姜志威
- 作品数：3 被引量：12H指数：3
- 供职机构：清华大学更多>>
- 发文基金：国家重点基础研究发展计划航天支撑技术基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于DSP的主动视觉运动目标跟踪策略及实现被引量：5
- 2009年
- 设计了一种基于TMS320DM642的单目主动视觉运动目标自动跟踪系统,该系统采用了一种期望极大化(Expectation Maximization,EM)自适应窗口的运动目标跟踪方法。本方法以考虑了像素空间位置信息的混合高斯模型建立目标的灰度特征模板,然后通过EM算法迭代估计出使每帧似然函数最大化的分布参数值,这些参数不但可确定出跟踪目标在图像序列中的位置和形状尺寸,而且为单目摄像机的自动变焦和基于分区逻辑的摇摆运动提供了控制信息。实验表明:系统可以自动而稳定地跟踪具有复杂运动状态的目标,对320 pixels×240 pixels的图像可实现平均约20 frame/s的跟踪速度。
- 王睿王林姜志威
- 关键词：运动目标跟踪高斯混合模型
- 低数据资源条件下基于结构信息共享的无切分维文文档识别字符建模被引量：4
- 2015年
- 无切分维吾尔文文档识别技术能够有效避免字符切分错误,但是对于低数据资源的新样本类型,原有模型往往难以获得较高的识别性能。为此,该文提出共享常用维文字体间相对稳定的字符结构信息,并用Bootstrap方法提高样本利用效率的解决方法。通过在实际书籍样本上的实验表明,仅利用规模约原始训练样本1/5的新类型样本,该方法在测试集上的平均字符识别准确率就可以达到95.05%;而与常用的最大后验概率估计方法相比,也能使识别错误率相对降低55.76%-63.84%。因此,该方法能够有效解决低数据资源条件下的维文字符建模问题,实现对新样本类型的高性能识别。
- 姜志威丁晓青彭良瑞刘长松
- 关键词：文字识别隐马尔可夫模型统计学习维吾尔文
- 针对无切分维吾尔文文本行识别的字符模型优化被引量：3
- 2015年
- 基于隐含Markov模型(hidden Markov model,HMM)的无切分文本行识别方法能够利用概率图的思想,同步完成文本行图像的切分与识别,避免因字符预切分失败而导致的识别错误,但对字符模型的设计与训练要求很高,并且在多字体融合问题中难以提高模型泛化性能。该文通过分析模型状态在图像层面的聚类意义,先提出基于观测合理聚类的模型结构优化方法,再提出结构与参数相结合的字符模型优化策略,最后将其应用于多字体维吾尔文文本行的无切分识别系统。实验结果表明,该方法能够改善模型的状态分配合理性,并且在多字体融合问题中提高了模型泛化性能和状态利用效率。
- 姜志威丁晓青彭良瑞
- 关键词：信息处理文字识别统计学习维吾尔文
