Deep Learning for Iris Recognition: A Review
Hunan First Normal University（湖南第一师范学院）；Southeast University（东南大学）；National University of Defense Technology（国防科技大学）
虹膜识别是一种安全的生物识别技术，以其稳定性和隐私性而闻名。由于没有两个虹膜是相同的，并且在人的一生中几乎没有变化，虹膜识别被认为比其他生物识别方法更可靠，更不容易受到外部因素的影响。与传统的基于机器学习的虹膜识别方法不同，深度学习技术不依赖于特征工程，拥有出色的性能。本文收集了120篇相关论文，对基于深度学习的虹膜识别的发展进行了总结。本文首先介绍了虹膜识别的研究背景以及本文的研究动机和贡献。然后，我们介绍了虹膜识别中广泛使用的常见数据集。在此基础上，总结了基于深度学习技术的虹膜识别过程中涉及的关键任务，包括识别、分割、呈现攻击检测和定位。最后，我们讨论了虹膜识别的挑战和潜在的发展。本文综述了基于深度学习的虹膜识别的研究进展。
2023-03-15 cs.CV
Proceedings of The 38th Annual Workshop of the Austrian Association for Pattern Recognition (ÖAGM), 2014
奥地利模式识别协会（ÖAGM）第38届年度研讨会将于2014年5月22日至23日在IST奥地利举行。研讨会为研究人员和工业界提供了一个平台，讨论计算机视觉的传统和新领域。今年的主题是：模式识别：跨学科的挑战和机遇。
2014-04-30 cs.CV
Proceedings of the 37th Annual Workshop of the Austrian Association for Pattern Recognition (ÖAGM/AAPR), 2013
本卷代表了奥地利模式识别协会（ÖAGM/AAPR）第37届年度研讨会的会议记录，该研讨会于2013年5月23日至24日在奥地利因斯布鲁克举行。
2013-05-28 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
Transformers in Action Recognition: A Review on Temporal Modeling
Graduate University of Advanced Technology（高等技术研究生院）；Shahid Bahonar University of Kerman（克尔曼沙希德·巴霍纳尔大学）；University of Isfahan（伊斯法罕大学）
在基于视觉的动作识别中，来自不同模态的时空特征被用于识别活动。时间建模是动作识别的一个长期挑战。然而，在基于深度的方法中，存在诸如预先计算的运动特征、三维（3D）滤波器和递归神经网络（RNN）之类的有限方法来对运动信息进行建模。最近，Transformers在自然语言处理（NLP）任务中成功地建模了长距离依赖关系，这引起了其他领域的极大关注;包括语音，图像和视频，完全依赖于自我注意力，而不使用序列对齐的RNN或卷积。虽然Transformers的应用动作识别是相对较新的，在过去几年中提出的关于这个主题的研究量是惊人的。本文特别回顾了用于建模时间变化的深度学习方法的最新进展。它侧重于动作识别方法，使用Transformers的时间建模，讨论其主要特点，使用的方式，并确定未来的研究机会和挑战。
2022-12-29 cs.AI cs.CV cs.LG
Emotion Recognition and Generation: A Comprehensive Review of Face, Speech, and Text Modalities
本综述针对情绪识别与生成研究碎片化、模态局限的问题，面向入门研究者提供面部、语音、文本模态的基础原理、技术分类与理论动机，涵盖评估指标、局限性分析及未来方向，助力开发更完善的情绪系统。
2025-02-02 cs.AI cs.CV cs.LG
Vision and Inertial Sensing Fusion for Human Action Recognition : A Review
University of Texas at Dallas（德克萨斯大学达拉斯分校）
人类动作识别被用于许多应用中，例如视频监控、人机交互、辅助生活和游戏。文献中出现的许多论文表明，与单独使用每种传感方式的情况相比，视觉和惯性传感的融合提高了识别精度。本文提供了一个调查的文件中，视觉和惯性传感同时使用的融合框架内，以执行人体动作识别。被调查的论文进行分类的融合方法，功能，分类器，以及多模态数据集考虑。挑战，以及可能的未来方向部署这两种传感模式的融合在现实条件下也陈述。
2020-08-02 cs.CV cs.HC cs.LG
Proceedings of The 39th Annual Workshop of the Austrian Association for Pattern Recognition (OAGM), 2015
奥地利模式识别协会（OAGM/AAPR）第39届年度研讨会为OAGM/AAPR社区内的研究进展和研究项目提供了一个展示和讨论的平台。
2015-04-30 cs.CV
Pattern Inversion as a Pattern Recognition Method for Machine Learning
Institute for Control Problems, Russian Academy of Sciences（俄罗斯科学院控制问题研究所）
