分布的足迹表达方法，包括以下步骤：基于PCA的足迹图像校正；对足迹轮廓点的梯度分布进行提取；对足迹非轮廓点的梯度分布进行提取；所述足迹轮廓点和所述足迹非轮廓点梯度分布相结合的足迹表达。本发明根据PCA原理求取图像的主方向进行旋转校正，不易受噪声的影响。本发明兼顾足迹的局部轮廓形状信息，体现了不同区域足底压力梯度的重要性。本发明区分了足迹轮廓点区域与足迹非轮廓点区域的压力梯度分布特征，很好的体现了人行走时足底压力梯度的分布特点。
-
公开(公告)号：CN111382703A
公开(公告)日：2020-07-07
申请号：CN202010162093.3
申请日：2020-03-10
Applicant: 大连海事大学
Abstract: 本发明提供一种基于二次筛选与分数融合的指静脉识别方法，包括：基于导向滤波的多尺度Retinex方法对指静脉图像I进行预处理，建立指静脉特征库，并生成指静脉识别模型；参数训练建立的指静脉识别模型；指静脉的在线识别。本发明提出的基于导向滤波的多尺度Retinex方法能够有效提高指静脉图像对比度，进而在提取曲率场与二值化时得到更加准确的特征。本发明提出的相似性度量方法复杂度低，明显降低识别时间。同时使用二次筛选作为识别策略，提升识别性能。加入了弹性分数作为相似度度量的一部分，有效解决手指旋转、手指距离摄像头距离过近或过远的问题。使用两种相似性度量方法对指静脉特征进行相似性度量并进行分数的加权融合，提升了匹配精度和鲁棒性。
-
公开(公告)号：CN106845516B
公开(公告)日：2020-05-22
申请号：CN201611116356.7
申请日：2016-12-07
Applicant: 大连海事大学
IPC: G06K9/62
Abstract: 本发明提供一种基于多样本联合表示足迹图像的识别方法。该方法包括如下步骤：首先，样本联合表示字典的构建，对足迹图像进行分区、几何变换、形态学等操作扩充图像库，提取图像特征，经归一化后作为字典的原子，建立具有多个样本类别的联合字典。其次，足迹图像的识别，将待识别足迹图像提取特征后，利用联合字典稀疏表示该足迹图像，根据足迹花纹的占空比加权重构稀疏系数，分析重构系数，输出待识别足迹图像所属类别。该方法可以增强图像识别的鲁棒性，即在样本足迹图像较少的情况下，能够较为精确的识别出相似图像，还能避免由于足迹图像畸变导致的错误分类情况，有效的识别出图像的所属类别，同时，还可筛选出足迹花纹质量较差的图像。
-
公开(公告)号：CN107423715B
公开(公告)日：2020-05-19
申请号：CN201710638629.2
申请日：2017-07-31
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于多特征联合决策的脚印自动识别方法，包括以下步骤：S1：在离线状态下提取脚印压力分布特征：S2：提取脚印的方向梯度直方图特征；S3：提取脚印的小波傅里叶梅林特征；S4：采用二维主成分分析技术和二维线性判别分析技术对脚印压力分布特征P、方向梯度直方图特征H和小波傅里叶梅林特征F进行特征选择，分别得到和S5：在线状态下，将待识别脚印的特征与预先存储在特征数据库中的脚印数据通过KNN分类器进行识别。
-
公开(公告)号：CN106776950B
公开(公告)日：2020-05-05
申请号：CN201611097257.9
申请日：2016-12-02
Applicant: 大连海事大学
IPC: G06F16/583
Abstract: 本发明是一种基于专家经验引导的现场鞋印痕迹花纹图像检索方法，本发明对于与查询图像同一现场图像，利用专家经验给出相应的专家意见相似度得分，并利用该得分引导检索，提升检索精度；本发明构建专家意见得分预测模型，有效地避免了由人主观原因引起的检索精度的降低；本发明通过引入流形学习方法，考虑库中图像两两之间的关系，进一步提高检索精度；本发明引入了系数矩阵，有效地解决了传统流形学习检索中使计算排序得分趋于零的问题。通过实验证明本方法在现场鞋印花纹图像的检索实验中的检索精度明显优于现有技术，利用少量的同一现场鞋印花纹图像样本提高了检索性能。因此，本发明可以广泛用于现场鞋印花纹图像检索领域。
-
Patent Agency Ranking
公开(公告)号：CN107247929B
公开(公告)日：2020-02-18
申请号：CN201710385351.2
申请日：2017-05-26
Applicant: 大连海事大学
