匹配应用

匹配应用（精选12篇）

匹配应用 篇1

1. 引言

地形匹配技术是地形辅助导航的关键技术之一,它在航空领域应用广泛,在水下运载体的海底地形匹配定位、机器人导航定位以及陆地车辆导航等方面也有着广阔的应用前景。

地形匹配的过程,实际上是将实时测出的地形高程图(实时图)与飞行器内预先制备的基准地形高程图(基准图)在空间上进行对准的过程,以获取飞行器精确导航定位信息。经典的平均绝对差(MAD)、平均均方差(MSD)和互相关(COR)等地形轮廓匹配算法可以完成匹配定位。但是这些方法是基于对应点之间的差值关系计算相关度的,要求两幅地形图是在相同尺度的坐标系下,并且待匹配两图之间不存在旋转变换。但是多数情况下,由于生成手段、时间等因素的不同,同一区域的不同时相DEM覆盖区域不可能完全重合,可能存在一定的未重合区域和定量的旋转、平移、缩放等变换。解决存在缩放、旋转条件下的地形匹配问题,可大大降低三维实时地形图测量的要求,增强地形匹配的适应性,具有非常重要的现实意义。

本文提出了改良的树描述符匹配算法,用树描述符对地形特征(山谷线)进行重建,通过搜索树描述符中最长公共子串的方法获得最大同构子树,建立2个同构子树之间的匹配关系完成匹配工作。该算法可应用于存在缩放、旋转条件下的地形匹配问题。

2. 地形匹配技术的原理

地形匹配技术的依据是地形的凹凸不平特征与地理位置之间的对应关系,利用这种地形特征,在运动载体实时测量得到的地形图与已知的三维地形基准图进行配准,从而确定载体自身的位置信息。本文通过提取匹配图的山谷线作为待匹配的地形特征。

将山谷线的矢量图映射到树结构中存储其拓扑结构,通过两者之间特征对的匹配,也就是树结构匹配,就可以获取两种DEM中的特征对应关系,从而确定两种DEM是否达到粗匹配的要求。

3. 树描述符匹配算法

为了更简单、高效地进行树的匹配,本文提出了树描述符算法对树进行拓扑匹配。树描述符包含了物体的形状特征和拓扑特征。

3.1 树描述符

定义对由匹配树深度优先搜索产生的节点序列中的所有节点用其孩子数替换,替换后得到的新序列即为树描述符。

3.2 树描述符匹配算法

对于2个匹配树T1,T2,我们初步建立的匹配算法如下:

(1)深度优先遍历匹配树T1、T2;

(2)用树描述符重建树,描述符分别为s1、s2;

(3)在基准树T1中搜索待匹配树T2的最大同构子树T,即找出s1、s2的最长公共子串;

(4)如果最长公共子串和被匹配树T2的描述符s2相等,说明T1、T2之间存在匹配关系,建立2个同构子树之间的匹配关系则匹配完成;

(5)由匹配关系得到对应点之间的坐标关系,建立两图之间的坐标对应关系,完成目标对准过程。

3.3 算法改进

上述匹配算法只能解决匹配模型中的子树匹配问题,不能解决松弛匹配的问题,如图1所示。为了得到更全面、更准确的匹配结果,提高算法的查全率,我们有必要改进这种匹配方法,才能得到正确的拓扑结构匹配结果。

经分析,上述匹配算法需要对第三个步骤中的搜索最大同构子树过程加以改进,以解决松弛匹配问题。改进的搜索最大同构子树算法如下:

(1)搜索出s1中的所有叶子节点(描述符为0的节点),并进行标识;

(2)用字符串匹配算法搜索s1、s2中最长公共子串;

(3)字符串匹配算法:

a.如果s2中字符等于0(叶子节点),则查询到s1中与之对应的字符值为n,则s1向后移n位,后移的时候如果继续遇到非零值n1,n2…,则s1再向后移n1+n2+…位,然后s1、s2同时下移一位并继续进行下一位的字符匹配,如果下一位是s2到达结束符,则匹配成功。

b.如果s2中字符值不等于0,且s2的字符值等于s1中的字符值,则s1、s2同时下移一位,如果s2的字符值m小于s1中的字符值p,则s2向后移m位,s1向后移p位,然后再同时下移一位,继续匹配直到找到最大同构子树,匹配成功。

c.如果s2中字符不等于0,且s2的字符值大于s1中的字符值,则匹配不成功。

3.4 结果分析

以图1为例,分别用树描述符算法以及改进的树描述算法进行树结构匹配,其搜索最长公共子串匹配过程如图2和图3所示:

图中上行是T1中被框部分的树描述符,下行是T2的描述符,按照改进的匹配算法,我们可以得到正确的匹配结果,T2中的每一个节点都能在T1中得到匹配。说明改进的算法是有效和可行的,能够得到与实际情况一致的匹配结果。

4. 结束语

树描述符算法使用了树描述符来描述树,完整表达了树的形状和拓扑结构,避免了复杂的运算,基于树描述符的同构子树匹配方法简单而快速,建立的拓扑匹配关系具有地形的旋转、大小、平移不变性,一般情况下,也不受地形小的扭曲变形的影响,因为高程的细微改变是不会改变拓扑形状的,除非是经过严重的地质灾害,改变了地形的基本面貌,那就另当别论了。该方法能够获得快速而最优最准确的匹配结果。

摘要：提出了改良的树描述符匹配算法,用树描述符对地形特征(山谷线)进行重建,通过搜索树描述符中最长公共子串的方法获得最大同构子树,建立2个同构子树之间的匹配关系完成匹配工作。该算法可应用于存在缩放、旋转条件下的地形匹配问题,可大大降低三维实时地形图测量的要求,增强地形匹配的适应性,具有非常重要的现实意义。

关键词：地形匹配,树描述符,山谷线,拓扑结构匹配

参考文献

[1]刘文予,刘俊涛.基于骨架树描述符匹配的物体相似性度量方法[J].红外与毫米波学报,2005,24(6):432-436.

