融合HOG+SVM与MFCC特征的自动优化物体识别系统研究

• 作者: 尹钟 庄屹 陈玮
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 物体识别 自优化系统 梯度直方图 支持向量机 梅尔倒谱
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 10-15
• 页数: 6页
• 分类号: TP301
• 字数: 4084字
• 语种: 中文
• DOI: 10.11907/rjdk.182221

摘要

在与人交互情况下,针对物体识别系统通过反馈信息自动优化识别能力问题,提出一种结合梯度直方图(HOG)特征提取和支持向量机(SVM)进行特定物体识别的方法.运用Tensorflow训练语音识别模型反馈人机交互信息,使系统实现自优化.以手表类别作为识别对象,通过HOG特征描述对手表进行特征提取,通过二维主成分分析(2DPCA)和线性判别分析(LDA)对整体和局部特征进行降维,运用改进的空间金字塔匹配模型通过SVM对其分类,并运用非极大值抑制(NMS)确定区域,运用训练的梅尔倒谱(MFCC)特征语音识别模型对反馈信息进行识别,最终整合信息优化识别系统.实验表明,该系统对手表有较高的识别率,并能通过人机交流在较短时间内使系统实现自优化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈玮	上海理工大学光电信息与计算机工程学院	55	341	10.0	16.0
2	尹钟	上海理工大学光电信息与计算机工程学院	16	28	3.0	5.0
3	庄屹	上海理工大学光电信息与计算机工程学院	1	1	1.0	1.0