人工神经网络使用大量的系数，这些系数需要大量的计算能力来进行调整，特别是如果采用深度学习网络的话。然而，存在系数免费的非常快速的索引为基础的技术，例如，在谷歌搜索引擎，在基因组测序等，本文讨论了使用索引为基础的方法进行模式识别。它示出，对于模式识别应用程序，这样的索引方法取代与逆模式的完全倒排文件，这是典型地采用在搜索引擎。这种反演不仅提供自动特征提取，这是深度学习的区别标志，而且与深度学习不同，模式反演支持几乎瞬时的学习，这是系数缺失的结果。本文讨论了一种新的模式变换及其在无监督即时学习中的应用。例子展示了一个视角独立的三维物体，如汽车，对任意背景的识别，飞机发动机的剩余使用寿命的预测，和其他应用。总之，值得注意的是，在神经生理学中，新皮质微柱的功能自1957年以来一直受到广泛的争论。本文假设，在数学上，皮质微柱可以被描述为一个逆模式，物理上作为一个连接乘数扩大关联的输入与相关的模式类。
2021-08-15 cs.CV cs.LG cs.NE
Human Activity Recognition Using Tools of Convolutional Neural Networks: A State of the Art Review, Data Sets, Challenges and Future Prospects
University of Waterloo（滑铁卢大学）；Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；King Saud University（沙特国王大学）
人类活动识别（HAR）在人们的日常生活中起着重要的作用，因为它能够从可穿戴或固定设备中学习有关人类活动的广泛的高级信息。人们对HAR进行了大量研究，研究界也利用了许多基于深度学习和机器学习的方法来对人类活动进行分类。本综述的主要目标是总结最近基于各种深度神经网络架构的工作，即用于人类活动识别的卷积神经网络（CNN）。根据多模式传感设备、智能手机、雷达和视觉设备等输入设备的使用，所审查的系统被分为四类。本文介绍了性能，优势，劣势，和所使用的超参数的CNN架构的每个审查系统与可用的公共数据源的概述。此外，讨论了当前基于CNN的HAR系统面临的挑战。最后，本文总结了一些潜在的未来方向，这将是很大的帮助，为研究人员谁愿意在这一领域作出贡献。
2022-02-02 cs.CV cs.LG eess.SP
Handwritten Character Recognition In Malayalam Scripts- A Review
Rajagiri School of Engineering & Technology（拉贾吉里工程技术学院）
手写体字符识别是模式识别领域中最具挑战性和正在进行的研究领域之一。对于汉语和日语等外语来说，HCR研究已经成熟，但对于印度语言来说，问题要复杂得多。对于南印度语言，由于其庞大的字符集以及元音修饰符和复合字符的存在，这个问题变得更加复杂。本文概述了马拉雅拉姆语手写体字符识别在离线和在线方面的重要贡献和进展。
2014-02-10 cs.CV
Stochastic-Based Pattern Recognition Analysis
Universitat de les Illes Balears（巴利阿里群岛大学）
在这项工作中，我们回顾了随机逻辑的基本原理，并提出了其应用概率为基础的模式识别分析。所提出的技术本质上是一个并行比较的输入数据的各种预存储的类别，使用贝叶斯技术。我们设计了智能脉冲为基础的随机逻辑块，以提供一个有效的模式识别分析。所提出的架构被应用到一个特定的导航问题。由此产生的系统比基于处理器的解决方案快几个数量级。
2012-02-20 cs.CV
Deep Models for Multi-View 3D Object Recognition: A Review
本文综述多视图3D目标识别的深度模型，系统梳理基于深度学习与Transformer的分类、检索方法、数据集、视图配置、融合策略及应用，并指出关键发现与未来方向。
2024-04-23 cs.AI cs.CV cs.LG
A review on handwritten character and numeral recognition for Roman, Arabic, Chinese and Indian scripts
Universiti Teknologi Malaysia（马来西亚理工大学）
近四十年来，人们对手写体字符识别进行了大量深入的研究。对一些流行的文字，如罗马文、阿拉伯文、中文和印度文进行了研究。在本文中，我们提出了一个审查HCR工作的四个流行的脚本。我们总结了从2005年到最近发表的大部分论文，并分析了创建鲁棒HCR系统的各种方法。最后，对HCR的未来研究方向进行了展望。
2013-08-22 cs.CV
Edge Detection for Pattern Recognition: A Survey
Nazarbayev University（纳扎尔巴耶夫大学）
本文综述了受人类视觉理解启发的模式识别边缘检测方法的文献。我们注意到边缘检测是灵长类动物低级视觉中最基本的过程之一，为高级视觉智能提供了基础。图像中模式的识别与边缘形成的时空过程密切相关，其实现需要神经科学、计算和模式识别的交叉规划方法。本文将边缘检测器分为边缘特征、梯度和草图模型三大类，并给出了一些应用实例以供参考。我们注意到，在过去的十年中，利用边缘特征的计算机视觉和图像理解的问题有直接的含义，模式识别与图像的广泛的已发表的研究的量显着增加。
2016-02-15 cs.CV
Review of Action Recognition and Detection Methods
York University（约克大学）
在计算机视觉中，动作识别是指对给定视频中存在的动作进行分类的动作，而动作检测涉及在空间和/或时间中定位感兴趣的动作。在网格结构中包含光度信息（例如RGB、强度值）的视频包含可以帮助识别已经成像的动作的信息。动作识别和检测的过程通常从提取有用的特征并对其进行编码开始，以确保特征是特定的，以服务于动作识别和检测的任务。然后通过分类器处理编码特征以识别动作类及其空间和/或时间位置。在这份报告中，通过分析一个典型的动作识别和检测算法的两个步骤：（i）特征的提取和编码，以及（ii）将特征分类为动作类，对计算机视觉中的各种动作识别和检测算法进行了全面的回顾。在努力确保计算机视觉为基础的算法达到的能力，人类有识别的行动，而不管各种滋扰变量，可能存在的视野内，国家的最先进的方法进行审查，并在最后一章中解决了一些剩余的问题。