[2]Gan Guoqiang,Qiu Zhihe.Navigation and position[M].Beijing:National Defence Industry Press,2000.

[3]O’Callaghan J F.The Extraction of Drainage Networks Digital Elevation Data[J].Computer Vision,Graphics,and Image Processing,1984(28):323-344.

[4]Golden JP.Terrain contour matching(TER COM):a cruise missile guidance aid[C]//Proceedings of the Society of Photo-Optical Instrumentation Engineers(SPIE).1980,238:10-18.

[5]李立春,苑云.三维地形不变性特征描述及其在地形匹配中的应用[J].航空学报,2009,30(11):2143-2148.

[6]陈绍顺,李彦斌,李云.地形匹配制导技术研究[J].制导与引信,2003,24(3):17-21.

[7]林应强,吴立德.基于模型的三维物体识别[J].自动化学报,1997,23(6):756-761.

[8]姚全珠,丁新村,冉占军.基于XMI的树匹配构件检索算法的研究与实现[J].计算机应用研究,2008,25(4):1013-1019.

匹配应用 篇2

旋挖钻机动力系统是发动机和液压传动相结合的统一体,单纯液压系统的节能控制并不能取得较好的.整机节能效果,发动机的控制也对整机节能性有很大影响.对发动机与液压系统的功率匹配控制进行了研究,提出了功率极限载荷控制技术,并在NR220旋挖钻机上应用了德国力士乐公司的电子功率极限负荷控制技术,收到了良好的效果,保证了旋挖钻机的高效节能和对各种工作环境的适应能力.

作 者：李来平薛建民 吴井泉 LI Lai-ping XUE Jian-min WU Jing-quan  作者单位：李来平,薛建民,LI Lai-ping,XUE Jian-min(内蒙古北方重型汽车股份有限公司,内蒙古,包头,014030)

吴井泉,WU Jing-quan(博世力士乐中国,辽宁,大连,116011)

刊 名：探矿工程-岩土钻掘工程  ISTIC英文刊名：EXPLORATION ENGINEERING(ROCK & SOIL DRILLING AND TUNNELING) 年，卷(期)：2008 35(2) 分类号：P634.3 关键词：旋挖钻机   动力系统   功率匹配   节能控制   功率极限调节  

匹配应用 篇3

关键词：高炉 泥炮 液压系统

前言

高炉泥炮是高炉生产的重点设备之一[1]，泥炮能否正常工作，直接关系到高炉的生产能否顺行。传统液压系统的设计主要考虑系统的工作能力、可靠性及成本，不太注意系统的效率[2]。系统的效率大多在50%左右，造成能量损耗过大，因此其节能的潜力很大。而造成液压系统效率低的根本原因是功率不匹配。提高液压系统效率的基本途径，是使系统的输入功率与执行元件的输出功率相匹配，功率匹配程度愈高，系统效率愈高。

本文针对山东钢铁莱芜分公司炼铁厂高炉泥炮液压系统的现状，介绍定量泵液压系统的功率匹配方法与节能途径。

1.液压传动的特点

①体积小、重量轻、单位重量输出的功率大；②在大范围内实现无级调速；③操纵控制方便，与微电子技术和计算机技术的结合已成为实现自动化的重要手段；④惯性小、响应快；⑤易实现过载保护，安全性好，采用矿物油作工作介质，自润滑性能好。

2.高炉泥炮液压系统设备简介

该液压系统使用40#抗磨液压油。加油时油液必须超过上部液位计刻度。运行前应确保液压站与油缸连接的管路经过清洗，以及液压油符合清洁要求。使用前点动电动机，确定电机旋转方向正确。本液压站泵组额定压力为20MPa，液压站37KW泵组采用手动变量柱塞泵，如系统需要采用较高压力，可人为调低油泵流量，调高溢流阀压力（最高压力不应超过25MPa），并在调整过程中注意观察电机电流不得超过其额定电流。

3.定量泵液压系统

定量泵液压系统是定量泵供油，用节流调速的方法调节执行元件的速度。其功率损失较大，效率低，但由于结构简单，成本较低，仍被各行业广泛地应用。造成定量泵液压系统效率低的根本原因是定量泵的输出压力、流量与负载所需的压力、流量不匹配，产生溢流、节流和卸荷能量损失。因此定量泵液压系统的节能途径就是尽可能的使系统的输入功率与执行元件的输出功率相匹配。

定量泵液压系统中单定量泵供油是最简单的回路。但这种回路只适用于恒压力、恒流量的载荷类型。如果用在多负载多速度的工作循环中，则效率在35%以下。因此，根据功率匹配的原理，对多负载多速度液压机械，可选用多泵驱动回路。图1是由三个定量泵组成的驱动回路，由控制阀4、5、6控制向系统供油，可得七种流量组合（若用四台泵，可组合出十五种流量），这种多泵驱动回路用于多负载、多种速度的液压机械， 比用单泵驱动， 可以节能50%以上。

