赵孝磊
- 作品数：14 被引量：24H指数：4
- 供职机构：南京信息工程大学更多>>
- 发文基金：江苏省自然科学基金国家自然科学基金江苏省教育厅自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于DM368高清智能监控系统的设计
- 随着社会的发展，智能监控在交通、金融、家庭等领域的作用越来越重要。传统的监控系统具有成本高、算法复杂、效率低等缺点。本文在传统智能监控的基础上，采用MT9P031摄像头采集高清图像数据，通过DM368进行编码处理后由以太...
- 赵孝磊
- 关键词：智能监控系统三帧差分
- 文献传递
- 基于图像重构和哈希算法的人脸识别方法
- 本发明公开了基于图像重构和哈希算法的人脸识别方法，采用图像重构模型，利用尺度变量a<Sup>p</Sup>，有效地去除了人脸图像中遮挡、掩饰，解决了人脸图像中光照不均匀和图像漂移的问题。引入Hash矩阵，将高维的数据矩阵...
- 胡昭华赵孝磊邢卫国徐玉伟欧阳雯
- 文献传递
- 一种低秩分块稀疏表示的人脸识别方法
- 本发明公开了一种低秩分块稀疏表示的人脸识别方法，采用低秩矩阵分解并引入参考项，采用DCT算法，实现了图像的归一化，有效地解决了人脸图像中光照不均匀的问题。在分类阶段，利用聚类的思想，行之有效地提高了识别速度。将该算法用于...
- 胡昭华赵孝磊徐玉伟何军
- 文献传递
- 一种改进的Camshift目标跟踪算法被引量：9
- 2013年
- 针对传统连续自适应场值漂移(Camshift)算法易受同色物体的干扰、抗遮挡性能差等问题,该文提出一种基于运动分割和H-S二维概率分布直方图的改进型Camshift算法。在Camshift算法跟踪之前,结合运动信息,采用三帧差分法从背景中提取出运动目标;在HSV空间根据Bhattacharyya系数,采用一维H分量颜色直方图与H-S二维直方图相结合的方式生成反向投影图;结合Kalman滤波器预测下一帧目标的位置。实验证明,该文算法克服了传统Camshift算法的缺点,增强了抗干扰能力,能够准确实时地跟踪运动目标,鲁棒性好。
- 刘明赵孝磊
- 关键词：三帧差分
- 基于支持向量机的多特征选择目标跟踪方法
- 本发明公开了基于支持向量机的多特征选择目标跟踪方法，其步骤为：获取正负样本，提取样本的多种特征；抽取候选目标，提取目标的多种特征；对所有特征进行核化处理；训练SVM分类器；计算置信值，判别候选目标；更新分类器；评估跟踪性...
- 胡昭华徐玉伟赵孝磊李容月欧阳雯金蓉
- 文献传递
- 一种新的低秩分块稀疏表示的人脸识别算法被引量：5
- 2015年
- 针对人脸图像中表情变化、遮挡、光照的问题,本文提出了一种新颖的基于低秩分块稀疏表示的人脸识别算法。该算法采用了一种新的结构不相关的低秩矩阵恢复方法,同时采用离散余弦变换方法联合处理人脸图像中遮挡、掩饰和光照的问题,对处理过的图片采用一种独特的重叠分块方法,利用冗余信息有效地提高了算法的识别率。在分类阶段,利用Alignment pooling的方法,有效地提高了识别速度。该算法在标准人脸数据库上进行了多次实验,实验结果表明:与现有人脸识别算法相比,算法的识别准确率和计算效率都得到了一致提高。
- 胡昭华赵孝磊徐玉伟何军
- 关键词：人脸识别
- 基于支持向量机的多特征选择目标跟踪方法
- 本发明公开了基于支持向量机的多特征选择目标跟踪方法，其步骤为：获取正负样本，提取样本的多种特征；抽取候选目标，提取目标的多种特征；对所有特征进行核化处理；训练SVM分类器；计算置信值，判别候选目标；更新分类器；评估跟踪性...
- 胡昭华徐玉伟赵孝磊李容月欧阳雯金蓉
- 文献传递
- 基于图像分块稀疏表示的人脸识别算法研究
- 人脸识别是图像识别中一项重要的技术。现有流行的人脸识别方法多数需要对图像进行预处理等一些复杂的特征提取,特征选择对识别率有着很大的影响,同时由于对遮挡、噪声等情况缺乏鲁棒性,使得现有的人脸识别方法在实际的应用中受到制约。...
- 赵孝磊
- 关键词：人脸识别压缩感知哈希算法图像重构
- 文献传递
- 一种多特征联合稀疏表示的目标跟踪方法
- 本发明通过对传统的稀疏编码跟踪器求解稀疏系数方法以及采用的目标特征进行分析和改进，提供一种多特征联合稀疏表示的目标跟踪方法，在光照影响较大、目标出现严重遮挡等复杂场景下保持目标跟踪的稳定性，提高目标跟踪器的精度。本发明包...
- 胡昭华吴佑林徐玉伟赵孝磊
- 文献传递
- 基于支持向量机的多特征选择目标跟踪被引量：5
- 2015年
- 目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败.为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果.在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器.实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.
- 胡昭华徐玉伟赵孝磊何军周游
- 关键词：分类器目标跟踪支持向量机子空间学习