2016-11-01 cs.CV
Advanced local motion patterns for macro and micro facial expression recognition
Univ. Lille（里尔大学）；CNRS（法国国家科学研究中心）；Centrale Lille（里尔中央理工学院）
在本文中，我们开发了一种新的方法，识别面部表情，创新的局部运动模式功能的基础上，有三个主要贡献。第一个是面部皮肤的时间弹性和面部变形的分析表达。第二种是宏观和微观表情识别的统一方法。第三个是朝着野外表达识别迈出的一步，处理各种强度和各种表达激活模式，照明变化和小头部姿势变化等挑战。我们的方法优于国家的最先进的方法，微观表情识别和位置本身的顶级国家的最先进的方法，宏观表情识别。
2018-05-04 cs.CV
ÖAGM/AAPR 2013 - The 37th Annual Workshop of the Austrian Association for Pattern Recognition
University of Innsbruck（因斯布鲁克大学）；IST Austria（奥地利科学技术研究所）；University of Graz（格拉茨大学）
在这篇社论中，组织者总结了事件的事实和背景。
2013-05-25 cs.CV
High-dimensional Convolutional Networks for Geometric Pattern Recognition
NVIDIA（英伟达）；POSTECH（浦项科技大学）；Intel Labs（英特尔实验室）
科学和工程中的许多问题都可以用高维空间中的几何模式来表述。我们提出了高维卷积网络（ConvNets）的模式识别的问题，出现在几何注册的上下文中。我们首先研究卷积网络在高达32维的高维空间中检测线性子空间的有效性：比ConvNets的先前应用高得多的维度。然后，我们将高维ConvNets应用于刚性运动和图像对应估计下的3D配准。实验表明，我们的高维ConvNets优于依赖于基于全局池运算符的深度网络的先前方法。
2020-05-17 cs.CV cs.LG stat.ML
A Review of methods for Textureless Object Recognition
UNIVERSITY OF ALBERTA（阿尔伯塔大学）
随着机器人技术的出现及其在制造业中的应用，无纹理物体识别已成为计算机视觉的一个重要课题。由于其缺乏区分特征和反射特性，因此获得良好的性能非常具有挑战性。因此，用于纹理对象的方法不能应用于无纹理对象。在过去的20年里，特别是在TLess和其他无纹理数据集出现后的近5年里，人们做了大量的工作。在我们的研究中，我们计划将图像处理技术（用于特征增强）与深度学习技术（用于对象识别）相结合。在这里，我们提出了一个概述的各种现有的工作在该领域的无纹理物体识别，它可以大致分为基于视图，基于几何形状和基于形状。我们还添加了对2018年智能多媒体国际会议上提交的一些研究论文的评论。索引术语：计算机视觉，无纹理目标检测，无纹理对象识别，基于纹理的，边缘检测，深度学习
2019-10-31 cs.CV
Pattern Recognition for Conditionally Independent Data
在这项工作中，我们考虑放松的独立同分布假设在模式识别（或分类）的任务，旨在使现有的学习算法适用于更广泛的任务。模式识别是基于一组给定的示例（对象和标签对）来猜测某个对象的离散标签。我们考虑确定性定义的标签的情况。传统上，这个任务是在假设样本是独立同分布的情况下进行研究的。然而，事实证明，许多模式识别理论的结果携带一个较弱的假设。也就是说，在条件独立和相同分布的对象的假设下，而唯一的假设的标签的分布是，每个标签的出现率应高于某个积极的阈值。我们发现了一个广泛的类别的学习算法的估计下实现的经典i.i.d.分类错误的概率。假设可以推广到条件独立同分布情况下的类似估计。例子.
2005-07-18 cs.AI cs.CV cs.LG
Pattern Recognition System Design with Linear Encoding for Discrete Patterns
Washington University in Saint Louis（圣路易斯华盛顿大学）
本文讨论了压缩识别系统的设计与分析，并提出了在好的通信码设计与识别系统设计之间建立双重联系的方法。基于压缩模式和压缩传感器测量的模式识别系统可以使用低密度矩阵来设计。我们研究截断编码的模式和测量的一个子集被完美地存储，而其余的被丢弃。我们还研究了使用LDPC奇偶检验矩阵压缩测量和模式。我们展示了如何更一般的合奏良好的线性代码可以作为模式识别系统设计的基础，产生更一般的噪声模型的系统设计策略。
2007-12-20 cs.CV cs.IT math.IT
License Plate Recognition (LPR): A Review with Experiments for Malaysia Case Study
Universiti Teknikal Malaysia Melaka (UTeM)（马来西亚马六甲技术大学）
大多数汽车牌照识别采用神经网络技术来增强其计算能力。车辆牌照的图像被捕获并被处理以产生用于进一步处理的文本输出。本文综述了图像处理和神经网络技术在图像预处理、滤波、特征提取、分割和识别等不同阶段的应用，以消除图像噪声，提高图像质量，并通过将图像中的字符转换为相应的文本来加快计算过程。以马来西亚车牌为例，用MATLAB语言进行了一个典型的实验，展示了图像处理的基本过程。将一种算法应用于停车场管理系统的解决方案中。然后将该解决方案作为算法的概念证明来实现。
2014-01-22 cs.CV
