-
公开(公告)号：CN102915446A
公开(公告)日：2013-02-06
申请号：CN201210351242.6
申请日：2012-09-20
Applicant: 复旦大学
IPC: G06K9/62
Abstract: 本发明属于数字图像处理及模式识别技术领域，具体为一种基于SVM机器学习的植物病虫害检测方法。本发明首先在大量农业场景的监控视频中，获取大量正常生长的植物叶片和发生病虫害的植物叶片,从正常生长的植物叶片和发生病虫害的植物叶片中各抽取部分图片作为样本，对每幅叶片图像提取特征（包括颜色特征、HSV特征、边缘特征和HOG特征），将这些特征组合成特征向量；然后对每幅叶片图像的特征向量用SVM的机器学习方法进行训练，训练后形成一个分类器，然后将大量的植物叶片图像用这个分类器进行检测，检测植物叶片是否发生病虫害。相比于生物学方面的植物病虫害检测方法，本发明具有更高的实时性和易实施性，较好解决了必须深入田间地头才能检测植物病虫害的弊端。
-
公开(公告)号：CN103577833A
公开(公告)日：2014-02-12
申请号：CN201210271736.3
申请日：2012-08-01
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理及模式识别技术领域，具体涉及一种基于运动模板的异常闯入检测方法。本发明方法包括：在监控视频中选定感兴趣区域和异常物体尺寸参数，并对差图像进行二值化以去掉超时影响，更新历史图像；然后计算运动历史图像的梯度方向，并将整个运动分割为独立的运动部分，最后计算选择区域的全局运动方向，从而获得运动目标的运动方向。本发明利用运动目标相邻两帧之间在画面上存在的交集，不用外推和相关分析以及轨迹后处理就可以清晰的显示出目标的轨迹、速度与方向。比现有技术的跟踪方法，具有更高的实时性和更好的鲁棒性，较好解决了由于光照变化，摄像头抖动等造成的检测和跟踪异常。
-
公开(公告)号：CN102799870A
公开(公告)日：2012-11-28
申请号：CN201210241541.4
申请日：2012-07-13
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理及模式识别技术领域，具体为一种基于分块一致LBP和稀疏编码的人脸识别方法。本发明首先将人脸图像按4*4分割成等大小的16块子区域，对于每块区域计算其1像素半径、8邻居的一致LBP直方图，再将16个子区域的LBP直方图连接成一个列向量，作为单幅人脸图像的特征向量。然后将通过将测试图像表示成训练集上的一个最稀疏线性组合，识别出人脸对象。相比于传统的特征提取和分类的算法，本发明能够更好的提取人脸的结构信息，并且能够在单训练样本和存在遮挡的情况下，表现出较高的识别率和鲁棒性。
-
公开(公告)号：CN102799870B
公开(公告)日：2015-07-29
申请号：CN201210241541.4
申请日：2012-07-13
Applicant: 复旦大学
Abstract: 本发明属于数字图像处理及模式识别技术领域，具体为一种基于分块一致LBP和稀疏编码的人脸识别方法。本发明首先将人脸图像按4*4分割成等大小的16块子区域，对于每块区域计算其1像素半径、8邻居的一致LBP直方图，再将16个子区域的LBP直方图连接成一个列向量，作为单幅人脸图像的特征向量。然后将通过将测试图像表示成训练集上的一个最稀疏线性组合，识别出人脸对象。相比于传统的特征提取和分类的算法，本发明能够更好的提取人脸的结构信息，并且能够在单训练样本和存在遮挡的情况下，表现出较高的识别率和鲁棒性。
-
-
-
Search Results
4
records
(took 0.013 seconds)
