Global Multiple Extraction Network for Low-Resolution Facial Expression Recognition
本文提出全局多重提取网络GME-Net，通过混合注意力局部特征提取与知识蒸馏、多尺度全局特征提取相结合，解决低分辨率面部表情识别中细节缺失和全局建模不足的问题，并在多个数据集上取得优于现有方法的性能。
2025-11-08 cs.CV
A Novel Feature Extraction Method for Scene Recognition Based on Centered Convolutional Restricted Boltzmann Machines
Beijing University of Technology（北京工业大学）；University of Kansas（堪萨斯大学）
场景识别是计算机视觉领域的一个重要研究课题，而特征提取是目标识别的关键步骤。经典的受限玻尔兹曼机（RBM）虽然能够有效地表示复杂的数据，但由于其计算的复杂性，很难处理大型图像。提出了一种新的用于场景识别的特征提取方法--中心卷积限制玻尔兹曼机（CCRBM）。该模型是一种改进的卷积限制玻尔兹曼机（CRBM），通过在其学习策略中引入中心因子来减少不稳定性的来源。首先，使用中心因子重新定义网络的可见单元。然后，通过利用分布函数，用修改的能量函数来学习隐藏单元，并且使用学习的隐藏单元来重建可见单元。为了实现更好的生成能力，中心卷积深度信念网络（CCDBN）以贪婪的逐层方式进行训练。最后，结合softmax回归进行场景识别。使用自然场景，麻省理工学院室内场景和加州理工学院101数据集进行的广泛的实验评估表明，所提出的方法在稳定性，泛化和歧视方面优于其他同行。CCDBN模型由于具有卷积特性，更适合于自然场景图像识别。
2015-06-24 cs.CV
Automatic local Gabor Features extraction for face recognition
National Engineering School of Sfax（斯法克斯国立工程学院）
本文提出了一种彩色图像中人脸检测与识别的生物特征系统。人脸检测技术是基于肤色信息和模糊分类。提出了一种新的人脸特征（眼、嘴、鼻）的自动检测和几何点提取算法。这些基准点被描述为用于识别的小波分量的集合。为了实现人脸识别，我们使用了神经网络，并研究了它在不同输入下的性能。我们比较了两种类型的特征用于识别：几何距离和Gabor系数，可以单独使用或联合使用。这种比较表明，Gabor系数比几何距离更强大。我们的实验结果表明，如何识别率的重要性，使我们的系统自动人脸检测和识别的有效工具。
2009-07-28 cs.CV
Flexible Table Recognition and Semantic Interpretation System
Fraunhofer IAIS（弗劳恩霍夫智能分析和信息系统研究所）；University of Bonn（波恩大学）；University of Cologne（科隆大学）
表抽取是一个重要但尚未解决的问题。在本文中，我们介绍了一个灵活的和模块化的表提取系统。我们开发了两个基于规则的算法，执行完整的表识别过程，包括表检测和分割，并支持最常见的表格格式。此外，结合语义信息的提取，我们开发了一个基于图的表解释方法。我们对具有挑战性的表格识别基准ICDAR 2013和ICDAR 2019进行了广泛的实验，取得了与最先进方法相竞争的结果。我们完整的信息抽取系统表现出很高的F1得分为0.7380。为了支持未来的研究信息抽取从文件中，我们使资源（地面实况注释，评估脚本，算法参数）从我们的表解释实验公开。
2021-12-02 cs.CV
Object Recognition by Using Multi-level Feature Point Extraction
在本文中，我们提出了一种新的方法，通过采用多层次的特征分析，实时对象识别和证明适应特征提取到朴素贝叶斯分类框架，使简单，高效，强大的性能的实用性。我们还表明，所提出的方法规模以及水平类的数量的增长。为了有效地理解关键点周围的补丁，经过训练的分类器使用数百个简单的二进制特征和模型类后验概率。此外，在任意特征集之间的假设独立性下，分类过程在计算上是便宜的。即使对于某些特定的场景，这种假设也可能是无效的。我们证明了有效的分类器，但在图像数据集上的照明环境和图像捕获的角度有很大的变化，表现非常好。实验结果表明，该算法在许多具有挑战性的数据集上都能达到一致的精度，同时对大分辨率图像提供了交互速度。该方法证明了有前途的结果，优于国家的最先进的方法对模式识别。
2017-10-28 cs.CV
Stroke extraction for offline handwritten mathematical expression recognition
School of Mathematics, Sun Yat-Sen University（中山大学数学学院）
由于缺乏时间信息，离线手写数学表达式识别通常被认为比在线识别困难得多。为了充分利用目前比较成熟的在线识别方法并节省资源，提出了一种基于过分割的文本位图笔划自动恢复方法。该算法首先将二值化图像的骨架分解为结点和线段，然后将线段合并形成笔画，最后利用递归投影和拓扑排序对笔画顺序进行规范化。与普通的在线识别器相结合，获得了良好的离线准确率，这不是专门为提取的笔画而设计的。给定一个现成的最先进的在线手写数学表达式识别器，所提出的过程分别正确识别了2014年，2016年和2019年在线手写数学表达式识别竞赛（CROHME）数据集的58.22%，65.65%和65.22%的离线公式。此外，给定一个可训练的在线识别系统，用提取的笔画对其进行再训练，可以得到具有相同准确度的离线识别器。另一方面，整个流水线的速度足够快，可以在资源有限的手机上进行设备识别。综上所述，笔划提取为构建光学字符识别软件提供了一种有吸引力的方法。
2020-01-16 cs.CV
Automatic facial feature extraction and expression recognition based on neural network
本文提出了一种从静止的正面图像中自动提取人脸特征提取，并对人脸表情进行分类和识别的方法。前馈反向传播神经网络被用作分类器，用于将所提供的面部表情分类为七个基本类别，如惊讶、中性、悲伤、厌恶、恐惧、高兴和愤怒。对于面部分割和定位，使用形态学图像处理操作。利用SUSAN边缘检测算子、人脸几何学、边缘投影分析提取眉毛、眼睛、嘴巴和鼻子等永久性人脸特征。在JAFFE人脸表情数据库上进行了实验，训练集的准确率为100%，测试集的准确率为95.26%。