1 高压小流量泵；2、3 低压大流量泵；4、5、6 程序控制器

在定量泵系统，采用恒功率调速的方法也可提高系统效率。恒功率调速的调速特性类似于恒功率变量液压系统，但成本较低。泵输出流量QS =const，泵输出压力油液P作用在压力自动控制节流阀的控制活塞S1和节流阀芯S2上。

当系统压力小于阀4的调定值时，即PS1≤PS2+kX0时，由于节流阀口未开，阀口通流面积a=0，经阀口的溢流量QL=0，因而进入执行元件的流量QC=QS-QL=QS，此时，执行元件具有最大速度。

当系统压力大于阀的调定值，即PS1>PS2+kX0 时，节流阀阀芯上移，阀口开启，a>0，部份液流经节流阀口溢流，进入执行元件的流量QC =QS-QL

4.结论

在山东钢铁莱芜分公司炼铁厂泥炮的液压系统中，存在一定的定量泵，而定量泵在运行过程中由于能源利用率偏低，造成管路中出现噪音和管路振动，室油温升高过快，大大缩短了备件的使用寿命，通过改造后，保证了高炉泥炮液压系统正常运行，为高炉的稳定顺行创造了良好的条件。

参考文献：

[1]尹富荣.开铁口机雾化系统在衡钢高炉上的应用[J].金属材料与冶金工程，2011（4）：41-43

[2]张守喜.本钢新1号高炉移盖机和开铁口机改造实践[J].本钢技术，2011（5）：23-25

作者简介：

通用ECU的匹配应用研究 篇4

基于环保与减少燃料成本的需要,国内在压缩天然气(CNG)供应较充沛的地区,有把在用柴油车改造为CNG单燃料发动机的需求,但在用柴油车的改造面临一次改装数量少,发动机型号多,系统配置要求不同的问题,如针对不同发动机配置开发不同的发动机电子控制单元(ECU),则会造成型号众多、成本高、无法批量生产的问题。如开发一款ECU,使之能适用于不同型号、不同配置的发动机,则能批量生产ECU,保证产品质量,降低系统成本,也便于售后维修服务。本文开发了一款通用ECU。所设计的通用ECU已批量生产,并匹配了十几款发动机,已在四川、山东、内蒙、新疆、重庆、广州等地投入实际商业运行,通过实际应用,证明了所开发的ECU的性能和可靠性。

2 开发的通用ECU的体系结构

2.1 通用性的定义

针对这种需求,设计了一款可以适用于各种点燃式发动机的通用ECU,这里通用性是指:(1)无需更改ECU的硬件便能适用于不同发动机的输入输出硬件配置,能同时兼容+12V与+24V电池系统,能适应强力电磁阀的驱动需求;(2)燃料供给方式可以是负压自然吸入方式,也可以是正压喷射方式;(3)点火可以是对偶点火也可以是逐缸点火;(4)汽缸数可以是3缸、4缸、6缸、8缸;(5)软件采用面向对象的三层模块化软件结构,可以由用户根据需要灵活设置。这样一来,通用ECU不仅能灵活配置适用不同的发动机,而且便于企业组织进行大批量生产和售后维护,从而有效保证产品质量的一致性。

2.2 硬件系统

硬件系统主要包括触发信号接口电路、喷油(气)嘴驱动电路、怠速阀驱动电路、氧传感器接口电路、点火驱动电路和电池系统六大部分。

(1)触发信号接口电路

不同公司不同车系的主触发信号和辅助触发信号往往差异很大,但其目的都是为了获取发动机曲轴的精确旋转位置和旋转速度以及各汽缸的运动位置。从通用ECU接口设计的角度,所关注的是传感器的性质和信号触发规律。在ECU的插头上为触发信号分配了Ne+,Ne-,Cam+,Cam-四个插针作为相应信号输入脚,根据传感器的性质,分别设计了电磁感应式处理电路、霍尔或光电式处理电路,并采用高可靠性微型继电器进行选择切换。发动机的喷油、点火都是以触发信号的时序为基准,即基于发动机旋转运动事件的控制模式。为了适应不同的传感器触发方式,根据发动机的基本配置四要素(汽缸数、触发信号模式、点火模式、喷油模式)分别设计不同的中断响应服务时序模块。用户在使用时通过指定这四要素来决定调用不同的喷油、点火时序控制模块。

(2)适合不同喷油(气)嘴的驱动电路(如图1)

喷油(气)嘴根据其电特性可分为“饱和型”和“峰值与保持型”两类。为同时适应这两类喷嘴的驱动,本系统设计了如图1所示喷嘴驱动电路。用户在使用时,必须事先指定喷嘴类型,由单片机输出信号给PLD,PLD再根据输入的信号控制其输出PWM驱动脉冲的占空比,从而控制喷嘴驱动电流的大小,实现峰值电流与恒流电流的控制。

(3)适合不同怠速阀的驱动电路

怠速阀分为单极性与双极性,两者的驱动电路不同。对于单极性怠速阀的驱动比较简单,只需几路低端驱动功率管即可。而对于双极性怠速阀的驱动则相对复杂,本系统采用专用两相步进电机智能驱动芯片。双极性步进电机正常工作电压范围为9.5V～16.3V。该驱动芯片的显著优点是通过软件能设置电机的工作电流(分为常态、加速态、保持态),加速态电流为常态的1.55倍,保持态为常态的0.155倍,这样既能达到最快的电机响应速度,又能实现驱动芯片工作时无需额外的散热措施都不发热,大大方便电路板设计,提高ECU的可靠性。另外设置了内部输出切换电路,以选择相应的怠速阀驱动电路。