Applications of a Graph Theoretic Based Clustering Framework in Computer Vision and Pattern Recognition
近年来，一些聚类算法已经被用来解决来自不同学科的各种问题。本论文旨在通过将计算机视觉和模式识别中的问题转化为聚类问题来解决这些具有挑战性的问题。我们提出了新的方法来解决多目标跟踪，视觉地理定位和离群点检测问题，使用统一的下划线聚类框架，即，优势集聚类及其扩展，并提出了优于几个国家的最先进的方法的结果。
2018-01-07 cs.CV
Pattern Recognition of Bearing Faults using Smoother Statistical Features
提出了一种基于模式识别（PR）的轴承故障诊断方法。振动数据采集故障轴承使用的试验台。特征从数据中提取，并在PR过程中使用之前进行处理。该处理涉及特征分布的平滑。这减少了振动随机性对PR过程的不利影响，从而提高了模型的诊断准确性。
2015-11-30 cs.CV
An Open Source Pattern Recognition Toolbox for MATLAB
CoVar Applied Technologies（CoVar应用技术公司）；Duke University（杜克大学）；The Cooper Union（库珀联盟学院）
模式识别和机器学习正在成为广泛应用中算法的组成部分。机器学习的不同算法和方法包括性能和计算之间的不同权衡，因此在算法开发期间，通常需要探索各种不同的方法来完成给定任务。具有跨多种模式识别技术的统一框架的工具箱使算法开发人员能够在部署之前快速评估不同的选择。MATLAB是一种广泛使用的算法开发和原型开发环境，尽管目前有几个用于模式识别的MATLAB工具箱，但这些工具箱要么不完整，要么价格昂贵，要么受到限制。在这项工作中，我们描述了一个MATLAB工具箱的模式识别和机器学习被称为PRT（模式识别），许可下的MIT许可证。PRT包括许多流行的数据预处理技术，监督学习，聚类，回归和特征选择，以及使用简单，统一的语法组合这些组件的方法。可以使用交叉验证和各种评分指标来评估所得到的算法，以确保部署算法时的鲁棒性能。本文介绍了PRT的概述以及在Fisher's Iris数据集上的使用示例。
2014-06-21 cs.CV cs.LG cs.MS
Infrared face recognition: a literature review
Université Laval（拉瓦尔大学）；Deakin University（迪肯大学）
自动人脸识别（AFR）是一个具有巨大实用潜力的领域，包括广泛的商业和执法应用，它仍然是计算机视觉最活跃的研究领域之一。即使经过三十多年的深入研究，AFR的最新技术水平仍在不断提高，这得益于包括图像处理、模式识别、计算机图形学和生理学在内的一系列不同领域的进步。然而，基于可见光谱图像的系统在存在照明、姿势和表情变化以及面部伪装的情况下继续面临挑战，所有这些都会显著降低其准确性。在试图克服这些限制而提出的各种方法中，红外（IR）成像的使用已经成为一个特别有前途的研究方向。本文对这一主题的文献进行了全面和及时的回顾。
2013-06-07 cs.CV
DcnnGrasp: Towards Accurate Grasp Pattern Recognition with Adaptive Regularizer Learning
Wenzhou University（温州大学）；Memorial University of Newfoundland（纽芬兰纪念大学）
抓取模式识别的任务是根据视觉信息推导出物体的适用抓取类型。现有的抓取模式识别方法忽略了抓取对象的类别信息。提出了一种新的双分支卷积神经网络（DcnnGrasp）来实现物体类别分类和抓取模式识别的联合学习。DcnnGrasp将物体类别分类作为辅助任务，提高抓取模式识别的有效性。同时，通过最大化后验值，得到了一种新的损失函数--联合交叉熵，并引入了自适应正则化算子，显著提高了模型的性能。此外，基于新的损失函数，提出了一种训练策略，以最大限度地提高两个任务的协作学习。该实验在五个家庭对象数据集上进行，包括RGB-D对象数据集，Hit-GPRec数据集，阿姆斯特丹对象图像库（ALOI），哥伦比亚大学图像库（COIL-100）和MeganePro数据集1。实验结果表明，该方法在抓取模式识别方面具有与现有方法相媲美的性能。具体来说，我们的方法在RGB-D Object数据集上测试新对象的全局准确性方面甚至比第二好的方法高出近15%。
2022-05-11 cs.CV
A Review on Coarse to Fine-Grained Animal Action Recognition
Commonwealth Scientific and Industrial Research Organisation (CSIRO)（共同科学与工业研究组织（CSIRO））
本文综述了动物动作识别从粗粒度到细粒度的研究进展，分析了动物行为识别的独特挑战，评估了SlowFast等时空深度学习方法及现有数据集的局限，并提出了未来研究方向。
2025-06-01 cs.AI cs.CV
Oracle Complexity and Nontransitivity in Pattern Recognition
识别过程的不同数学模型是已知的。本文将模式识别算法看作是图灵机上的预言机计算。这种观点在模式识别以及递归理论中似乎是有用的。递归理论在模式识别中的应用表明了识别算法比较问题与预言计算复杂性问题之间的联系。这是因为在许多情况下，我们可以只考虑符号计算的数量，或者换句话说，所需的Oracle信息量。因此，识别算法偏好问题可以表述为一个预言计算的复杂性优化问题。此外，在一组识别算法上引入某种“自然”偏好关系，我们发现它是非传递的。这与概率论中著名的非传递性悖论有关。关键词：模式识别，递归理论，非传递性，偏好关系