2012-04-10 cs.CV
A Novel Feature Extraction for Robust EMG Pattern Recognition
Prince of Songkla University（宋卡王子大学）
各种噪声是肌电信号识别的主要问题。因此，去除噪声的方法成为肌电信号分析中最重要的问题。本文采用高斯白噪声来表示干扰。通常，WGN难以使用典型的滤波来去除，并且去除WGN的解决方案是有限的。此外，噪声去除是执行特征提取之前的重要步骤，其用于基于EMG的识别。本研究的目的是提出一种新的特点，容忍与WGN。因此，不需要噪声去除算法。提出了两种新的均值和中值频率（MMNF和MMDF）用于鲁棒的特征提取。十六个现有的功能和两个新奇的评价在嘈杂的环境中。将具有各种信噪比（SNR）（即20-0 dB）的WGN添加到原始EMG信号中。实验结果表明，MMNF在肌电信号的识别中有很好的效果，尤其是在弱肌电信号的识别中。在信噪比为0 dB的强噪声背景下，MMNF的误差约为5- 10%，与MMDF和直方图相近，而其他特征的误差都在20%以上。而在强肌电信号中，MMNF的误差优于其他特征的误差。此外，MMNF，肌电信号直方图和Willison幅度的组合被用作分类任务的特征向量。实验结果表明，该方法在噪声环境下的识别效果优于其他候选特征。从以上结果表明，MMNF可以用于新的鲁棒特征提取。
2009-12-26 cs.CV
Feature-Based Dual Visual Feature Extraction Model for Compound Multimodal Emotion Recognition
University of Chinese Academy of Sciences（中国科学院大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；Tianjin Normal University（天津师范大学）
针对第八届ABAW竞赛复合情绪识别的不确定性与模态冲突问题，提出融合ViT与ResNet特征的多模态识别方法，在C-EXPR-DB等数据集上取得更优性能。
2025-03-21 cs.CV
Manipulated Object Proposal: A Discriminative Object Extraction and Feature Fusion Framework for First-Person Daily Activity Recognition
检测和识别与人类交互的对象是第一人称（自我中心）日常活动识别的中心。然而，由于噪声摄像机运动和频繁的变化，在视点和规模，以前的大多数自我中心的动作识别方法无法捕捉和建模高度区分对象的功能。在这项工作中，我们提出了一种新的管道第一人称日常活动识别，旨在更具鉴别力的对象特征表示和对象运动特征融合。我们的对象特征提取和表示管道受到最近成功的对象假设和基于深度卷积神经网络的检测框架的启发。我们的主要贡献是一个简单而有效的操纵对象的建议生成方案。该方案利用运动线索，如运动边界和运动幅度（相比之下，相机运动通常被认为是“噪声”的大多数以前的方法），以生成一个更紧凑和有区别的一组对象的建议，这是更密切相关的对象被操纵。然后，我们从这些基于区域的卷积神经网络（R-CNN）的操纵对象的建议学习更多的歧视性对象检测器。同时，我们开发了一个基于网络的特征融合方案，更好地结合了对象和运动特征。我们在实验中表明，所提出的框架显着优于国家的最先进的识别性能上具有挑战性的第一人称日常活动基准。
2016-05-31 cs.CV
DIFEM: Key-points Interaction based Feature Extraction Module for Violence Recognition in Videos
Indian Institute of Information Technology Allahabad（印度阿拉哈巴德信息技术学院）
本文提出DIFEM模块，利用人体骨骼关键点捕捉暴力行为的动态特征，如关节快速运动和接近性，通过轻量级方法实现高效暴力识别，实验表明其在三个标准数据集上表现优异。
2026-03-28 cs.CV
Facial Expression Recognition using Facial Landmark Detection and Feature Extraction via Neural Networks
National Institute of Technology Karnataka（卡纳塔克国立理工学院）
本文提出的框架的主要目标是对人的面部表情进行分类。这些可分类的表情可以是六种普遍情绪中的任何一种，以及中性情绪。在执行初始面部定位之后，应用面部界标检测和特征提取，其中界标被确定为基准特征：眉毛、眼睛、鼻子和嘴唇。这主要是使用最先进的面部标志检测算法以及分别使用Sobel滤波器和Shi Tomasi角点检测方法的传统边缘和角点检测方法来完成的。这导致生成使用欧几里德距离公式化的输入特征向量，并将其训练到多层感知器（MLP）神经网络中，以便对正在显示的表情进行分类。所取得的成果进一步处理了某些情绪的高度一致性和表达的固有主观性。
2020-07-15 cs.CV
Online Learnable Keyframe Extraction in Videos and its Application with Semantic Word Vector in Action Recognition
University of Alberta（阿尔伯塔大学）
视频处理由于其在视频摘要、动作识别等方面的各种应用，已经成为计算机视觉中的热门研究方向。最近，基于深度学习的方法在动作识别方面取得了令人瞩目的成果。然而，这些方法需要处理完整的视频序列来识别动作，即使这些帧中的大多数是相似的并且对于识别特定动作是不必要的。此外，这些不必要的帧增加了计算成本，并可能混淆动作识别中的方法。相反，被称为关键帧的重要帧不仅有助于动作的识别，而且还可以减少用于分类或其他应用（例如摘要）的每个视频序列的处理时间。同样，视频处理中的当前方法尚未以在线方式展示。基于上述原因，我们提出了一个在线学习的关键帧提取模块。该模块可用于选择视频中的关键镜头，从而可应用于视频摘要。提取的关键帧可用作任何基于深度学习的分类模型的输入以识别动作。我们还提出了一个插件模块，使用语义词向量作为输入，以及关键帧和一种新的训练/测试策略的分类模型。据我们所知，这是第一次提出这样的在线模块和训练/测试策略。在视频摘要和动作识别中的许多常用数据集上的实验结果表明，使用所提出的模块取得了令人印象深刻的结果。
