融合HOG+SVM与MFCC特征的自动优化物体识别系统研究     

庄屹  陈玮  尹钟 《教育技术导刊》2019,18(3):10-15

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。  相似文献