(4)氧传感器接口电路

氧传感器信号处理电路如图2。接口电路针对λ型氧传感器而设计。在理想过剩空气系数附近(λ=1.000),氧传感器阶跃变化,变化范围0.1V～0.9V。考虑到不同发动机的工作状态的不同,如普通汽油发动机一般工作在λ=1.000,而燃气发动机的很多工况需偏稀燃烧,因此,相应的接口电路还要能检出较偏稀时的过剩空气系数(λ=1.180)。另外氧传感器输出阻抗在室温时大于10MΩ,350℃时,其输出阻抗小于10KΩ,且氧传感器安装在排气管上,容易产生

大的共模干扰。本设计的接口电路是采样式差动输入放大电路,电路分为四部分:(1)差动输入滤波,(2)输入采样,(3)低通滤波,(4)高输入阻抗电压偏置。

该电路的特点是当氧传感器温度低不工作时(传感器输出阻抗大时)其输出电压为2.25V与理想空燃比时的输出电压相同,确保ECU不会误控制。

(5)点火驱动电路

ECU板上设计有六路智能点火驱动电路,其特点是输出恒流为6.5安陪,有输出反馈指示线圈充电状态,经批量应用证明该点火驱动模块能适应+12V与+24V两种充电电压,无论是分电器点火还是逐缸点火都工作稳定可靠。点火驱动模块工作原理如图3。

(6)同时兼容+12V与+24V电池系统

首先,选用正常输入工作电压范围为5V～-42V的稳压电源芯片;其次,喷嘴采用“峰值与恒流驱动”,自动适应电池电压变化;第三,电磁阀采用智能PWM驱动,软件根据电池电压的不同采用不同的占空比;第四,兼容+12V与+24V的点火驱动电路,点火闭合角随电压不同而自动变化;第五,ECU板上采用低跌落电压稳压器提供步进电机驱动芯片的工作电源。

2.3 软件设计

软件系统由单片机和上位机两部分组成。

2.3.1 单片机

由于硬件采用的是TI公司的TMS320F2806,所以软件的集成开发环境使用TI公司的(CCS),所使用的语言是C++。软件模块结构如图4所示。软件采用三层递阶层次结构,即某一层只能被其上层调用,而每一层中的大模块组是平行的,同一层模块之间无耦合关系,从而实现软件功能的并行扩展。设计软件模块的基本准则是模块间尽可能无耦合关系。

2.3.2 上位机

上位机软件的功能是使标定人员可以通过标定软件的配置窗口将受控发动机的基本信息以及目标控制参数输入至通用ECU。这个配置过程只需在配置窗口中的对话框内通过PC机键盘或鼠标操作完成。

该软件基于Windows操作系统,使用VB6开发。该标定软件提供的通用ECU配置项目主要包括:(1)ECU基本信息配置;(2)喷油配置;(3)点火配置;(4)信号输入/输出配置;(5)通讯端口设置;(6)废气中氧含量闭环控制配置;(7)怠速控制配置;(8)脉宽调制输出配置。

其中,前五项内容为发动机运行之前必须经过配置的,以保证其运行不会对其自身的部件及ECU造成损坏,而后三项可待发动机允许怠速运行时再进行配置。这个配置过程一般在离线模式即可进行。

3 具体匹配试验

3.1 6150 CNG单燃料发动机的匹配

以斯太尔6150 CNG单燃料中冷涡轮增压发动机软件开发为例对软件配置过程进行说明。

具体软件配置过程如下:

第一步:定义系统全局配置,包括主触发信号形式,喷气与点火方式等。

第二步:定义局部控制策略,包括加减速控制方案、稀薄燃烧控制方案等。

第三步:匹配各脉谱图数据。

系统标定时,通过控制发动机外特性时的空燃比来确定其外特性曲线。图5中,标定的外特性追求低速时扭矩尽可能大,转速增大时功率并不需特别大,当空燃比为理想空燃比,转速为2000 r/m时功率是200千瓦,采用稀薄燃烧控制把功率降至180千瓦。但1400 r/m时设为理想空燃比,使该点最大扭矩达到1000牛·米。这体现了通用ECU的好处:用户能修改脉谱图使发动机满足其特殊需求。这种匹配适应所匹配发动机用于城市公交车,以城市工况为主的要求。

电控系统采用单点喷射、逐缸独立点火的配置,纯机械式涡轮增压器。

燃气控制采用“前馈+反馈”的控制方案,即“基本喷气量+修正喷气量”的稀薄燃烧控制策略,目的是要在保证发动机动力要求的前提下,降低系统的燃气消耗量,同时使废气排放降低。其系统框图如图6。

上图中,i指代不同的气缸,i=1,2,3,4,5,6,α为节气门的开度,λset为根据发动机工作负荷区域判断所设定的不同空燃比。

3.2 4102自然吸气LPG发动机的匹配

4102自然吸气LPG发动机是直列四缸、水冷、四冲程、自然吸气式发动机,其额定功率为75k W(转速3200r/min),最大扭矩270N·m(转速1600r/min)。系统标定所用点火提前角、喷气脉宽脉谱图(略),嵌入到通用点燃式发动机电子控制单元对其进行匹配,十三工况排放结果如表1所示。