2000-10-16 cs.AI cs.CC cs.CV
A Comparative Review of Recent Kinect-based Action Recognition Algorithms
Australian National University (ANU)（澳大利亚国立大学）；Data61/CSIRO（澳大利亚联邦科学与工业研究组织数据61）；University of Western Australia (UWA)（西澳大利亚大学）
基于视频的人体动作识别是当前计算机视觉中最活跃的研究领域之一。各种研究表明，动作识别的性能在很大程度上取决于提取的特征类型以及动作的表示方式。自Kinect相机发布以来，大量基于Kinect的人体动作识别技术已在文献中提出。然而，在特征类型的分组下，仍然不存在这些基于Kinect的技术的彻底比较，例如手工制作与深度学习特征以及基于深度与基于机器学习的特征。在本文中，我们分析和比较十个最近的基于Kinect的算法，跨学科的动作识别和跨视图动作识别使用六个基准数据集。此外，我们已经实现并改进了其中的一些技术，并将其变体纳入比较中。我们的实验表明，大多数方法在跨主题动作识别上比跨视图动作识别表现更好，基于深度的特征比基于深度的特征对跨视图识别更鲁棒，并且深度学习特征适用于大数据集。
2019-06-24 cs.CV
Region Based Extensive Response Index Pattern for Facial Expression Recognition
Malviya National Institute of Technology（马尔维亚国家理工学院）
提出了一种新的基于区域的广泛反应指数模式（RETRaIN）描述子用于人脸表情识别。RETRaIN对面部活动区域的参考像素和相邻像素之间的关系进行编码。这些关系是通过在输入图像上使用方向罗盘掩模来计算的，并且提取最前面方向上的高边缘响应。进一步的极端边缘索引位置被选择并编码成六位压缩码，以减少特征维数并区分面部特征中的均匀和非均匀图案。所提出的描述符的性能进行了测试和评估的三个基准数据集扩展Cohn Kanade，JAFFE和MUG。与最先进的技术相比，RETRaIN实现了卓越的识别准确性。
2018-11-26 cs.CV
Handwritten Character Recognition of South Indian Scripts: A Review
Cochin University of Science and Technology（科钦科技大学）
手写体字符识别一直是模式识别和图像处理领域的前沿研究领域，对手写体文档的OCR有着很大的需求。尽管对汉语、日语和阿拉伯语等外国文字的研究已经很充分，但对印度文字的手写字符识别，特别是对南印度文字的手写字符识别，只有很少的研究可以追溯。本文提供了一个概述脱机手写字符识别在南印度群岛，即马拉雅拉姆语，泰米尔语，卡纳达语和泰伦古语。
2011-06-01 cs.CL cs.CV cs.CY
Infrared face recognition: a comprehensive review of methodologies and databases
Deakin University（迪肯大学）
自动人脸识别是一个具有巨大实用潜力的领域，包括广泛的商业和执法应用。因此，它仍然是计算机视觉最活跃的研究领域之一也就不足为奇了。即使经过三十多年的深入研究，人脸识别的最新技术水平仍在不断提高，这得益于图像处理、模式识别、计算机图形学和生理学等一系列不同研究领域的进步。基于可见光谱图像的系统是研究最多的人脸识别模式，已经达到了相当成熟的水平，并取得了一些实际的成功。然而，他们仍然面临着照明，姿势和表情变化以及面部伪装的挑战，所有这些都会显着降低识别准确性。在试图克服这些限制而提出的各种方法中，红外（IR）成像的使用已经成为一个特别有前途的研究方向。本文对这一主题的文献进行了全面和及时的回顾。我们的主要贡献包括：（i）总结红外成像的固有特性，这使得这种模式在人脸识别的背景下很有前途，（ii）对最有影响力的方法进行系统回顾，重点关注新兴的共同趋势以及替代方法之间的关键差异，（iii）对研究人员可用的红外人脸图像的主要数据库的描述，最后（iv）讨论未来研究的最有前途的途径。
2014-01-29 cs.CV
3D Skeleton-Based Action Recognition: A Review
State Key Laboratory of General Artificial Intelligence, Peking University, Shenzhen Graduate School（国家一般人工智能实验室，北京大学深圳研究生院）；Department of Information Engineering and Computer Science (DISI), University of Trento（信息工程与计算机科学系（DISI），特伦托大学）；University at Buffalo, The State University of New York（布法罗大学，纽约州立大学）；Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学）
本文以任务为导向系统综述三维骨架动作识别，从预处理、特征提取到时空建模逐层剖析，并涵盖混合架构、Mamba、大语言模型和生成模型等最新进展，为该领域提供结构化研究路线图。
2025-06-01 cs.CV
A Methodological Review of Visual Road Recognition Procedures for Autonomous Driving Applications
The University of Western Australia（西澳大学）