2020-09-25 cs.CV
A Method for Extraction and Recognition of Isolated License Plate Characters
National Chiao-Tung University（国立交通大学）
提出了一种车牌中孤立字符的提取与识别方法。在提取阶段，该方法利用高斯差分（DOG）函数来检测孤立字符，与一系列其他可能的图像函数相比，DOG函数类似于高斯拉普拉斯函数，能够产生最稳定的图像特征。对不同尺度的DOG图像进行连通元分析，提取候选特征。在识别阶段，采用一种新的特征向量--累积梯度投影向量（AGPV）来比较候选字符和标准字符。通过首先将相似梯度方向的像素投影到特定轴上，然后按每个轴累积投影的梯度幅度来计算AGPV。实验证明，该方法具有图像缩放和旋转不变性，对噪声和光照变化具有鲁棒性。
2009-09-22 cs.CV
Improving Contactless Fingerprint Recognition with Robust 3D Feature Extraction and Graph Embedding
Beijing Key Laboratory of Network System and Network Culture（北京网络系统与网络文化重点实验室）；Beijing University of Posts and Telecommunications（北京邮电大学）
针对现有非接触式指纹识别算法未考虑模态差异、忽略3D特征的问题，提出一种通过恢复3D特征并采用3D图匹配的算法，可提升匹配精度且在多姿态下表现稳定。
2025-11-10 cs.CV
From Noise to Feature: Exploiting Intensity Distribution as a Novel Soft Biometric Trait for Finger Vein Recognition
South China University of Technology（华南理工大学）
大多数手指静脉特征提取算法由于其纹理表示能力而获得令人满意的性能，尽管同时忽略了由手指组织形成的强度分布，并且在某些情况下，将其作为背景噪声处理。在本文中，我们利用这种噪声作为一种新的软生物特征，以实现更好的手指静脉识别性能。首先，详细分析了手指静脉成像的原理和图像的特点，指出手指组织在背景中形成的亮度分布可以作为软生物特征进行识别。然后，针对亮度分布特征提取，提出了两种手指静脉背景层提取算法和三种软生物特征提取算法。最后，提出了一种混合匹配策略，以解决得分水平上的主要和软生物特征之间的尺寸差异的问题。在三个开放数据库上进行的一系列对比实验表明，该方法对手指静脉识别是可行和有效的。
2021-12-15 cs.CV
PNL: Efficient Long-Range Dependencies Extraction with Pyramid Non-Local Module for Action Recognition
Nanyang Technological University（南洋理工大学）；NVIDIA AI Tech Centre（英伟达人工智能技术中心）
长距离时空相关性的捕获对于提高视频特征的动作识别能力具有重要作用。受非局部方法的启发而设计的非局部块就是为了解决这一挑战，并表现出了优异的性能。然而，非局部块给原始网络带来了计算成本的显著增加。它也缺乏对视频中的区域相关性进行建模的能力。为了解决上述限制，我们提出了金字塔非本地（PNL）模块，它通过金字塔结构模块在多个尺度上结合区域相关性来扩展非本地块。这种扩展通过关注不同区域之间的相互作用来提升非局部操作的有效性。实验结果证明了我们的PNL模块的有效性和效率，在Mini-Kinetics数据集上达到了83.09%的最先进性能，与非局部块相比，计算成本降低。
2020-06-09 cs.CV
A Framework of Combining Short-Term Spatial/Frequency Feature Extraction and Long-Term IndRNN for Activity Recognition
University of Electronic Science and Technology of China（电子科技大学）；Shandong University（山东大学）；North University of China（中北大学）；University of Wollongong（伍伦贡大学）
随着智能手机的普及，基于智能手机传感器的人体活动识别越来越受到人们的关注。由于智能手机传感器的高采样率，这是一个非常长距离的时间识别问题，特别是对于大的类内距离，例如在不同位置（例如在包中或身体上）携带的智能手机，以及小的类间距离，例如乘坐训练或地铁。为了解决这个问题，我们提出了一个新的框架相结合的短期空间/频率特征提取和长期独立递归神经网络（IndRNN）的活动识别。考虑到传感器数据的周期性特征，首先在空间域和频率域提取短时特征。然后使用能够捕获长期模式的IndRNN来进一步获得用于分类的长期特征。鉴于智能手机在不同位置携带时存在很大差异，首先开发了基于组的位置识别来精确定位智能手机的位置。来自SHL挑战赛的Sussex-Huawei Locomotion（SHL）数据集用于评估。该方法的早期版本在SHL Challenge 2020中获得了第二名（如果不考虑多模型融合方法，则为第一名）。本文对该方法进行了进一步的改进，得到了80.72 $\%$的精度，优于现有的使用单一模型的方法。
2020-11-06 cs.CV
PRISM: Perceptual Recognition for Identifying Standout Moments in Human-Centric Keyframe Extraction
本文提出PRISM，一个轻量级、免训练且感知对齐的关键帧提取框架，通过在CIELAB颜色空间利用感知颜色差异识别突出帧，在四个基准数据集上实现高准确率与高压缩比，适用于实时环境及在线有害媒体分析。
2025-06-23 cs.CV
Deep Learning-Based Feature Extraction in Iris Recognition: Use Existing Models, Fine-tune or Train From Scratch?
