简介：摘要：本文探讨了基于视觉注意力机制的目标跟踪算法，着重研究了如何利用视觉注意力机制提高目标跟踪的准确性和效率。首先，介绍了目标跟踪的背景和意义，指出了当前目标跟踪算法在复杂场景和目标变化下的挑战。然后，详细阐述了视觉注意力机制的原理和应用，探讨了如何通过模拟人类视觉系统的工作方式，提升目标跟踪算法的性能。接着，分析了基于视觉注意力机制的目标跟踪算法的关键技术和算法流程，包括特征提取、注意力机制设计和目标定位等方面。最后，通过实验验证了基于视觉注意力机制的目标跟踪算法的有效性和优越性，展示了其在各种复杂场景下的良好性能和应用前景。

简介：掌纹特征的提取是掌纹识别中最关键的一个环节，特征提取算法的好坏很大程度上决定了系统的识别率和效率的高低．结合近年来发表的文献，按照分析和描述的方式对掌纹的特征提取方法进行了分类，并对主要特征提取算法进行了分析和特性比较，最后总结了掌纹多特征融合方法是未来掌纹特征提取方法进一步的研究方向．

简介：摘 要：通常我们所了解的人脸识别算法是指将人的五官特征或者局部特征经过图像处理，上传到系统后端，再和数据库的人脸照片进行比对，最终识别出所需要的类别。人脸识别算法比较广泛应用于监控、公安系统、考试系统、门禁检查、身份识别等领域，而基于特征提取的人脸识别算法是人脸识别系统中的关键部分，接下来我们将通过本文了解一下关于人脸识别算法的特征提取需要注意的事项。

简介：摘要

简介：特征检测算法是图像匹配及物体识别的基础，本文介绍了四种局部特征检测技术：Kaze、Sift、Surf、Orb以及通过一些评价指标比较了它们匹配性能。主要从匹配率，正确匹配率，检测特征关键点速度三个方面进行了比较，实验结果表明：Kaze具有较好的鲁棒性，对光照、模糊的不变性最好，Sift也有较好的鲁棒性，对旋转、尺度有很好的不变性。Sift和Kaze各有侧重点，Surf综合性能一般，但是比前两种速度快，Orb对尺度没有不变性，速度最快。

简介：使用多聚焦图像融合（Multifocusimagefusion,MFIF）方法的最终目的是增加LR多聚焦图像中的高频成分,该方法采用低分率（lowresolution,LR）多聚焦图像恢复技术让高分辨率（highresolution,HR）多聚焦图像恢复.在IEDCNN参考模型的基础上采用多聚焦图像融合模型,并利用局部目标特征提取和NSCT变换相结合的动态模型结构,还在图像融合时引入了蚁群算法.经过实验表明：本文采用的方法比IEDCNN更具优势,尤其是图像融合效果,清晰度更佳,同时也让振铃效应得到了有效的抑制.

简介：摘要：目标行为特征提取是计算机视觉和行为分析领域的重要任务之一。本研究基于深度学习方法，探索了对目标行为特征进行有效提取的方法。首先，我们回顾了深度学习在计算机视觉任务中的成功案例，并分析了深度学习在目标行为分析和行为识别中的优势。接着，我们概述了基于深度学习的目标行为特征提取方法，并讨论了深度学习模型在这一领域中的应用现状、优势和局限性。我们还比较和评估了不同的深度学习模型，探讨了它们在目标行为特征提取方面的性能差异。在模型设计方面，我们介绍了模型架构和网络结构设计、数据预处理和标注方法、损失函数和训练策略，以及模型参数调优和优化方法。最后，我们进行了实验和评估，通过比较不同模型在目标行为特征提取任务上的表现，验证了深度学习在该领域的有效性和潜力。本研究的结果对于改进目标行为特征提取方法、推动计算机视觉和行为分析的发展具有重要意义。

简介：基于DiagPCA（对角主成分分析）及平均脸的方法对二维主成分分析（2DPCA）方法进行了改进,既考虑到构造2DPCA训练样本人脸间散布矩阵时使特征最大化,减少了同类人脸之间的特征差异,又利用图像矩阵对角化将图像的行、列关系联系起来,并利用ORL人脸数据库进行实验。结果显示,该方法可提高人脸识别率,且降低了特征提取的时间。

简介：客户特征提取是整个客户行为分析过程中的重要环节.由于客户特征提取时获得的数据具有多共同特征及大噪声等特点,使得在客户行为分析中进行客户特征提取存在较大误差.采用UCI机器学习数据库中有多个共同特征的数据集分别对典型特征提取算法进行实验对比及分类规则提取结果分析,验证了FC-GMDH算法在特征提取精度和抗干扰方面具有明显的优势,在客户行为分析时取得满意的特征提取效果.

简介：在对现有的山脊线和山谷线的提取算法进行分析、研究的基础上,根据基于等高线-次性构建Delaunay三角网模型算法中数据结构的特点,提出了一种等高线地形特征提取的简易算法,并在VisualC＋＋编程环境下对本文中的算法进行了编程与实现.实验结果表明,用该算法所提取的山脊线和山谷线与实际地形相符合.

