河北省自然科学基金(F2010001297)
- 作品数：43 被引量：214H指数：8
- 相关作者：胡正平赵淑欢李静白洋宋淑芬更多>>
- 相关机构：燕山大学机械工业出版社更多>>
- 发文基金：河北省自然科学基金国家自然科学基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术机械工程理学更多>>
- 基于样本-扩展差分模板的联合双稀疏表示人脸识别被引量：4
- 2012年
- 在人脸识别中,每类数据分别位于由字典形成的高维空间中的多个低维线性子空间,考虑到这一结构信息对识别起到一定支持作用,利用块结构稀疏表示进行人脸识别。针对训练图像不能涵盖测试条件下的人脸变化这个问题,提出基于样本-扩展差分模板的联合双稀疏表示识别算法。它通过构造样本-扩展差分模板来表示训练样本与测试样本之间可能存在的差异,这些类内差异信息可被不同的类别所共享,即任何一类人脸图像的类内差异可表示为其他类别类内差异图像的原子稀疏线性组合。这样识别问题被转换为在训练样本空间和扩展差分模板空间寻找测试样本的块稀疏与原子稀疏的联合双稀疏表示。在AR和Extended Yale B数据库上的实验结果表明,在具有光照、表情变化和遮挡的情况下,本文提出的识别算法具有更好的有效性和鲁棒性。
- 胡正平李静白洋
- 关键词：人脸识别
- 基于L1范数凸包数据描述的多观测样本分类算法被引量：4
- 2012年
- 为建立高维空间样本分布的最佳覆盖为目标来实现覆盖分类,该文提出基于L1范数凸包数据描述的多观测样本分类算法。首先对训练集的每个类别以及测试集的多观测样本分别构造凸包模型,这样多观测样本的分类就转化为凸包模型的相似性度量问题。若测试集的凸包模型与训练集无重叠,采用L1范数距离测度进行凸包模型之间的相似性度量;若有重叠,采用L1范数距离测度进行收缩凸包(reduced convex hulls)之间的相似性度量。然后采用最近邻准则作为多观测样本的分类决策。在3个数据库上进行的实验结果,表明该文提出方法对于多观测样本分类具有可行性和有效性。
- 胡正平王玲丽
- 关键词：模式识别凸包最近邻分类
- 多特征联合的尺度和方向自适应meanshift跟踪算法被引量：1
- 2015年
- 经典meanshift跟踪算法因其具有计算量小、实时性强等优点而得到广泛应用。但在目标发生缩放、旋转、光照变化以及目标颜色与周围背景颜色难以区分等情况下,经典meanshift算法的鲁棒性不佳,目标定位精度不高,算法稳定性不好。鉴于此,本文提出一种联合颜色和纹理直方图表示的meanshift算法,其中本文用到的局部二值模式LBP是基于分块思想改进的纹理算子,有效地提取边缘和角点等主要目标模式来更加精炼地表示目标;另外,通过有效利用目标候选区域的矩信息,来解决跟踪目标运动中尺度和方向的变化的问题。通过不同场景视频跟踪实验表明,与经典meanshift算法及改进前的联合特征表示方法相比,文中提出的改进算法在上述复杂场景下的目标跟踪具有更高的稳定性和鲁棒性。
- 胡正平石巍谢荣路
- 关键词：目标跟踪MEANSHIFT算法LBP颜色直方图
- 非最小平方误差局部-全局加权融合的稀疏表示遮挡人脸识别被引量：6
- 2015年
- 考虑到图像遮挡后部分局部信息属性改变,在利用最小残差判决函数分类时,各类残差可能因较接近而导致分类错误.针对此问题,从分类器判决函数出发,提出基于稀疏系数累积的局部-全局加权融合的稀疏表示遮挡人脸识别算法.该算法主要利用各类稀疏表示系数累积作为判决函数,使用Borda投票机制进行分类.利用系数累积进行全局分类,然后对局部各块分类,考虑到子块作用不同,利用稀疏度和残差两个参数表示其可信度权重,最后将全局和局部融合Borda投票,统计各类投票总数,实现分类.在公用数据库进行实验,结果表明该算法具有较好的有效性和鲁棒性.
