利用智能手机内置加速度计进行地震场景识别是地震预警研究领域的新热点,现有的利用手机识别地震的方法中,地震模拟场景与真实情形出入较大,且识别方法较为单一。利用地震体验屋模拟出地震场景数据,提出一种两层分类的地震场景识别方法...利用智能手机内置加速度计进行地震场景识别是地震预警研究领域的新热点,现有的利用手机识别地震的方法中,地震模拟场景与真实情形出入较大,且识别方法较为单一。利用地震体验屋模拟出地震场景数据,提出一种两层分类的地震场景识别方法以区分地震场景和不同日常生活场景。该方法中,首先为提出的最大相关系数和(Sum of Maximum Correlation,SMC)特征设置单门限,利用数据周期性排除跑步、步行等人类运动场景,再利用K最邻近算法对非周期性运动场景数据进行第二层分类,以正确提取地震场景。实验结果表明,该分层识别方法快速且地震场景和非地震场景识别率均在96%以上。展开更多
传统的机器视觉采用二维RGB图像,难以满足三维视觉检测的要求,深度图像能直接反映物体表面的三维特征,正逐渐受到重视。该文提出的方案将RGB和深度信息相结合,分割出物体所在区域,并利用梯度方向直方图(HOG,histograms of oriented grad...传统的机器视觉采用二维RGB图像,难以满足三维视觉检测的要求,深度图像能直接反映物体表面的三维特征,正逐渐受到重视。该文提出的方案将RGB和深度信息相结合,分割出物体所在区域,并利用梯度方向直方图(HOG,histograms of oriented gradients)分别提取RGB图像和深度图像特征信息。在分类算法上,该文采用k最邻近节点算法(k-NN)对特征进行筛选,识别出目标物体。试验结果表明,综合利用深度信息和RGB信息,识别准确率很高,此方案能够对物体和手势进行很好识别。展开更多
文摘利用智能手机内置加速度计进行地震场景识别是地震预警研究领域的新热点,现有的利用手机识别地震的方法中,地震模拟场景与真实情形出入较大,且识别方法较为单一。利用地震体验屋模拟出地震场景数据,提出一种两层分类的地震场景识别方法以区分地震场景和不同日常生活场景。该方法中,首先为提出的最大相关系数和(Sum of Maximum Correlation,SMC)特征设置单门限,利用数据周期性排除跑步、步行等人类运动场景,再利用K最邻近算法对非周期性运动场景数据进行第二层分类,以正确提取地震场景。实验结果表明,该分层识别方法快速且地震场景和非地震场景识别率均在96%以上。
文摘传统的机器视觉采用二维RGB图像,难以满足三维视觉检测的要求,深度图像能直接反映物体表面的三维特征,正逐渐受到重视。该文提出的方案将RGB和深度信息相结合,分割出物体所在区域,并利用梯度方向直方图(HOG,histograms of oriented gradients)分别提取RGB图像和深度图像特征信息。在分类算法上,该文采用k最邻近节点算法(k-NN)对特征进行筛选,识别出目标物体。试验结果表明,综合利用深度信息和RGB信息,识别准确率很高,此方案能够对物体和手势进行很好识别。