简介：摘要：为了加强与聋哑人群的无障碍沟通，团队提出了一种高效的手语识别技术。该项技术是利用了改良后的HOG算法、SVM技术和改进Canny算法。HOG算法的改良解决了主、副对角线上像素的灰度信息的问题；结合使用SVM技术，对静止哑语姿势进行特征提取和训练，从而有效捕捉手势的关键特征；改进Canny算法解决移动边界的提取问题，最大限度的提升了识别率和识别速度。通过实验验证，我们发现这种方法在识别成功率和时间效率方面，都优于传统的HOG特征结合SVM的方法。这种技术的实现，为聋哑人士与听力正常人群之间的交流提供了更加流畅的通道，是无障碍通信领域的一大进步。

简介：摘要：针对传统的图像匹配算法存在误匹配率高，特征提取信息也比较少的问题。本文基于 BOW+SVM框架组合设计并实现了物品识别算法。对目标物体利用无监督学习的方法构造目标物体的识别模型，再与环境图像进行识别模型的特征点匹配，最后确定并且框选出目标物品。使用 SURF算法将目标物品的特征点提取出来，再结合 FLANN算法、特征点二次筛选算法与 RANSAC算法对目标物体进行识别与框选。

简介：视频监控的智能化是目前安防发展的一个趋势，如运动目标检测、目标识别。在这个过程中经常需要对目标进行背景分离然后进行特征提取并标识。FPGA内置了硬核DSP和存储器模块，具有强大的数据并行处理能力，适用于视频序列的图像处理。本文基于FPGA建立可编程的片上系统，在系统中利用快速连通域检测方法对目标进行特征提取，并根据特征信息在视频中以叠加字符形式将目标进行框选标识。

简介：特征提取是合成孔径雷达目标识别关键技术与核心任务。为了更好地提取目标特征，稀疏约束将被添加在非负矩阵分解法中，并应用于图像目标特征提取，通过利用稀疏约束的非负矩阵分解方法对sAR目标图像进行分解，构建具有稀疏性的目标特征矢量，提高了特征矢量的类内相似性与类间差异性。利用基于支持向量机的分类方法对MSTAR数据进行目标识别试验，试验结果表明，添加稀疏约束的NMF方法与PCA、ICA以及一般NMF特征提取方法相比，能够显著提高目标识别的稳定性和准确率。

简介：摘要：基于内容的图像检索离不开特征提取，而局部特征提取是当前研究热点之一，由于局部特征之间的独立性和高语义性，此种方法在基于内容的图像检索领域有着良好的表现[1]。为了进一步提高局部特征的语义性、提升特征提取模型的表现力，本文引入视觉注意力机制与分组卷积思想对当前的局部特征提取模型进行优化，经实验证实，优化后的模型提取出的局部特征在Oxford数据集以及Paris数据集有着更好的检索效果。

简介：本文提出了一种改进的注意力选择模型，在这个模型中，周边神经元代表初级视觉皮层的神经元，中心神经元代表更高级视觉皮层中的神经元．生理实验发现方向选择性是初级视觉皮层神经元的重要特性之一，所以模型除了考虑外部刺激的强度，也考虑了初级视觉皮层中的神经元的方向选择性．仿真结果显示改进后的模型能够选择具有不同方向选择性的目标，并且能从一个目标转移到另一个目标．和原模型相比，改进后的模型更符合生理背景．该模型的动力学分析结果，对于理解视觉神经系统的编码有一定的帮助．

简介：

简介：针对复杂环境下,辐射源个体细微特征难于提取的问题,提出了一种改进多重分形维数辐射源个体特征提取算法。该算法对传统的多重分形维数算法进行了简化,取消了对传统多维特征进行求和的步骤,所得到的新的多重分形维数特征,对于辐射源个体特征的提取更具有针对性。仿真结果表明,提取到的多重分形维数特征可以较好地刻画辐射源个体特征,进而为后续分类器的设计打下良好的基础。

简介：摘要：知识产权是权利人对所创作的智力劳动成果所享有的财产权利，其本质核心就是为了证明是谁在什么时 间创作了什么样的劳动成果。但由于传统登记方式的局限性，一直存在存证难、取证 难、确权难、维权难、交易难、成本高及周期长等诸多问题。为了解决上述知识产权存在的诸多难题，提出利用人工智能+区块链构建知 识产权溯源平台。该平台一方面对人工智能纹理识别技术进行研究，用于对数据资产提取高维特征向量，将高维特征向量作为证据上传到平台，解决自动化存证和取证的问题；另一方面将通过纹理技术取 证的信息以NFT智能合约的方式放到区块链上，以期解决知识产权维权难、交易难及周期长的问题，利用NFT智能合约也可 以将证据在多个涉及到产权的部门间可信自动化流转。

简介：为后续目标识别作准备，针对采集并且存储之后的飞机目标雷达回波信号，完成后端雷达信号处理。首先，基于MATLAB提取波门内采样的回波信号并且实现目标的一维成像。然后，采用传统的傅里叶变换模值、双谱奇异值分解法对目标的一维距离像进行特征提取。为了获得较为稳定的目标特征，针对以上两种方法，主要从特征相似性的测量角度分析单一目标特征提取方法的性能优劣。最后通过实验，从相关系数概率密度分布情况得出双谱奇异值分解特征提取法性能较佳，所得到的目标特征较稳定。