目前对自动驾驶的研究兴趣正在快速增长，吸引了学术界和企业界的大量投资。为了使车辆完全自主，驾驶员辅助系统必须适应道路和车道保持。在本文中，我们提出了一种方法论审查的技术，重点是视觉道路检测和识别。我们采取务实的观点，在介绍这一审查，强调道路识别的程序与其实际实施。因此，本综述的贡献包括两个部分的主题-第一部分描述了传统道路检测的方法学途径，其中包括将道路与非道路区域分类和隔离的算法和途径;另一部分集中在应用于视觉道路识别的最新的最先进的机器学习技术，重点在于结合了卷积神经网络和语义分割的方法。随后还介绍了商业部门最近的实施情况，以及一些最近的研究工作有关的道路检测。
2019-05-05 cs.CV eess.IV
Plant Diseases recognition on images using Convolutional Neural Networks: A Systematic Review
植物病害被认为是影响粮食生产和减少生产损失的主要因素之一，快速检测和识别作物病害至关重要。最近扩展的深度学习方法已在植物病害检测中得到应用，提供了一种具有高度准确结果的强大工具。在这种情况下，这项工作提出了一个系统的文献综述，旨在确定使用卷积神经网络（CNN）在植物病害的识别和分类过程中的最新技术水平，划定趋势，并指出差距。从这个意义上说，我们提出了121篇论文，在过去十年中选择了不同的方法来处理与疾病检测，数据集的特点，作物和病原体调查有关的方面。从系统评价的结果中，可以了解使用CNN识别植物疾病的创新趋势，并确定需要研究界关注的差距。
2020-09-09 cs.CV
Color-related Local Binary Pattern: A Learned Local Descriptor for Color Image Recognition
Chongqing University of Posts and Telecommunications（重庆邮电大学）
局部二值模式（LBP）作为一种局部特征，在图像识别中表现出简单、易实现和较强的识别能力。虽然一些LBP算法被专门用于彩色图像识别，但这些方法没有充分考虑图像的颜色信息，容易导致分类中的维数灾难。提出了一种基于颜色相关局部二值模式（cLBP）的彩色图像识别方法。本文首先提出了一种描述彩色图像通道间颜色相似性的相对相似性空间（RSS）。然后，解码的LBP，可以挖掘LBP特征映射之间的相关性信息对应的RSS传统的RGB空间的每个颜色通道，用于特征提取。最后，采用一种特征学习策略学习颜色相关的主导模式，以降低特征向量的维数，进一步提高特征的区分度。理论分析表明，与传统的RGB空间相比，该方法能提供更多的判别信息，具有更好的噪声鲁棒性和光照鲁棒性。在4组共12个公共彩色图像数据集上的实验结果表明，该方法在无噪声、噪声和光照变化条件下，在特征维数、识别精度等方面均优于大多数LBP算法。
2020-12-11 cs.CV
Spontaneous Facial Micro-Expression Recognition using Discriminative Spatiotemporal Local Binary Pattern with an Improved Integral Projection
University of Oulu（奥卢大学）
近年来，从人脸图像序列中推断微表情的研究受到越来越多的关注。由于微表情的细微运动，特征提取成为自发人脸微表情识别的重要和关键问题。目前的研究多采用时空局部二值模式进行微表情分析。然而，常用的时空局部二值模式考虑了人脸图像的动态纹理信息，而忽略了人脸图像的形状属性。另一方面，他们的工作是从全局人脸区域中提取时空特征，忽略了两个微表情类之间的区分信息。上述问题严重限制了时空局部二值模式在微表情识别中的应用。针对微表情识别中的时空局部二值模式问题，提出了一种基于改进积分投影的判别式时空局部二值模式.首先，我们提出了一种改进的积分投影，以保持微表情的形状属性。此外，一个改进的积分投影被纳入跨空间和时间域的本地二进制模式算子。具体来说，我们提取新的时空特征，将形状属性纳入时空纹理特征。为了提高微表情识别的区分度，提出了一种基于拉普拉斯算子的特征选择方法来提取微表情识别的区分信息。密集的实验进行了三个可用公布的微表情数据库。我们比较我们的方法与国家的最先进的算法。实验结果表明，我们提出的方法取得了良好的性能微表情识别。
2016-08-07 cs.CV
Continuous and Simultaneous Gesture and Posture Recognition for Commanding a Robotic Wheelchair; Towards Spotting the Signal Patterns
National Institute of Advanced Industrial Science and Technology (AIST)（产业技术综合研究所（AIST））；Macquarie University（麦考瑞大学）
发现具有不同长度的信号模式在文献中仍然是一个开放的问题。在这项研究中，我们描述了一种信号模式识别方法，用于连续和同时分类的跟踪手的姿势和手势，并将它们映射到控制机器人轮椅的转向命令。所开发的方法不仅为连续识别提供了100%的识别准确率，而且为构建训练字典带来了新的视角，该训练字典消除了人为干预以在训练信号上发现手势或姿势。在训练阶段，我们采用了最先进的子空间聚类方法，以找到最具代表性的状态样本。识别和训练框架本质上用连续的决策树结构揭示流式信号上的模式的边界。我们利用协作和块稀疏表示为基础的分类方法，连续的手势和姿态识别。
2015-12-02 cs.CV cs.RO
A Review of Research on Devnagari Character Recognition
Government Polytechnic, Nagpur（那格浦尔政府理工学院）