实验结果表明,4102自然吸气LPG发动机输出扭矩在1600r/min达到最大258N.m,功率在3200r/min达到71.8k W,基本满足发动机工作动力需求。十三工况实验排放结果低于欧Ⅲ排放指标。

摘要：文章首先介绍了开发的通用ECU的软硬件系统,然后用它分别对6150CNG单燃料发动机和4102自然吸气LPG发动机这两种发动机进行匹配试验,得到了较好的控制效果。

关键词：通用ECU,匹配,脉谱图,空燃比,外特性

参考文献

[1]孙鸿,欧阳明高,杜仲.电控柴油机实时控制仿真系统的试验验证与应用[J].内燃机工程,2000(3):59~63

[2]尚宇辉,唐厚君,杨银昌.内燃机电喷系统空燃比控制中控制算法的研究[J].车用发动机,1995(2):19~24

[3]朱辉,王丽清,程昌析.汽车硬件在环仿真在汽车控制系统开发中的应用[J].汽车技术,1998(12):7~9

[4]H.Hanselmann.DSP-Based Automotive Sensor Signal Generationfor Hardware-in-the-Loop Simulation.SAE Paper940185

匹配应用 篇5

“人岗匹配”，就是按照“岗得其人”“人适其岗”的原则，根据不同的人个体间不同的素质将不同的人安排在各自最合适的岗位上，从而做到“人尽其才，物尽其用”。众所周知，企业与个人是一个利益共同体，企业是个人职业生涯的舞台，为岗位挑选合适的人;人适合干什么，就尽量安排他到适合的岗位，充分发挥他的才能。只有这样，人才能在舞台上尽心表演，舞台才会精彩。

“人岗匹配”一方面，对人的职业发展有莫大的好处，另一方面对公司而言，把人才的作用最大化了，公司也会得到相应的回报，企业和个人才能实现真正的双赢。那么，如何实现在企业实现“人岗匹配”呢?

笔者认为：真正有效的“人岗匹配”至少需要经历：知岗、知人、匹配三步曲。

知岗：工作分析

“人岗匹配”的起点应该是知岗，因为只有了解了岗位的我们才能去选择适合岗位的人，这样才能实现“人岗匹配”。如果脱离了岗位的要求和特点，“人岗匹配”就成会成为“空中楼阁”，失去根本。

知岗最基础也是最重要工具就是工作分析。所谓工作分析，是对某项工作，就其有关内容与责任的资料，给予汇集及研究、分析的程序。

要做的“人岗匹配”，就必须对工作人员的素质先行订立标准，而为了建立人员的素质标准，就必须对工作的职务与责任加以研究。经过工作分析所产生的岗位说明书是人力资源管理科学化的基础，在“人岗匹配”中它至少有以下四个作用：1、明确岗位所需人员的条件;2、确定岗位招聘人员所需的资历;3、根据其岗位职责确定其岗位薪资;4、根据岗位所需技能制定该岗位现有人员的培训发展计划。

工作分析的内容主要包括：1、岗位名称，用简洁准确的文字对岗位的工作任务作概括。2、岗位工作任务分析，就是调查研究企业中各岗位的任务性质、内容、形式、执行任务的步骤、方法、使用的设备、器具等。3、岗位职责分析，包括工作任务范围、岗位责任大小、重要程度分析等。4、岗位关系分析，就是分析相关岗位之间有何种协作关系，协作内容是什么?他受谁监督指挥，他又去监督指挥谁?这个岗位上下左右关系如何?岗位升降平调路线方向如何?5、工作环境分析。6、岗位对员工的知识、技能、经验、体力等必备条件的分析。

工作分析是一项复杂而又细致的工作，其工作程序主要包括准备、调查、分析总结三个阶段七个步骤：1、收集背景资料：包括机构或企业现有的背景资料，如业务项目、组织图、各部门职责等。2、设计岗位调查方案，明确调查目的，调查对象和单位，确定调查项目，调查表格和填写说明，调查时间地点和方法。3、进行思想动员，说明这项工作的意义和目的，建立友好合作关系，确保大家有良好的心理准备。4、制定行动计划，根据工作分析的任务和程序，分解成若干工作单元和环节，以便逐项完成。5、试点先行，组织有关人员先行一步，学习并掌握岗位调查的内容，熟悉具体实施步骤和方法，先抓一两个重点岗位，进行试点，取得经验。6、开展全面调查，根据调查方案，对岗位进行认真细致的调查研究。7、分析总结定稿，对岗位调查结果进行深入分析和全面总结，形成岗位说明书。

工作分析的常用方法有：观察分析法、自我记录分析法、主管人员分析法、访谈分析法、记录分析法、问卷调查分析法等。

知人：胜任素质

当我们知道了岗位的特点和要求，我们就应该进入“人岗匹配”的关键环节―知人。知人的方法有很多，如履历分析、纸笔考试、心理测验、笔迹分析、面试交谈、情节模拟、评价中心技术等等。但它们或基于人，或基于事，对“人岗匹配”的帮助都不是非常明显。

在企业管理和咨询的实践中，笔者发现在知人方面，“胜任素质(Competency method)”是帮助企业实现最佳“人岗匹配”的有效工具。

胜任素质的应用起源于21世纪50年代初，著名的心理学家，哈佛大学教授麦克里兰 (McClelland) 博士是国际上公认的胜任素质的创始人。当时，美国国务院感到以智力因素为基础选拔外交官的效果不理想，

