周杨
- 作品数：7 被引量：34H指数：4
- 供职机构：广西大学电气工程学院更多>>
- 发文基金：广西壮族自治区自然科学基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于边缘自适应的Mean Shift目标跟踪方法被引量：5
- 2017年
- 针对Mean Shift算法固定搜索核窗口存在局限性的问题,提出了一种基于边缘特性的Mean Shift搜索核半径自动调节的运动目标跟踪方法。在视频序列图像中,当目标远离、靠近摄像机时,会发生尺寸变小、变大的变化,导致固定核窗口的Mean Shift搜索算法得到的结果要么存在太多的背景噪声,要么没有包含完整的目标特征,从而使跟踪效果变差。利用边缘检测求出以目标为中心,略大于Mean Shift核半径区域的二值图像,根据二值图像的形心,用逐步缩小的圆去逼近目标的办法求出适合真实目标的Mean Shift核窗口半径,达到核函数半径自适应目标的目的。实验结果表明,根据边缘特性自动调节Mean Shift搜索核窗口半径的方法,显著降低目标形状大小变化所带来的影响,准确而有效地实现了运动目标的跟踪。
- 周杨胡桂明黄东芳
- 关键词：SHIFT边缘检测自适应目标跟踪
- 结合肤色分割和ELM算法的静态手势识别被引量：9
- 2015年
- 针对目前复杂背景下手势图像识别率不高、识别困难等问题,基于ELM(extreme learning machine),提出了一种快速手势识别方法。结合RGB与HSV两种颜色空间模型,从复杂背景中去除大部分类肤色的干扰,实现手势分割;采用改进的Hu不变矩以及指尖个数对获取的手势轮廓进行描述;利用ELM进行特征数据分类,从而实现实验所采用手势的识别,其中ELM是在单隐层神经网络的基础上提出来的一种新型前馈神经网络,网络结构比较简单,输入权值和偏差随机给定的。在采用ELM识别的同时又用传统的BP网络进行了识别,结果表明:相对于BP网络,ELM具有较快的学习速度和良好的抗差能力,同时识别率比较高,适合静态手势识别。
- 杨丽胡桂明黄东芳周杨
- 关键词：手势分割ELM
- 基于一种改进的Hough变换的输电线提取与识别被引量：11
- 2016年
- 在野外拍摄得到的输电线图像中,输电导线具有明显的线性特征,因此可以直线为基础来研究导线提取与识别的算法。Hough变换是经典的变换域直线提取算法,针对输电线图像的特点以及从Hough变换改进的思路出发,运用形态学分析和搜索聚类的方法先去除输电导线二值边缘图像中的背景噪声,提取出导线上的像素点。经过预处理后,再运用阈值区间的自适应估算方法来计算Hough变换的参数阈值,从而识别出图像中的输电线。实验结果表明,该方法具有较好的提取效果,并且能准确的识别出输电线,计算简单速度较快。
- 黄东芳胡桂明周杨
- 关键词：形态学分析HOUGH变换
- 基于ELM神经网络的语音识别研究
- 2015年
- ELM神经网络是一种新的神经网络,近几年来在数据拟合和模式识别等方面得到了广泛的研究。该算法的模型是基于单隐含层神经网络(SLFNs),相比需要经过长期迭代求解参数的其他网络,该算法只需要一次求解就能训练好网络参数,是一种快速训练算法。本文将该算法与时间规整相结合对语音进行识别研究,与SVM相比,ELM具有更快的训练速度,且识别效果良好。
- 王威胡桂明杨丽黄东芳周杨
- 关键词：语音识别ELMSVM
- 基于光流与Mean Shift算法的运动目标检测被引量：2
- 2016年
- 为了改善传统光流法不能很好地解决背景运动带来影响的问题,提出了一种基于光流矢量与Mean Shift算法的运动目标检测方法。结合图像中边缘信息和灰度信息,用金字塔法计算出特定像素点的Lucas-Kanade光流矢量。再利用Mean Shift算法的梯度搜索原理找出运动背景的光流矢量,进而找出运动目标的光流矢量。实验结果表明,融入Mean Shift算法后的光流法高精度地检测出了目标,显著降低背景运动所带来的影响。文中所提方法比传统几种方法更加准确地得到了所需结果。
- 周杨胡桂明黄东芳
- 关键词：光流法SHIFT目标检测金字塔
- 基于ELM和PCA的汉语数字语音识别研究被引量：2
- 2015年
- 针对传统BP网络在语音识别应用中存在训练时间长,容易陷入局部极小值等问题,建立了一种基于ELM的语音识别系统。ELM是一种快速的单隐层前馈神经网络(SLFN)训练算法,将该算法与单隐层BP网络进行实验比较。实验中对提取的特征矩阵采用主成分分析(PCA)算法进行降维,该算法有效地提取了语音信号的主要成分。实验结果表明:在训练时间上,ELM明显优于BP算法;在识别率上,ELM优于BP算法。
- 王威胡桂明杨丽黄东芳周杨
- 关键词：语音识别极限学习机BP网络
- 基于谱减法和均匀子带频带方差法的端点检测被引量：5
- 2016年
- 传统的端点检测算法是基于短时能量和短时过零率的双门限检测法,该算法对于含噪语音信号检测效果不佳。因此,将谱减法与均匀子带频带方差算法相结合,结合算法分两个过程,首先用谱减法对带噪语音信号进行降噪,然后用均匀子带频带方差法进行端点检测。实验结果表明,结合算法对于含噪较多的语音信号检测效果良好。
- 王威胡桂明杨丽黄东芳周杨
- 关键词：端点检测双门限检测谱减法
