基于HOG特征与SVM的胶体气泡识别方法研究

被引:5
作者
潘琪
尹雄
秦襄培
武胜超
王洪娇
李俊林
机构
[1] 武汉工程大学机电工程学院
关键词
HOG特征; 支持向量机; 光纤连接器; 胶体气泡;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
本文提出了一种基于HOG特征与支持向量机的分类方法,来代替目前人工检测光纤连接器中的胶体是否存在气泡。该方法先对视频中的胶体部分进行逐帧取样,根据样本制作正、负样本训练集以及测试集,接着选择适当的参数提取了训练集和测试集中胶体气泡HOG特征,并通过支持向量机来进行训练和测试统计的HOG特征,来识别胶体是否存在气泡。最后以人工识别为标准,并与本方法的分类结果进行验证。其实验结果表明该方法能够有效地将有、无气泡的样本进行分类,并在时间和人力上取得明显的优势。
引用
收藏
页码:21 / 24
页数:4
相关论文
共 9 条
[1]   结合SVM分类器与HOG特征提取的行人检测 [J].
徐渊 ;
许晓亮 ;
李才年 ;
姜梅 ;
张建国 .
计算机工程, 2016, 42 (01) :56-60+65
[2]   支持向量机理论及算法研究综述 [J].
汪海燕 ;
黎建辉 ;
杨风雷 .
计算机应用研究, 2014, 31 (05) :1281-1286
[3]   基于支持向量机的目标检测算法综述 [J].
郭明玮 ;
赵宇宙 ;
项俊平 ;
张陈斌 ;
陈宗海 .
控制与决策, 2014, 29 (02) :193-200
[4]   一种基于SVM的改进车牌识别算法 [J].
薛丹 ;
孙万蓉 ;
李京京 ;
贾海龙 ;
杨子峰 ;
王政 .
电子科技, 2013, 26 (11) :22-25
[5]   利用SVM的聚类算法在时间序列信号识别中的应用 [J].
汪永涛 .
微电子学与计算机, 2012, 29 (03) :182-184
[6]   基于支持向量机的葡萄病害图像识别方法 [J].
田有文 ;
李天来 ;
李成华 ;
朴在林 ;
孙国凯 ;
王滨 .
农业工程学报, 2007, (06) :175-180
[7]  
Detection of Power Quality Event using Histogram of Oriented Gradients and Support Vector Machine.[J].Rajiv Kapoor;Rashmi Gupta;Le Hoang Son;Sudan Jha;Raghvendra Kumar.Measurement.2018,
[8]  
模式识别与智能计算的MATLAB实现.[M].许国根; 贾瑛; 编著.北京航空航天大学出版社.2012,
[9]  
模式识别与智能计算.[M].杨淑莹; 著.电子工业出版社.2007,