University of Notre Dame（圣母大学）
可以采用现代深度学习技术来生成用于虹膜识别任务的有效特征提取器。问题是：我们是应该在相对大的虹膜图像数据集上从头开始训练这样的结构，还是更好地微调现有模型以使它们适应新的领域？在这项工作中，我们探索了流行的ResNet-50架构的五组不同的权重，以确定虹膜特定的特征提取器是否比为非虹膜任务训练的模型表现更好。从每个卷积层中提取特征，并在与ResNet-50模型训练中使用的样本不相交的数据集上测量支持向量机实现的分类精度。我们表明，最佳的训练策略是微调一组现成的权重虹膜识别域。这种方法比现成的权重和从头开始训练的模型都更准确。获胜的，微调的方法也显示了性能的增加相比，以前的工作，其中只有现成的（未微调）模型用于虹膜特征提取。我们制作了性能最好的ResNet-50模型，用超过360，000张虹膜图像进行了微调，并与本文一起公开。
2020-02-20 cs.CV
Towards Unconstrained Palmprint Recognition on Consumer Devices: a Literature Review
National University of Ireland, Galway（爱尔兰国立大学戈尔韦分校）；National University of Ireland（爱尔兰国立大学）
作为一种生物识别技术，掌纹在很大程度上没有得到充分利用，但它们比指纹和面部生物识别技术具有一些优势。最近在手持和可穿戴消费设备上的成像能力的改进重新唤起了人们对掌纹使用的兴趣。本文的目的是提供一个全面的国家的最先进的掌纹识别方法，包括感兴趣的区域提取方法，特征提取方法和匹配算法，以及可用的掌纹数据集的概述，以了解最新的趋势和研究动态在掌纹识别领域。
2020-03-02 cs.CV
Sequential convolutional network for behavioral pattern extraction in gait recognition
Harbin Engineering University（哈尔滨工程大学）；University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
基于视频的步态识别作为一种独特的生物特征识别方法，具有广泛的应用前景。该方法的关键步骤是学习个体的行走模式，然而，直接从序列中提取行为特征往往面临挑战。大多数现有的方法只关注外观或运动模式。为了克服这些限制，我们从一个新的角度提出了一个序列卷积网络（SCN），其中时空特征可以通过基本的卷积骨干来学习。在SCN中，构建行为信息提取器（BIE），通过运动模板来理解时间序列中的中间特征图，其中可以分析帧之间的关系，从而提取步行模式的信息。此外，SCN中的多帧聚合器通过移动3D卷积层对长度不确定的序列执行特征整合。为了证明该方法的有效性，在两个流行的公共基准测试程序CASIA-B和OU-MVLP上进行了实验，与现有的方法相比，该方法具有更好的性能。
2021-04-23 cs.CV
Effective Action Recognition with Embedded Key Point Shifts
Nanyang Technological University（南洋理工大学）；NVIDIA（英伟达）
时间特征提取是基于视频的动作识别的关键技术。关键点已被用于基于标记的动作识别方法，但它们需要昂贵的关键点注释。在本文中，我们提出了一种新的时间特征提取模块，命名为关键点移位嵌入模块（$KPSEM$），自适应地提取跨视频帧的通道方式的关键点移位没有关键点注释的时间特征提取。关键点自适应地提取为在分割区域具有最大特征值的特征点，而关键点移位是对应的关键点的空间位移。通过线性嵌入层以多集合的方式将关键点移位编码为整体时间特征。我们的方法通过以微不足道的计算成本嵌入关键点移位来实现具有竞争力的性能，在Mini-Kinetics上实现了82.05%的最先进性能，在UCF 101，Something-Something-v1和HMDB 51数据集上实现了具有竞争力的性能。
2020-08-26 cs.CV
Bangla Text Recognition from Video Sequence: A New Focus
Indian Statistical Institute（印度统计研究所）
从视频帧图像中提取和识别孟加拉语文本是具有挑战性的，由于复杂的颜色背景，低分辨率等。本文提出了一种算法，孟加拉语文本提取和识别这样的视频帧具有复杂的背景。在这里，提出了一个两步走的方法。首先，使用基于线轮廓的信息将文本行分割成单词。文本块的一阶梯度值用于查找单词间隙。接下来，对每个单词应用局部二值化技术，并使用这些单词重建文本行。其次，这个二值化的文本块被发送到OCR用于识别目的。
2014-01-06 cs.CV
Efficient IRIS Recognition through Improvement of Feature Extraction and subset Selection
Islamic Azad University Mashhad Branch（伊斯兰阿扎德大学马什哈德分校）；Ferdowsi University of Mashhad（马什哈德费尔多西大学）
最优特征子集的选择和分类已成为虹膜识别领域的一个重要问题。在本文中，我们提出了几种方法虹膜特征子集的选择和矢量创建。利用轮廓波变换技术从虹膜图像中提取确定性特征序列。Contourlet变换捕捉虹膜图像的内在几何结构。该方法将虹膜图像分解成一组方向子带，在不同尺度下捕获不同方向的纹理细节，从而降低特征向量的维数，我们使用该方法从归一化的虹膜图像中只提取有效位和信息。在这种方法中，我们忽略脆弱位。最后，我们使用支持向量机（支持向量机）分类器来近似我们所提出的系统中的人识别量。实验结果表明，大多数方法减少了处理时间，提高了分类精度，而且虹膜特征向量长度比其他方法要小得多。
2009-06-25 cs.CV
Unsupervised Threshold for Automatic Extraction of Dolphin Dorsal Fin Outlines from Digital Photographs in DARWIN (Digital Analysis and Recognition of Whale Images on a Network)
Eckerd College（埃克德学院）
至少有两个软件包-DARWIN，Eckerd学院，和FinScan，Texas A&M-存在，以促进鲸目动物的识别-鲸鱼，海豚，鼠海豚-基于它们背鳍边缘的自然发生的特征。这样的识别是有用的生物学研究的人口，社会互动，迁移等的过程中，鳍轮廓提取在当前的鳍识别软件包是手动密集型的，并代表了一个主要的用户输入瓶颈：它是既耗时又视觉疲劳。本研究的目的是开发自动化的方法（采用无监督阈值和形态学处理技术），从数字照片中提取鲸类背鳍轮廓，从而减少手动用户输入。理想情况下，自动轮廓生成将改善整体用户体验，并提高软件正确识别鲸目动物的能力。检查从颜色到灰度空间的各种变换，以确定哪种变换产生灰度图像，其中可以容易地识别合适的阈值。为了辅助无监督阈值化，开发了一种新的度量来评估阈值化后图像中图形的锯齿度（“像素度”）。该度量指示阈值分割背景和前景元素的干净程度，并因此提供给定阈值的质量的良好度量。这项研究成功地提取了大约93%的图像，并显着减少了用户输入时间。
