您的位置： 专家智库
>
资助详情>
浙江省科技厅资助项目(2010C31108)
浙江省科技厅资助项目(2010C31108)
- 作品数：2 被引量：16H指数：1
- 相关作者：竺乐庆张真周新宇姚茂国更多>>
- 相关机构：浙江工商大学中国林业科学研究院更多>>
- 发文基金：浙江省科技厅资助项目浙江省教育厅科研计划浙江省自然科学基金更多>>
- 相关领域：生物学自动化与计算机技术更多>>
- 基于SURF算法和OpenCV的掌纹识别技术研究
- 2012年
- 该文提出了一种基于快速鲁棒特征算法和OpenCV的掌纹识别方法。首先应用固定阈值法将手掌二值化,并提取出有效掌纹区域。然后用快速鲁棒特征算法提取并描述该区域的特征点,再通过随机采样一致性算法进行特征点之间的匹配。最后,通过一系列测试对该系统的性能进行了评估,实验结果证明该系统对掌纹图像的旋转、亮度和尺度变化具有较好的鲁棒性,且具有比较高的识别精度和时间性能。
- 周新宇姚茂国竺乐庆
- 关键词：快速鲁棒特征掌纹识别鲁棒性
- 基于MFCC和GMM的昆虫声音自动识别被引量：16
- 2012年
- 昆虫的运动、取食、鸣叫都会发出声音,这些声音存在种内相似性和种间差异性,因此可用来识别昆虫的种类。基于昆虫声音的昆虫种类自动检测技术对协助农业和林业从业人员方便地识别昆虫种类非常有意义。本研究采用了语音识别领域里的声音参数化技术来实现昆虫的声音自动鉴别。声音样本经预处理后,提取梅尔倒谱系数(Mel-frequency cepstrum coefficient,MFCC)作为特征,并用这些样本提取的MFCC特征集训练混合高斯模型(Gaussian mixturemodel,GMM)。最后用训练所得到的GMM对未知类别的昆虫声音样本进行分类。该方法在包含58种昆虫声音的样本库中进行了评估,取得了较高的识别正确率(平均精度为98.95%)和较理想的时间性能。该测试结果证明了基于MFCC和GMM的语音参数化技术可以用来有效地识别昆虫种类。
- 竺乐庆张真
- 关键词：昆虫声音处理自动识别混合高斯模型