英语字符识别（CR）在过去的半个世纪中得到了广泛的研究，并发展到足以产生技术驱动的应用程序的水平。但印度语言的情况并非如此，它们在结构和计算方面都很复杂。快速增长的计算能力可以实现Indic CR方法。数字文档处理在办公室和图书馆自动化、银行和邮政服务、出版社和通信技术中的应用越来越普及。Devnagari是印度的国语，有5亿多人使用，应给予特别关注，以便有效地进行文献检索和分析丰富的古代和现代印度文学。本文旨在为在Devnagari光学字符识别（DOCR）领域工作的读者提供指导和更新。概述了DOCR系统和现有的DOCR技术进行了审查。讨论了DOCR的现状，并对未来的研究方向提出了建议。
2011-01-13 cs.CV
Pigment Melanin: Pattern for Iris Recognition
University of Tehran（德黑兰大学）；University of Waterloo（滑铁卢大学）；Henry Ford Hospital（亨利福特医院）
由于人眼角膜对可见光的反射，使得基于可见光成像的虹膜识别成为一个难题。尽管如此，色素黑色素在VL中提供了丰富的特征源，这在近红外（NIR）成像中是不可用的。这是由于真黑素的生物光谱学，一种在NIR中不受刺激的化学物质。在这种情况下，可以通过在图像直方图上使用变分技术的自适应过程来提供观察这种图案的合理解决方案。为了描述的模式，形状分析方法是用来获得每个主题的特征代码。一个重要的问题是，从VL中提取的黑色素图案在多大程度上独立于NIR中的虹膜纹理。考虑到这个问题，本研究提出了融合从NIR和VL提取的特征，以提高识别性能。我们已经收集了我们自己的数据库（UTIRIS）包括近红外和VL图像的158只眼睛的79个人。实验结果表明，该算法对虹膜的色团模式高度敏感，提高了虹膜识别率。
2009-11-29 cs.CV
Face Recognition in Unconstrained Conditions: A Systematic Review
Charles Darwin University（查尔斯达尔文大学）
人脸识别是一种生物识别技术，吸引了大量的研究，商业和政府的兴趣，因为它提供了一种谨慎的，非侵入性的方式来检测和识别个人，而不需要主体的知识或同意。这是由于降低了成本，以及硬件和算法的发展，这些硬件和算法提高了处理无约束条件的能力。显然需要负担得起的和有效的应用程序。然而，对于哪种方法最合适存在很大争议，特别是在基于深度神经网络的人脸识别系统日益重要的背景下。本系统综述试图通过组织该领域的大量研究和数据来澄清这两个问题，以澄清当前的研究趋势，最先进的方法，并概述其优点和缺点。总体而言，这项研究涵盖了1，330项相关研究，显示在过去6年中，人脸识别领域的研究兴趣增加了200%以上。我们的研究结果还表明，由于硬件数据库的改进和对神经网络理解的增加，深度学习方法是现代研究的主要焦点。相比之下，传统方法由于其固有的准确性限制以及在处理大量数据时缺乏效率而失去了研究人员的青睐。
2019-07-12 cs.CV
Agriculture-Vision Challenge 2022 -- The Runner-Up Solution for Agricultural Pattern Recognition via Transformer-based Models
PAII Inc.（PAII公司）；Ping An Bank Co., Ltd（平安银行股份有限公司）
CVPR中的视觉挑战赛是全球研究人员打破计算机视觉与农业部门之间界限的最著名和最具竞争力的挑战之一，旨在从航空图像中进行农业模式识别。在本文中，我们提出了CVPR 2022中第三个视觉挑战的解决方案。我们利用数据预处理方案和几个基于Transformer的模型以及数据增强技术，实现了0.582的mIoU，在这项挑战中获得第二名。
2022-06-23 cs.CV
Pattern recognition using inverse resonance filtration
Vinnitsa National Technical University（文尼察国立技术大学）；InnoVinn Inc.（因诺文公司）
提出了一种基于逆共振滤波（IRF）的纹理模式识别方法。纹理图像信号波动本征谐波分解（EHD）的一组主谐振谐波用于IRF设计。结果表明，EHD对纹理图像线性位移具有不变性。纹理的识别是通过将纹理信号转换成非结构化的纹理信号来实现的，非结构化的纹理信号可以利用简单的统计参数进行纹理模式识别。异物上信号点的异常变化。考虑到纹理信号突变的存在，提出了两种二维EHD参数估计方法。第一种方法是基于对信号相位跳变不敏感的线性对称模型。特征多项式对称的条件提供了模型的平稳性和周期性。第二种方法是基于二维相关矩阵的奇异值分解（SVD）的主向量空间的矩阵束投影的特征值问题。提出了两种纹理图像异物分类检索方法。
2010-03-16 cs.CV
A Review on Automatic License Plate Recognition System
MCKV Institute of Engineering（MCKV工程学院）
自动车牌识别（ALPR）是一个具有挑战性的问题，因为它具有潜在的适用性，在不同的地理条件下，在全球不同的车牌参数。任何一个ALPR系统都包括三个主要模块，即车牌定位、车牌字符分割和分割字符识别。在现实生活中的应用中，图像是在具有变化的照明和天气条件、变化的污染水平和风力的户外环境中昼夜捕获的，定位、分割和识别成为具有挑战性的任务。如果车牌在各种特征方面不符合相应机动车部门制定的标准，则任务变得更加复杂，所述特征例如车牌的面积和宽高比、背景颜色、前景色、形状、行数、字体/字符大小、字符之间的间距等。此外，牌照经常是脏的或破损的或有划痕或在其位置弯曲或倾斜。所有这些都增加了建立有效的ALPR系统的挑战。
2019-02-25 cs.CV
Inclusive Review on Advances in Masked Human Face Recognition Technologies
Basra University（巴士拉大学）
本文综述了遮挡人脸识别领域的最新进展，重点介绍了相关深度学习技术、面临的挑战、应对方法、应用场景及未来研究方向。
2025-07-04 cs.AI cs.CV