2012-02-18 cs.CV
Point-cloud-based place recognition using CNN feature extraction
Hong Kong University of Science and Technology（香港科技大学）
本文提出了一种新的基于点云的地点识别系统，该系统采用深度学习方法进行特征提取。通过使用在彩色图像上预训练的卷积神经网络来从范围图像中提取特征，而无需对额外范围图像进行微调，与使用手工制作的特征相比，已经观察到显著的改进。所得到的系统是光照不变，旋转不变和鲁棒性对移动对象无关的地方身份。除了系统本身，我们还为社区带来了一个新的地方识别数据集，包含点云和灰度图像，涵盖了完整的$360^\circ$环境视图。此外，数据集的组织方式，它有利于实验验证旋转不变性或鲁棒性对无关的移动对象分开。
2018-10-23 cs.CV cs.RO
Continuous Sign Language Recognition via Temporal Super-Resolution Network
Harbin Engineering University（哈尔滨工程大学）
针对基于深度学习的时空分层连续手语识别模型计算量大，限制了模型实时应用的问题，提出了一种时态超分辨率网络（TSRNet）。数据被重建成一个密集的特征序列，以减少整体模型的计算，同时保持最终的识别精度损失最小。基于TSRNet的连续手语识别模型主要由帧级特征提取、时间序列特征提取和TSRNet三部分组成，其中TSRNet介于帧级特征提取和时间序列特征提取之间，主要包括细节描述子和粗糙描述子两个分支。通过两个设计分支得到的特征融合稀疏帧级特征作为重构的密集帧级特征序列，在时间序列特征提取部分之后，利用连通时间分类（CTC）损失进行训练和优化。为了更好地恢复语义级信息，采用本文提出的自生成对抗训练方法对整个模型进行训练，以降低模型的出错率。该训练方法以TSRNet为生成器，以帧级处理部分和时域处理部分为训练器。此外，为了统一不同基准下的模型精度损失评估标准，本文提出了词出错率偏差（WERD），将重建帧级特征序列和完整原始帧级特征序列得到的估计词出错率（WER）与参考词之间的出错率作为WERD。在两个大规模手语数据集上的实验证明了该模型的有效性。
2022-07-03 cs.CV
CHD:Consecutive Horizontal Dropout for Human Gait Feature Extraction
College of Automation（自动化学院）；Harbin Engineering University（哈尔滨工程大学）；Beijing University of Technology（北京工业大学）
尽管步态识别和身份再识别的研究已经取得了很大的进展，但在一些特定的情况下，识别的准确率还不够高，例如，人们携带包或更换外套。为了缓解上述情况，本文提出了一种简单有效的用于深度学习网络中人体特征提取的CHD（ConcretiveHorizontalDropout）方法，以避免过拟合。在CHD中，我们加强了深度学习网络的鲁棒性，用于跨视图步态识别和人员重新识别。实验结果表明，在跨视角步态识别任务中，Rank-1正确率从68.0%提高到78.201%，提高了约10%;在穿外套或夹克的人的再识别任务中，Rank-1正确率从83.545%提高到91.364%，提高了约8%。此外，100%的准确性NM条件首次获得了CHD。在CASIA-B的基准上，上述精度是最先进的。
2019-10-16 cs.CV
Discriminative Autoencoder for Feature Extraction: Application to Character Recognition
Indraprastha Institute of Information Technology（因德拉普拉斯信息技术学院）
传统上，自动编码器是无监督的表示学习工具。在这项工作中，我们提出了一种新的判别式自动编码器。监督判别学习的使用确保了学习的表示对于图像数据集中通常遇到的变化是鲁棒的。以基本的判别式自编码器为单元，建立了一个堆栈结构，旨在从训练数据中提取相关的表示。我们的特征提取算法的效率，即使是简单的分类方案，如KNN（K-最近邻），确保了高的分类精度。我们通过在字符/图像识别的标准数据集上进行实验，并随后与现有的监督式深度架构（如类稀疏堆叠自动编码器和判别式深度信念网络）进行比较，证明了我们的模型在表示学习方面的优越性。
2019-12-11 cs.CV cs.LG
Real-Time Online Skeleton Extraction and Gesture Recognition on Pepper
Softbank Robotics Europe（软银机器人欧洲公司）；INSA, University of Lyon（里昂大学国立应用科学学院）
我们提出了一个简单的手势识别的多级流水线。我们方法的新颖之处在于不同技术的结合，从而产生了迄今为止第一个实时的【形】系统，可以在Pepper机器人上联合提取骨架并识别手势。为了完成这项任务，Pepper增加了一个嵌入式GPU，用于运行深度CNN和一个鱼眼摄像头来捕捉整个场景的交互。我们在这篇文章中表明，真实情况下的场景是具有挑战性的，最先进的方法很难处理未知的人类手势。我们在这里提出了一种处理这种情况的方法。
2022-06-22 cs.CV cs.RO
Automated Thermal Face recognition based on Minutiae Extraction
Jadavpur University（贾达普大学）
本文提出了一种利用热像中的细节点进行人脸识别的有效方法。利用红外热像仪获取人脸的热像图。利用图像处理方法对采集到的热像图进行预处理，从中提取基于血液灌注数据的不同生理特征。血流灌注数据与面部皮肤下的血管分布有关。本文采用位平面切片和中轴变换、形态学腐蚀和中轴变换、Sobel边缘算子三种不同的方法来获取血流灌注图像。血管的分布对于每个人是唯一的，并且从人脸的血液灌注数据中提取的细节点的集合对于该人脸应该是唯一的。讨论了两种不同的方法从血液灌注数据中提取细节点。在特征提取方面，将整幅人脸图像划分为大小相等的块，并计算每个块中的细节点总数来构造最终的特征向量。因此，发现特征向量的大小与所考虑的块的总数相同。一个五层前馈反向传播神经网络被用作分类工具。进行了一些实验，以评估所提出的人脸识别方法的性能与不同的块大小的数据库创建在我们自己的实验室。已经发现，第一种方法优于其他两种方法，对于位平面4，在块大小为16 × 16的情况下产生97.62%的准确度。
2013-09-04 cs.CV
Face Image Analysis using AAM, Gabor, LBP and WD features for Gender, Age, Expression and Ethnicity Classification