许多表面上很优秀的人才，在实际工作中的表现却令人非常失望。在这种情况下，麦克里兰博士应邀帮助美国国务院设计一种能够有效地预测实际工作业绩的人员选拔方法来解决这一难题，实现“人岗匹配”。在项目过程中，麦克里兰博士应用了奠定胜任素质方法基础的一些关键性的理论和技术。例如：抛弃对人才条件的预设前提，从第一手材料出发，通过对工作表现优秀与一般的外交官的具体行为特征的比较分析，识别能够真正区分工作业绩的个人条件。

那么企业应如何通过“胜任素质”来知人，进而实现“人岗匹配”呢?笔者认为可以通过建模、定标、评价、知人四个步骤来完成。

第一步：建模

根据自身的企业文化和业务发展，建立起了符合公司自身特点的岗位胜任素质模型。胜任素质是从品质和能力层面论证个体与岗位工作绩效的关系，是个体的态度、价值观和自我形象，动机和特质等潜在的深层次特征，是将某一工作(或组织、文化)中表现优秀者和表现一般者区分开来的基础。具体方法：1、根据岗位说明书和职位评估系统归纳总结岗位关键胜任要素，形成岗位胜任素质模型框架;2、通过管理访谈、管理层研讨，对模型框架做有针对性的调整和修正，并细化胜任特质的典型行为;在初步的胜任素质模型基础上，形成评估要素列表，制订评估框架并选择、组合评估方法，从而建立起完整的胜任素质模型。

第二步：定标

根据胜任素质模型评估各个岗位应该具备的能力。通过外部专家、内部管理人员以及需评价岗位的直接上司、在岗人员及其下属共同对对该岗位所需要的胜任素质水平做出评估，同时，参考同类组织对相应岗位的要求，建立企业所有岗位的胜任素质标准。

第三步：评价

通过对公司的管理诊断和评估，建立发展评价中心，包括心理测验(包括能力倾向测验、职业兴趣测验、动机测验、管理风格测验)、情境模拟(包括文件筐、无领导小组讨论、角色扮演、管理游戏、案例分析等)和专家面谈(包括结构化面谈、半结构化面谈和非结构化面谈)。

第四步：知人

以“人岗匹配”为原则，根据所建立胜任素质模型，应用已经建立的发展评价中心，对现有关键岗位进行人员素质评估，根据胜任素质模型和参照标准，在胜任素质的各个维度上进行比较，对不能达到任职要求的人员进行了调整和有针对性的培训。从而保证了组织调整的顺利完成，并建立起了自身独立的知人系统，将岗位胜任素质变成企业的核心竞争力之一。

匹配：知人善任

知人善任是实现“人岗匹配”的最后一步，也是能不能发现并最大限度地利用员工的优点，把合适的人放在合适的位置，尽量避免人才浪费的最关键的一步，“没有平庸的人，只有平庸的管理”。每个人都有自己的特点和特长，知人善任，让自己的下属去做他们适合的事情，这样才能充分发挥他们的工作潜能，实现人才的有效利用。

许多成功的管理者都善于识人，并把人才放在适当的位置上。

汉高祖刘邦就是一个知人善任的高手，他善于发现每一个人的特长，根据人才的特长，将其安排到合适的岗位，“人岗匹配”，让他们最大限度地、充分地发挥自己的积极性和作用，真正做到了“职得其人”“人适其职”，如用韩信带兵，张良出谋，萧何保后，都安排得有条不紊，正如他所说的：“运筹帷帐之中，决胜千里之外，吾不如子房;镇国家，抚百姓，给馈赏，不绝粮道，吾不如萧何，连百万之众，战必胜，攻必取，吾不如韩信。”这是刘邦在楚汉相争中最后获胜的根本原因。

作为一名管理者，首先要对员工的才能、兴趣等了然于胸，有了透彻的了解，才能针对某项特定的岗位选择适合的人选，让合适的人做合适的事，这样才能“岗得其人”“人适其岗”，达到人岗匹配的效果。当然，善任不是管理者的随心所欲，而是要按规律办事，在最适合的时机把最适合的工作分配给最适合的人，达到“人尽其才，才尽其用”。

牛根生曾经说过：从人本管理的角度看，人人都是人才，就看放的是不是地方，这是一个人岗匹配的问题。所以，在蒙牛选卫生工的时候，不会选那些文化程度高的，或者是家庭条件特别好的，因为这样的人对自己职业的目标绝对不是一个卫生工，也许他关心的是世界经济的发展，也许他想知道人民币汇率升降对国内投资者的影响……唯独不关心工厂的卫生，从而导致他们不会把自己全部的精力放在简单的卫生工作上。蒙牛选择的是老实敦厚的农村妇女，因为这份工作对平常基本上没有什么经济收入的农村妇女来说显得弥足珍贵，重视自己的工作，才有可能将工作做好。这才有了蒙牛工厂纤尘不染的卫生状况，才有了每天生产的“安全、卫生、营养、健康”的蒙牛食品走向全国，甚至漂洋过海。

匹配应用 篇6

关键词：人职匹配理论；高校就业指导；应用

随着高校毕业人数的逐年增加，大学生面临着极其严峻的就业形势。大学生就业难已经成为一个全社会普遍关注的问题。大学生就业问题的解决不仅需要社会相关部门以及企业等为其创造良好的社会就业条件，还需要各大高校在人才培养的过程中加强学生的职业技能培训，帮助学生找到自身兴趣所在，进而促进学生就业。因此，在高校就业指导工作中应用人职匹配理论十分必要。