- 胡正平彭燕赵淑欢
- 关键词：人脸识别
- 基于空间分布特性和局部复杂度的显著目标检测算法被引量：1
- 2010年
- 目前的视觉注意显著区域检测算法,主要依赖像素间的相互对比,缺乏从全局角度对显著目标的分析理解。依据显著目标是显眼、紧凑和完整的思路,提出一种基于目标空间分布特性和局部复杂度的无监督视觉注意显著目标自动提取算法。首先根据局部区域与其多个尺度邻域的对比,得到亮度显著图;然后利用颜色信息的显眼性、空间分布和区域一致性得到颜色显著图;同时通过对方向的空间分布和局部复杂度进行多尺度分析得到方向显著图;最后通过显著值的空间分布和面积增强因子相结合的融合策略得到输入图像的显著图,根据显著区域确定感兴趣区域位置,在基础上完成目标检测。将此方法应用于各类具有不同特点的彩色图像进行仿真实验,得到较好的检测结果,表明该算法是切实可行。
- 胡正平孟鹏权
- 基于L1-Graph表示的标记传播多观测样本分类算法被引量：2
- 2011年
- 同类样本被认为是分布在同一个高维观测空间的低维流形上,针对多观测样本分类如何利用这一流形结构的问题,提出基于L1-Graph表示的标记传播多观测样本分类算法。首先基于稀疏表示的思路构造L1-Graph,进而得到样本之间的相似度矩阵,然后在半监督分类标记传播算法的基础上,限制所有的观测样本都属于同一个类别的条件下,得到一个具有特殊结构的类标矩阵,最后把寻找最优类标矩阵的计算转化为离散目标函数优化问题,进而计算出测试样本所属类别。在USPS手写体数据库、ETH-80物体识别数据库以及Cropped Yale人脸识别数据库上进行了一系列实验,实验结果表明了本文提出方法的可行性和有效性。
- 胡正平王玲丽
- 基于稀疏活动轮廓模型的感兴趣目标检测定位算法
- 2011年
- 传统的基于形状信息目标定位的算法,对目标观测角度发生形变情况下的定位存在不少困难,针对该问题,提出了一种基于稀疏活动轮廓模型的感兴趣目标(OOI)检测算法。首先通过共同勾画算法学习到感兴趣目标的稀疏活动轮廓模型,它能够清晰地定义感兴趣目标模式;同时构成该模型的Gabor轮廓基元可以通过扰动进行局部的调整以适配图像,在一定程度上提高了检测算法在目标发生形变或者存在遮挡等情况下的鲁棒性。然后采用交替的summaps和max maps的计算框架在测试图上扫描出与活动轮廓模型匹配分数最高的区域,将其定位分割出来;基于稀疏活动轮廓模型的检测算法在很大程度上依赖于图像尺度,利用稀疏活动轮廓模型在多个图像尺度上检测物体,因此可以有效地克服尺度变化大的问题。最后利用视觉皮层模型对分割后的图像进行模式分类进一步确认目标。经过多组实验结果表明,提出的基于稀疏活动轮廓模型的感兴趣目标检测定位算法,较好地解决目标在发生部分形变、存在遮挡以及复杂背景下的定位问题。
- 胡正平杨建秀
- 关键词：活动轮廓模型感兴趣目标
- 卷积神经网络分类模型在模式识别中的新进展被引量：29
- 2015年
- 近年来,深度学习作为机器学习的新兴研究领域越来越受到人们的关注,通过深度学习构建的深度网络在无监督特征提取方面表现出优异性能。卷积神经网络作为一个相对成功的深度学习模型,逐渐成为模式识别领域的研究热点。本文对卷积神经网络及其近年来在模式识别领域取得的新进展进行综述。首先介绍深度学习与卷积神经网络之间的关系以及卷积神经网络的基本原理;其次对卷积神经网络的各种改进算法进行了总结,对卷积神经网络在模式识别领域的新应用进行了概述;最后阐述了目前在卷积神经网络学习理论中亟需解决的主要问题。
- 胡正平陈俊岭王蒙赵淑欢
- 关键词：卷积神经网络模式识别
- 基于全局对比度的随机游走显著性视觉注意模型被引量：1
- 2015年
- 模拟人类视觉的显著性视觉注意机制还没有形成统一的模型,依据对人类视觉的分析可知显眼、紧凑和对比度高的目标更加吸引人眼的注意,提出一种基于全局对比度结合随机游走的显著目标视觉注意算法,并将视觉显著性检测问题化为马尔科夫随机游走问题.首先计算输入图像的颜色和方向的全局对比度形成特征向量,利用向量间的距离确定图表示的边权重,从而构造随机游走模型的转移矩阵.同时通过全连通图随机游走和k_regular图随机游走提取图像的全局特性和局部特性,并将二者相结合得到显著图,从而确定显著目标.在国际上现有公开测试集上进行仿真实验,并与其它显著性视觉注意检测方法进行对比,结果表明,方法检测结果更加准确、合理,证明算法切实可行.
- 庞静超胡正平
- 关键词：视觉注意
- 原子-分子字典结合的联合扩展加权稀疏表示人脸识别算法被引量：6
- 2016年
- 针对训练样本字典学习仅包含全局信息、缺乏局部信息的不足,引入与类别相关的原子字典,提出基于原子与分子字典联合扩展的加权稀疏表示人脸识别方法。首先,对各类训练样本进行PCA学习,得到带标记的训练样本基,构造PCA基原子字典,同时将训练样本字典作为分子字典。进而,利用原子字典与分子字典结合得到扩展字典模型。测试时,根据测试样本与扩展字典基之间的距离进行加权得到与当前测试样本关联的重构字典集,最后对测试样本稀疏重构,利用残差进行分类判别。为验证本文方法有效性,分别在AR、Georgia Tech和CMU PIE人脸数据库上进行实验。
- 胡正平白帆王蒙孙哲赵淑欢
- 关键词：人脸识别主成分分析样本加权