电子交易和人机交互的增长依赖于人脸图像提供的性别、年龄、表情和种族等信息。为了获得这些信息，特征提取起着主要作用。在本文中，检索年龄，性别，表情和种族信息的个人人脸图像进行了分析，使用不同的特征提取方法。从准确率（识别率）、特征提取时间、神经网络训练和图像测试时间等方面分析了主动外观模型（AAM）、Gabor小波、局部二值模式（LBP）和小波分解（WD）等四种主要特征提取方法在性别识别、年龄估计、表情识别和种族识别中的性能。每个识别系统与同一数据集（训练集和验证集）上的四个特征提取器进行比较，以更好地了解其性能。在FG-NET、Cohn-Kanade、PAL人脸库上的实验表明，每种方法都有其优缺点。因此，实际上不可能定义一种在所有情况下都是最佳的、具有较小计算复杂性的方法。此外，提供了年龄估计和使用性别信息的年龄估计的详细比较，以及在性别识别的情况下克服老化效应的解决方案。已经尝试从测试图像中一次性获得所有（即性别、年龄范围、表情和种族）信息。
2016-03-29 cs.CV
License Plate Recognition with Compressive Sensing Based Feature Extraction
University of Montenegro（黑山大学）
车牌识别是许多自动交通控制系统的关键组成部分。它可以在许多应用中自动识别车辆。这样的系统必须能够从各种条件下拍摄的图像中识别车辆，包括低光、雨、雪等。为了降低这种设备所需硬件的复杂性和成本，算法应该尽可能高效。提出了一种基于压缩感知技术的车牌图像降维和特征提取方法。简化将使得能够用更少的训练数据进行精确分类，同时要求更少的计算能力。在提取特征的基础上，采用支持向量机分类器进行字符识别和分类。
2019-02-07 cs.CV cs.MM eess.SP
Multilayer deep feature extraction for visual texture recognition
University of São Paulo（圣保罗大学）；University of Campinas（坎皮纳斯大学）
卷积神经网络在图像分类中显示出成功的结果，实现了优于人类水平的实时结果。然而，纹理图像仍然对这些模型提出了一些挑战，例如，由于在这些图像出现的几个问题中用于训练的数据的有限可用性，高类间相似性，所表示的对象的全局视点的缺乏等。在此背景下，本论文的重点是提高纹理分类中的卷积神经网络的准确性。这是通过从预训练的神经网络的多个卷积层中提取特征并使用Fisher向量聚合这些特征来完成的。使用早期卷积层的特征的原因是获得不太特定于域的信息。我们验证了我们的方法对基准数据集的纹理分类的有效性，以及巴西植物物种识别的实际任务。在这两种情况下，多层计算的Fisher向量优于最先进的方法，证实了早期卷积层提供了关于纹理图像的重要信息以进行分类。
2022-08-22 cs.CV
Combining Multiple Feature Extraction Techniques for Handwritten Devnagari Character Recognition
Meghnad Saha Institute of Technology（梅格纳德·萨哈技术学院）；Jadavpur University（贾达普大学）
在本文中，我们提出了一个OCR手写Devnagari字符。基本符号由神经分类器识别。我们使用了四种特征提取技术，即相交、阴影特征、链码直方图和直线拟合特征。对字符图像全局计算阴影特征，通过对字符图像进行分段计算相交特征、链码直方图特征和直线拟合特征。加权多数表决技术被用于组合从四个多层感知器（MLP）的分类器获得的分类决策。在对4900个样本的数据集进行实验时，观察到的总体识别率为92.80%，因为我们考虑了前五个选择结果。该方法与其他最近的方法相比，手写Devnagari字符识别，它已被观察到，这种方法比其他方法有更好的成功率。
2010-05-21 cs.AI cs.CV
Weighted Attribute Fusion Model for Face Recognition
Sona college of Technology（索纳理工学院）；St.Peter’s Engineering College（圣彼得工程学院）；Olivetti Research Laboratory（奥利维蒂研究实验室）
基于其属性识别人脸是人类执行的一项简单任务，因为它是一个认知过程。近年来，人脸识别是利用各种人脸特征单独或组合使用来实现的。目前，特征融合方法和并行方法是通过在不同层次上集成多个特征集来使用和执行的面部特征。然而，这种集成和组合方法并不能保证更好的结果。因此，为了达到更好的效果，选择了多个加权的面部属性集的特征融合模型。对于该特征模型，从Olivetti研究实验室（ORL）获取来自预定义数据集的人脸图像，并应用于不同的方法，如基于主成分分析（PCA）的特征特征提取技术、基于离散余弦变换（DCT）的特征提取技术、基于直方图的特征提取技术和基于简单强度的特征。从这些方法中提取的特征集进行了比较和测试的准确性。在这项工作中，我们开发了一个模型，它将使用上述一套特征提取技术与不同级别的权重，以达到更好的准确性。结果表明，选择最佳的权重为特定的功能将导致识别率的提高。
2010-09-28 cs.CV
A three-dimensional approach to Visual Speech Recognition using Discrete Cosine Transforms
视觉语音识别的目标是从连续的语音中识别出音素序列。与使用2D图像特征提取方法来分别导出每个视频帧的特征的传统方法不同，本文提出了一种新的方法，（空间-时间）离散余弦变换来提取输入视频的每个可行子序列的特征，这些特征随后使用支持向量机单独分类，并使用定制的隐马尔可夫模型组合以找到最可能的音素序列。该算法的训练和测试的VidTimit数据库识别序列的音素以及视位（视觉语音单元）。此外，该系统扩展了音素或视位对（双音）的训练，以抵消人类语音的模糊性的协同发音。测试集对音素序列的识别率为20%，视位序列的识别率为39%。这两个结果都将其他论文中报道的最佳值提高了约2%。结果的贡献是三方面的：首先，本文是第一次表明，三维特征提取方法可以应用于连续序列识别任务，尽管未知的开始位置和持续时间的每个音素。其次，结果证实，三维特征提取方法提高了准确性相比，二维特征提取方法。第三，本文是第一个具体比较，在其他方面相同的方法，使用和不使用双音素，验证了双音素的使用有积极的影响的结果。
2016-09-07 cs.CV
Transfer Learning for Action Unit Recognition
Imperial College London（帝国理工学院）；University of Twente（特文特大学）
提出了一种基于迁移学习模型的人脸表情识别分类器集成方法。主要实验工作是使用特征提取和微调卷积神经网络（CNN）进行面部动作单元检测。几个分类提取的CNN代码，如线性判别分析（LDA），支持向量机（SVM）和长短期记忆（LSTM）进行了比较和评估。多模型集成也被用来进一步提高性能。我们发现VGG-Face和ResNet是使用特征提取进行动作单元识别的相对最佳预训练模型，VGG-Net变体和ResNet的集成达到了最佳结果。