一、人职匹配理论概述

“人职匹配理论”最早由有着“职业辅导之父”之称的美国人帕森斯提出。人与职业相匹配是该理论的核心，该理论认为，任何人都具有不同于他人的独特特性，这些独特性主要表现在能力倾向、兴趣、价值观和人格等方面。人们通过一些专业的技术手段对这些特性进行测量，进而将具有不同特性的人与特定的职业需要相匹配，个人特性与工作需要质检的配合度越高，该职业成功的可能性就越大。人职匹配主要包括以下几个步骤。

（1）对求职者的生理以及心理特性进行分析。通过一些专业的测量技术手段了解求职者的身体情况、兴趣爱好、气质与性格以及能力等，并通过谈话、调查等方法了解求职者的家庭、学业以及工作情况，最后对以上所有了解到的情况进行总体评价，为求职者选择合适的工作提供参考。（2）对相关职业对于求职者的要求进行分析，并有针对性的为求职者提供职业信息。职业对于求职者的要求主要表现在职业描述、工作条件以及薪资等方面。例如，该职业的性质、薪资待遇、未来的发展空间、学历要求、所需的专业技能、身体健康状况以及年龄限制等。（3）进行人职匹配。通过上面的步骤了解了求职者的个性特点以及职业的各项要求之后，针对求职者的特性进行对比分析，进而选择一个与其个性特点相匹配且职业成功率比较高的职业。

由此可见，人职匹配理论的操作性很强，且其在帮助人们合理选择职业方面具有指导意义。针对目前我国高校就业指导的工作成效，人职匹配理论的应用势在必行。

二、人职匹配理论在高校就业指导工作中的应用

（一）帮助学生进行个性化的职业生涯规划。学生在校期间可以利用人职匹配理论充分了解自身的优势与不足，选择能够发挥自身优势的职业，同时还可以通过人职匹配理论了解自身在未来职业发展方面的不足，从而有效利用在校时间及时查漏补缺，提高自身的知识储备、专业技能等。人职匹配理论能够帮助学生进行个性化的职业生涯规划，职业生涯规划在学生在进入大学之初就已经开始，在以后的学习中不断进行修正，人职匹配理论能够使学生的职业生涯规划更加科学、完善。

（二）帮助大学生发现自身的职业兴趣。兴趣是人们动力的源泉，因此大学生在选择职业时应该从自身的兴趣爱好出发。人职匹配理论可以帮助学生发现自身的职业兴趣，并在以后的就业过程中以该职业兴趣为出发点进行职业选择，进而避免没有针对性的盲目择业，实现资源的有效配置。因此，在高校就业指导工作中应该利用人职匹配理论帮助学生根据自身的兴趣爱好、性格、态度、价值观等进行职业选择。

（三）帮助学生树立正确的择业心态。造成我国大学生就业难的原因有很多，例如，毕业生人数庞大，远超过社会所能提供的岗位数量；部分大学生择业心态不正确等。很多大学生被传统的就业观念所束缚，认为只有进入了外企、政府机关及企事业单位才能有很好的发展前景，进而导致严重的就业扎堆现象。大学生与社会接触比较少，且对社会职业发展以及就业的现状缺乏了解是导致大学生就业心态不正确的主要原因。高校就业指导部门应该采取各项手段帮助学生了解社会的就业现状，并利用人职匹配理论让学生对自身的优势与不足有一个清晰、全面的了解，进而帮助学生调整择业心态，选择有远大发展前景的适合自己的职业。

（四）进行个性化就业指导。人职匹配理论以“一对一”的形式对学生进行个性化指导，帮助学生根据自己的兴趣爱好以及能力选择合适的职业。因此，人职匹配理论尊重人的个性，对不同学生提供因人而异的个性化指导。这里的个性化指导既包括职业生涯规划时期、以及招聘与实习时期的常规指导，还包括针对个别学生与问题进行的个别辅导。个别辅导属于思想教育的范畴，可以采用谈话、电话、网络等形式展开。

综上所述，人职匹配理论在高校就业指导工作中的应用有利于学生根据自身特性进行职业生涯规划并有针对性的提高自身职业技能水平，为以后职业的成功以及人生价值的实现奠定坚实的基础。

参考文献：

搜索引擎模糊匹配技术研究与应用 篇7

为了能更准确理解用户的搜索关键字目标, 将基于语义的模糊匹配技术应用到中文模糊识别搜索引擎中, 让用户能搜索到更多相关的信息。核心思想是根据用户输入的查询信息, 将和输入信息关键字相似的信息都纳入搜索引擎范围内, 帮助用户找到相关信息。

搜索引擎模糊匹配框架设计

基于搜索引擎自动建立相关网的过程, 相对于手动建立更方便, 词汇量更丰富, 更偏重包括当前文化背景下使用的词汇。

在相关网建立后, 需要讨论新的从相关网到相似网算法的分析和讨论。在粗略环境下, 可以使用基于距离的相似度算法进行相似网建立。

利用爬虫技术获取Internet中大量网页信息, 利用分词技术从这些网页中取出内容, 并保持原有词语出现的先后顺序, 当大量统计出现某些词和某些词离的很近, 则认为这些词之间是有关联的, 自动加入相关网中, 每个词按照只加入离的最近的相关词为原则, 递归扩散充实相关网。