Spoofing PRNU Patterns of Iris Sensors while Preserving Iris Recognition
Michigan State University（密歇根州立大学）
光响应非均匀性（PRNU）的原理用于将图像与其源相关联，即，在这项工作中，我们调查是否有可能修改虹膜图像采集使用一个传感器，以欺骗不同的传感器的PRNU噪声模式。在这方面，我们开发了一个图像扰动例程，迭代修改原始虹膜图像中的像素块，使其PRNU模式接近目标传感器。实验表明所提出的扰动方法在欺骗虹膜图像中存在的PRNU图案同时仍然保留其生物特征内容中的功效。
2018-12-15 cs.CV
A Comprehensive Review of Few-shot Action Recognition
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Peng Cheng Laboratory（鹏城实验室）
本文系统综述少样本动作识别方法，提出生成式与元学习两大分类体系，涵盖视频表示、原型学习与对齐，并总结基准与未来方向。
2025-03-28 cs.CV
Ancient Script Image Recognition and Processing: A Review
Queen Mary University of London（伦敦大学Queen Mary）；Jilin University（吉林大学）
本综述系统梳理古代文字图像识别方法，按文字类型分类比较，剖析数据不均衡与图像退化等独特挑战，并总结少样本学习等近期方案及未来方向，旨在推动该领域发展。
2025-06-24 cs.CV
Video-based Human Action Recognition using Deep Learning: A Review
Centre d’Etudes et d’Expertise sur les Risques, l’environnement la mobilité et l’aménagement (CEREMA)（风险、环境、流动性与规划研究与专业中心）；VinUniversity（文林大学）；Université Paul Sabatier（保罗·萨巴蒂埃大学）；Universidad de los Andes（安第斯大学）；University Carlos III Madrid（马德里卡洛斯三世大学）
人体动作识别是计算机视觉的一个重要应用领域。它的主要目标是根据传感器获取的以前从未见过的数据序列准确描述人类行为及其交互。识别、理解和预测复杂人类行为的能力使得许多重要应用的构建成为可能，例如智能监控系统、人机界面、医疗保健、安全和军事应用。近年来，深度学习受到了计算机视觉界的特别关注。本文概述了使用视频分析和深度学习技术进行动作识别的当前最新技术。我们提出了最重要的深度学习模型来识别人类动作，并分析它们，以提供深度学习算法应用于解决现实视频中的人类动作识别问题的当前进展，突出其优点和缺点。基于文献中报道的识别精度的定量分析，我们的研究确定了动作识别中最先进的深层架构，然后为该领域未来的工作提供了当前的趋势和开放的问题。
2022-08-07 cs.CV
Achievable Rates for Pattern Recognition
生物和机器模式识别系统面临着一个共同的挑战：给定关于未知物体的感知数据，通过将感知数据与存储在内存中的内部表示库进行比较来对物体进行分类。在许多感兴趣的情况下，要区分的模式的数量和原始数据的丰富性迫使识别系统在内部以压缩格式表示记忆和感官信息。然而，这些表示必须保留足够的信息，以适应环境的变化性和复杂性，否则识别将是不可靠的。因此，在专用于数据表示的资源量与识别系统可以可靠地操作的环境的复杂性之间存在固有的权衡。在本文中，我们描述了一个一般的数学模型，模式识别系统的资源限制，并显示如何上述资源复杂性的权衡可以表征在三个速率相关的位数可用于表示内存和传感器数据，和模式的数量填充一个给定的统计环境。我们证明了单字母信息的理论界可实现的速率，并说明了理论分析的基本情况下，模式数据是二进制或高斯。
2005-09-08 cs.CV cs.IT math.IT
Application of Faster R-CNN model on Human Running Pattern Recognition
Lexington High School（列克星敦高中）；KTByte Computer Science Academy（KTByte计算机科学学院）
快速区域卷积神经网络（Faster R-CNN）模型等先进算法适用于识别分类的运动对象，这是由于学习训练数据集的效率优于普通CNN算法，并且在验证和测试数据集中标记正确类别的准确性更高。该研究检查并比较了对象识别中的三种R-CNN类型算法，以显示Faster R-CNN模型在分类人类跑步模式方面的优越效率和准确性。然后，通过进行数据集拟合实验，描述了Faster R-CNN在检测单个个体或多个个体表现出的不同类型的跑步模式方面的效果。在这项研究中，Faster R-CNN算法直接从Ross Girshick发布的版本中实现。
2018-11-13 cs.CV
Group Activity Recognition in Computer Vision: A Comprehensive Review, Challenges, and Future Perspectives
School of Computer Science, Universiti Sains Malaysia（马来西亚理科大学计算机科学学院）；School of Engineering, College of Technology and Business, Guangzhou（广州工商学院工程学院）
本文综述了计算机视觉中群体活动识别的方法，从传统到基于HRNN、关系模型等最新技术，比较性能并总结挑战与未来方向。
2023-07-25 cs.AI cs.CV