2018-07-19 cs.CV
HEATGait: Hop-Extracted Adjacency Technique in Graph Convolution based Gait Recognition
Islamic University of Technology（伊斯兰技术大学）
基于步态的生物特征认证由于其隐蔽性而成为一个很有前途的领域。最近的方法在基于模型的步态识别技术利用时空图优雅的步态特征提取。然而，现有的方法往往依赖于多尺度算子来提取关节之间的长程关系，从而导致有偏加权。在本文中，我们提出了HEATGait，步态识别系统，提高了现有的多尺度图卷积有效的跳提取技术，以减轻这个问题。结合预处理和增强技术，我们提出了一个功能强大的特征提取器，利用ResGCN在CASIA-B步态数据集上实现基于模型的步态识别的最新性能。
2022-04-21 cs.CV
Multi-Modal Character Localization and Extraction for Chinese Text Recognition
本文提出LER方法，通过解耦字符并考虑中文复杂结构，提升中英文文本识别性能，实验表明在大规模中文和英文基准上均取得显著成果。
2026-03-14 cs.AI cs.CV
OmniParser: A Unified Framework for Text Spotting, Key Information Extraction and Table Recognition
Alibaba Group（阿里巴巴集团）；Huazhong University of Science and Technology（华中科技大学）
本文提出统一框架OmniParser，以共享的编码器-解码器架构和点条件文本生成目标同时处理文本定位、关键信息提取与表格识别，在7个数据集上取得SOTA或极具竞争力的结果。
2024-03-28 cs.CV
End-to-End Pore Extraction and Matching in Latent Fingerprints: Going Beyond Minutiae
Michigan State University（密歇根州立大学）
潜在指纹识别并不是一个新的课题，但在过去的50年里，它吸引了学术界和工业界研究人员的大量关注。随着模式识别技术的迅速发展，自动指纹识别系统（AFIS）越来越普遍。然而，大多数自动指纹识别系统用于实时扫描或滚动/拍打指纹，而只有少数系统可以以合理的准确度对潜在指纹进行工作。对潜指纹及其滚动/拍打伴侣指纹进行更高分辨率的扫描是否有助于提高识别准确性的问题仍然是法医界的一个悬而未决的问题。由于毛孔是除细节点之外识别潜指纹最可靠的特征之一，本文提出了一个端到端的毛孔自动提取与匹配系统，分析了毛孔在潜指纹识别中的效用。因此，本文回答了两个问题，在潜在的指纹域：（i）合并的孔隙作为3级功能显着提高系统的性能？以及（ii）1，000 nm图像分辨率是否改善了识别结果？我们相信，我们提出的端到端的孔隙提取和匹配系统将是未来潜在的AFIS发展的具体基线。
2019-05-30 cs.CV
A Classical Approach to Handcrafted Feature Extraction Techniques for Bangla Handwritten Digit Recognition
Hajee Mohammad Danesh Science and Technology University（哈吉·穆罕默德·达内什科技大学）
孟加拉语手写数字识别是孟加拉语OCR发展的重要一步。然而，孟加拉数字复杂的形状，结构相似性和独特的组成风格使其相对难以区分。因此，在本文中，我们对四种严格的分类器进行了基准测试，以识别孟加拉语手写数字：K最近邻（KNN），支持向量机（SVM），随机森林（RF）和基于三种手工特征提取技术的强制提升决策树（GBDT）：四个公开可用的孟加拉语手写数字数据集上的定向特征直方图（HOG），局部二进制模式（LBP）和Gabor滤波器：NumtaDB、CMARTdb、Ekush和BDRW。在这里，手工特征提取方法用于从数据集图像中提取特征，然后利用这些特征来训练机器学习分类器以识别孟加拉语手写数字。我们进一步微调了分类算法的超参数，以便从这些算法中获得最好的孟加拉语手写数字识别性能，并且在我们采用的所有模型中，HOG特征结合SVM模型（HOG+SVM）在所有数据集上获得了最佳性能指标。HOG+SVM方法在NumtaDB、CMARTdb、Ekush和BDRW数据集上的识别准确率分别达到93.32%、98.08%、95.68%和89.68%，并将模型性能与最新的最先进方法进行了比较。
2022-01-25 cs.CV cs.LG
EMG-Based Hand Gesture Recognition through Diverse Domain Feature Enhancement and Machine Learning-Based Approach
School of Computer Science and Engineering, The University of Aizu（会津大学计算机科学与工程学院）
本文提出一种基于EMG信号的手势识别方法，通过探索23种特征提取技术并利用Extra Tree Classifier进行特征选择，结合KNN算法实现了97.43%的分类准确率，有效提升了系统性能。
2024-08-25 cs.CV
Recognition of Handwritten MODI Numerals using Hu and Zernike features
手写体自动字符识别吸引了世界各国的研究人员，致力于自动字符识别领域的研究。形状识别和特征提取是任何字符识别系统中非常重要的部分，并且方法的成功高度依赖于特征的选择。然而，特征提取是尽可能精确和唯一地定义字符形状的最重要步骤。这确实是最重要的一步，也是最复杂的任务，并且通过使用不变性而取得了成功，而不管位置和方向。Zernike矩描述了形状，由于它的非线性特性，识别旋转不变量。MODI是印度的一种古老的手写体，具有草书和复杂的字符表示。本文介绍的工作效率Zernike矩Hus矩的手写MODI数字的自动识别。
2014-10-27 cs.CV
Micro-expression Recognition Based on Dual-branch Feature Extraction and Fusion
China University of Petroleum (Beijing) Karamay Campus（中国石油大学（北京）克拉玛依校区）
本文提出双分支特征提取与融合网络，通过残差网络、Inception网络和自适应融合模块提升微表情识别准确率，实验显示在CASME II数据集上达到74.67%的准确率。
2026-02-27 cs.AI cs.CV
