基于改進(jìn)的主動(dòng)形狀模型的葉形分類與步態(tài)識(shí)別.pdf

1、本文基于ASM算法的思想，使用了改進(jìn)的算法和程序?qū)θ~形分類和步態(tài)識(shí)別進(jìn)行探討。在進(jìn)行葉片分類進(jìn)程中，分別應(yīng)用覆蓋面積半徑和生物學(xué)參照點(diǎn)進(jìn)行伸縮變換和旋轉(zhuǎn)變換，使歸一化后的葉片更符合生物學(xué)特征；在分類時(shí)通過(guò)設(shè)置相似度閾值，強(qiáng)化了同類的標(biāo)準(zhǔn)，從而減少了一些非同類的誤歸入事件的發(fā)生；最后設(shè)計(jì)了三組實(shí)驗(yàn)來(lái)研究各影響因素獨(dú)立變化時(shí)對(duì)識(shí)別率的影響，經(jīng)過(guò)這些改進(jìn)，本文實(shí)現(xiàn)植物葉片批量識(shí)別和分類，提供了一種查詢錯(cuò)分分布的方法并指出提高識(shí)別率的研究方向。

2、在進(jìn)行步態(tài)識(shí)別時(shí)，首先將側(cè)影進(jìn)行分割、填充、歸一化等預(yù)處理。根據(jù)Lee提出方法將人體劃分成七個(gè)不同的子區(qū)域，分別計(jì)算每個(gè)子區(qū)域的質(zhì)心建立主動(dòng)形狀模型；在選取特征提取的算法時(shí)將考慮兩種：(1)上半肢變化的因素舍棄在外，僅僅考慮腿部，特別是前端腿部的變化；(2)全身變化的因素。我們?cè)谥袊?guó)科學(xué)院數(shù)據(jù)庫(kù)NLPR的側(cè)面視角數(shù)據(jù)庫(kù)上嘗試三種不同的分類方法，即最近鄰分類器(NN)，K-最近鄰分類器(kNN)，并與最近標(biāo)本分類器(ENN)來(lái)區(qū)分不同的樣