Abstract: 本发明公开了一种结合先验知识的鞋印花纹渐进细化式提取方法，其步骤包括：S1采集原始现场鞋印图像信息，利用超像素分割得到特征一致的图像子区域；S2对鞋印花纹图像进行粗标记；S3对鞋印花纹图像进行花纹区域和背景区域的区域判定，得到初始的鞋印花纹提取结果P1；S4对初始的鞋印花纹提取结果P1进行迭代细化修正，得到准确的鞋印花纹提取结果P；S5对准确的鞋印花纹提取结果P进行光照校正与花纹增强处理；S6利用OTSU算法将处理后的图像花纹提取结果进行二值化，得到最终的鞋印花纹图像二值图。本发明基于鞋印花纹的颜色和方向特征的先验知识计算区域相似度，进行花纹与背景的判断，提高了花纹提取的准确性，进一步推动足迹识别技术的应用和发展。
-
公开(公告)号：CN110705553A
公开(公告)日：2020-01-17
申请号：CN201911013854.2
申请日：2019-10-23
Applicant: 大连海事大学
Abstract: 本发明提供了一种适用于车辆远景图像的划痕检测方法，包括：利用深度学习算法分割出划痕可能出现的感兴趣区域；利用融合颜色与空间信息的划痕检测和MSER方法得到所述感兴趣区域中的候选划痕区域；综合利用Hough线检测及SVM方法对所述候选划痕区域进行筛选，进而标记出划痕区域。本发明综合使用了多种图像处理方法检测感兴趣区域中的划痕区域，避免了车辆远景图像中划痕区域面积过小导致的特征不明显，划痕与干扰区域难以区分的问题。同时，本发明不需要人为拍摄近景图像，将人工操作从复杂的划痕检测任务中解放出来。
-
公开(公告)号：CN110689092A
公开(公告)日：2020-01-14
申请号：CN201910995100.5
申请日：2019-10-18
Applicant: 大连海事大学
IPC: G06K9/62
Abstract: 本发明提供一种基于数据导向的鞋底花纹图像深度聚类方法，基于鞋底花纹图像无监督编码网络的自表达层，可以将自编码过程学习的鞋底花纹特征作为有类别信息的鞋样或者嫌疑人鞋底花纹特征训练，通过不同属性的鞋底花纹图像数据集做预训练，可以利用有监督网络对鞋底花纹特征子空间的定义方式来对没有标签的现场鞋底花纹或者嫌疑人鞋底花纹聚类过程做制约，从而让鞋底花纹的聚类过程有据可依。此外，本发明针对不同的花纹数据集，基于训练模型的先后顺序，给出了一种花纹图像特征子空间训练的预训练策略，更有效地体现有标签的鞋底花纹对无标签聚类训练过程的约束效果，提高聚类精度。这种聚类方法可以满足类别不均衡数据集的聚类、分类处理。
-
公开(公告)号：CN110458116A
公开(公告)日：2019-11-15
申请号：CN201910749822.2
申请日：2019-08-14
Applicant: 大连海事大学
Abstract: 本发明提供一种基于姿态信息的步态多特征表达和匹配方法，包括以下步骤：有肩、无肩姿态能量图提取、时变姿态特征及其二维频谱提取、基于MvDA降维矩阵的训练、自适应匹配得分计算及识别结果预测。主要从以下三个方面提高行走状态改变时步态识别的鲁棒性，其一：提取的无肩姿态能量图，通过忽略服装变化导致人体肩膀宽度的差异，只考虑胳膊和腿部摆动等特征，有助于提高穿衣变化的识别结果。其二：提取时变姿态特征的二维频谱特征，不仅考虑同一特征不同时刻的频谱，还考虑同一时刻不同特征的频谱，有助于提取人体关节之间的关联性；其三：采用自适应加权匹配得分计算的方法，有效地提高了背包和服装改变两种行走状态下步态识别的鲁棒性。
-
公开(公告)号：CN110188694A
公开(公告)日：2019-08-30
申请号：CN201910464874.5
申请日：2019-05-30
Applicant: 大连海事大学
Abstract: 本发明提供一种结合压力特征的穿鞋足迹序列识别方法，分为离线训练过程和在线识别。在离线训练时，提取所述待训练的压力足迹序列图像的单枚鞋印相对压力图像，提取基于前后足的质心偏移角，构建所述待训练的压力足迹序列图像的足迹压力能量图四元组，最终得到足迹的五元组特征表达构成的特征数据库。在线识别中，将待识别的足迹五元组特征与预先存储的特征数据库中的数据计算相似度得分，通过排名完成对穿鞋足迹序列的识别。本方法根据能反映人行走习惯的最小单元，采用两枚足迹构造足迹压力能量图，减小了误差累积，提高了识别精度，通过足迹压力能量图四元组相似度加权融合，可以使匹配结果更加稳定，本发明研究的是穿鞋足迹序列，适用性更加广泛。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.029 seconds)