Surgical Gesture Recognition Based on Bidirectional Multi-Layer Independently RNN with Explainable Spatial Feature Extraction
微创手术主要由一系列子任务组成，这些子任务可以分解为基本的手势或上下文。手术手势识别是手术机器人自主操作的前提，它可以辅助运动规划和决策，建立上下文感知知识，提高手术机器人的控制质量。在这项工作中，我们的目标是开发一个有效的手术手势识别方法与可解释的特征提取过程。本文提出了一种双向多层独立RNN（BML-indRNN）模型，并通过对基于VGG架构构建的深度卷积神经网络（DCNN）模型进行微调来实现空间特征提取。为了消除DCNN的黑盒效应，采用了梯度加权类激活映射（Grad-CAM）。它可以通过示出与手术姿势分类结果具有强关系的手术图像的区域来提供可解释的结果。所提出的方法进行了评估的基础上，从公共可用的JIGSAWS数据库中获得的数据的重复性任务。进行了比较研究，以验证拟议的框架。实验结果表明，该方法对机器人任务的测试准确率为87.13%，优于大多数现有算法。
2021-05-02 cs.CV cs.RO
MRZ code extraction from visa and passport documents using convolutional neural networks
Lendbuzz（Lendbuzz公司）
从护照和签证上的机器可读区（MRZ）检测和提取信息对于验证文件真实性变得越来越重要。然而，用于执行类似任务的计算机视觉方法，例如光学字符识别（OCR），无法以合理的准确度提取给定护照数字图像的MRZ。我们提出了一个专门设计的模型的基础上卷积神经网络，能够成功地提取MRZ信息的数字图像的护照的任意方向和大小。我们的模型在护照和签证数据集上实现了100%的MRZ检测率和98.36%的字符识别宏f1分数。
2021-07-20 cs.CV
A new scheme of signature extraction for iris authentication
National School of Sfax（斯法克斯国立学校）
虹膜识别是一种较新的生物特征识别技术，具有可变性、稳定性和安全性等优点，在高安全性环境中最有应用前景。本文提出了虹膜识别的方法。本文介绍了几种方法，第一种是基于灰度直方图提取瞳孔，第二种是基于椭圆和抛物线HOUGH变换确定虹膜和上下眼睑的边缘，第三种是利用二维Gabor小波对虹膜进行编码，最后利用汉明距离进行身份认证。
2013-02-17 cs.CV
AFID: A Unified Open Framework for Automated Fingermark Identification, Quality Assessment and Feature Extraction
University of Ljubljana（卢布尔雅那大学）；Joint Research Centre of the European Commission（欧盟委员会联合研究中心）
AFID提出统一开源框架，基于共享编码器实现指纹识别、质量评估与特征提取，仅用公开数据训练，在多个基准上超越商业匹配器，并开源代码与模型。
2026-09-09 cs.CV
Electromyography-Based Gesture Recognition: Hierarchical Feature Extraction for Enhanced Spatial-Temporal Dynamics
School of Computer Science and Engineering, The University of Aizu（会津大学计算机科学与工程学院）；Department of Computer Engineering, Chosun University（朝鲜大学计算机工程系）
针对sEMG手势识别中时变特征提取效率低的问题，提出一种轻量级多流时空动态特征提取模型，通过Bi-TCN、SE模块和BiLSTM等分支融合提取分层特征，在Ninapro数据集上取得92%-96%的准确率。
2025-04-04 cs.CV
IMUTube: Automatic Extraction of Virtual on-body Accelerometry from Video for Human Activity Recognition
Georgia Institute of Technology（佐治亚理工学院）；University of Oxford（牛津大学）
缺乏大规模的标记数据集阻碍了为基于身体传感器的人类活动识别（HAR）开发鲁棒和广义预测模型的进展。由于传感器数据汇集成本高、标注耗时且容易出错，人类活动识别中的标注数据稀缺且难以获得。为了解决这个问题，我们引入了IMUTube，这是一种自动化处理管道，它集成了现有的计算机视觉和信号处理技术，将人类活动的视频转换为IMU数据的虚拟流。这些虚拟IMU流表示人体上各种位置处的加速度测量。我们展示了虚拟生成的IMU数据如何提高已知HAR数据集上各种模型的性能。我们的初步结果非常有希望，但这项工作的更大希望在于计算机视觉，信号处理和活动识别社区的集体方法，以我们概述的方式扩展这项工作。这将导致基于传感器的人体HAR成为大数据集识别突破的又一个成功案例。
2020-08-04 cs.CV eess.IV
Investigation of event-based memory surfaces for high-speed tracking, unsupervised feature extraction and object recognition
Biomedical Engineering and Neuroscience Program, The MARCS Institute for Brain, Behaviour, and Development, Western Sydney University（西悉尼大学MARCS脑、行为与发展研究所生物医学工程与神经科学项目）
在本文中，我们比较了基于事件的衰减和基于时间的衰减的内存表面高速基于事件的跟踪，特征提取，并使用基于事件的相机的对象分类。高速识别任务涉及到检测和分类的模型飞机下降徒手接近相机镜头，以便生成一个具有挑战性的数据集，表现出显着的差异，目标速度。这种差异促使调查基于事件的衰减记忆表面相比，基于时间的衰减记忆表面捕捉的时间方面的基于事件的数据。这些表面然后被用于执行无监督的特征提取、跟踪和识别。为了生成存储器表面，研究了事件分箱、线性衰减内核和指数衰减内核，发现指数衰减内核表现最好。基于事件的衰减记忆表面被发现优于基于时间的衰减记忆表面的识别，特别是当不变性的目标速度的要求。一系列的网络和感受野的大小进行了调查。该系统实现了98.75%的识别准确率在156毫秒内的飞机进入视野，使用只有25个基于事件的特征提取神经元串联线性分类器。通过比较线性分类器的结果，ELM分类器，我们发现，少量的基于事件的特征提取器可以有效地投影数据集的复杂的时空事件模式，以几乎线性可分离的表示在特征空间。
2017-11-08 cs.CV cs.NE