在相关网的基础上, 做一个相关网的拷贝Net1, 从Net1取出一词W1, 依次算出所有和这个词的相似度, 并只取出相似度最高的一组词W2, W3, 将这个词W1和相似词W2, W3一同填充近相关网, 然后取出相似词中的第一个W2, 在Net1中重复上述动作, 加入除已加入的词以外所有的词, 在取出剩下的词重复这个动作, 这样就建立了相似网。

建立好相关网和相似网后, 在有用户输入的情况下, 就可以采用查询网状结构的算法, 遍历已经建好的两个网, 生成新的关键词用来在搜索引擎上进行精确匹配, 以扩展用户的搜索结果, 提供更智能的搜索选择。

应用实例

搜索引擎词语搜索主要是计算机处理, 搜索网页、进行网页预处理、进行词语相关分析、进行词语相似分析, 根据用户输入词语进行词语匹配, 根据匹配结果进行对应网页搜索, 对搜索出的网页进行关键字摘取, 然后展示给用户。

搜索引擎句子搜索主要是计算机处理, 搜索网页、进行网页预处理、进行句子相似分析, 根据用户输入句子进行句子匹配, 根据匹配结果进行对应网页搜索, 对搜索出的网页进行关键字摘取, 然后展示给用户。

本文使用爬虫技术建立和充实相关词语网 (以下简称相关网) 类似Word Net组织结构, 相似词语网 (以下简称相似网) 类似Word Net组织结构, 并在Word Net磨床程序思路上, 充实在基于模糊识别的搜索引擎中, 分为几个不同部分:

网页爬虫部分:搜索引擎和模糊模型的数据来源;

模糊模型部分:分析用户输入关键字并给出相似关键字集合和相关关键字集合;

相关模型网:相关模型网即仿照Word Net构建中文相关词语网;

相似模型网:根据相关模型利用前面所述计算相似度的算法构建的相似模型网;

数据库信息保存部分:保存爬虫信息结果;

用户界面部分:提供用户输入, 反馈查询结果。

模糊匹配系统实现的功能包括:

(1) 对于既定的语义树, 通过模糊匹配算法, 包括语义相似度算法以及语义相近度算法, 计算出语义树及各个节点间相似距离和相关距离, 构建出相似网和相近网, 在后续的搜索中依靠相似网和相近网不同词的距离来匹配出相关的一些信息。

(2) 根据系统所实现的功能, 进行分析:

搜索到的内容是正确的:例如搜索A, 需要搜索A相关的内容, 而不是B。

搜索到的内容是准确的:例如搜索A距离为3内容, 不能出现A距离为4的词。

搜索到的内容需要根据与被搜索内容的距离进行排列:例如B到A的距离为2, C到A的距离为3, 那么搜索A后, 反馈的是B, C。

小结

鉴于实验时间和实验设备的不足, 目前模糊匹配验证系统只能进行简单词, 少量词的模糊匹配验证, 而大数量级词, 短语以及基于网络等的模糊匹配还需要继续深入的研究。但经过实验的验证, 能说明, 本课题提出的基于搜索引起模糊匹配算法是可行的。能根据这个算法构建一个系统, 进行基于搜索引擎的相似度匹配。

匹配应用 篇8

在虚拟现实中,手是用户模型中十分重要的动作与感知关系模型,人的行为特征,是人机交互的重要研究内容。在虚拟环境中用手实现抓取、释放物体,以及飞行、漫游、导航等三维交互任务和技术,以往是利用人的触摸行为和计算机的反应来获得基于人机交互的手段,一般采用硬设备如空间球、6D操纵杆、6D鼠标等来实现。但也可用人们的自然技能,通过计算机非接触式地(如数据手套和摄像机等)观察用户的动作,实现人机交互,这是一种通过手势识别来了解用户意图的、有前途的三维交互新技术。因为在虚拟现实环境中抓握环境中的物体,应与用户手在生活中的动作一致,这一切的研究都是基于运动学、动力学以及反运动学;这一切还与使用手掌、拇指和每个手指的位置在抓握物体时运用自然、可信的几何和物理特征有关;同时还要使用户能感知手抓握的作用力。显然这是一项十分艰巨的研究工作,但它在人机交互困难的领域(如虚拟现实环境、遥控机器人和电信会议、哑语手势等)使用户不需要训练就可用人类自然技能,充分发挥手在交互过程中的自然性、灵活性和适应性。本文的手势识别属于机器视觉方面,它实现了计算机对人的三种手势的识别。基于visual studio软件和Open CV视觉库,用C#语言编写,通过摄像机捕捉图像,利用肤色检测定位手势,并且运用两种方法来对比使用。Open CV视觉库为我们的研究提供了很好的平台,大大减少了算法的复杂程度。最后通过模板匹配的方法使计算机识别出三种手势,并为此构建了有实际意义的算法,并通过实验检测具有可行性。

1 肤色提取

1.1 YCb Cr模型的肤色提取

YCb Cr空间是一种从RGB空间非线性转换而来的颜色空间,其已被广泛应用于视频压缩标准中。式(1)用来从范围为[0,1]的RGB信号输出YCb Cr信号。输出YCb Cr信号的范围是Y∈[16,25],Cb、Cr∈[16,235]。使用式(2)可以将YCb Cr信号恢复成范围为[0,1]的RGB信号。

肤色的差异在于色度而不是亮度,可以近似认为肤色差异与Y分量无关。本文选取具有代表性的不同肤色(没有考虑黑色人种)在不同光照下的人脸和手势图像作为样本,再用手工采集人脸皮肤作为肤色样本,并且制作了一个软件系统分析所得肤色RGB和YCb Cr值的直方图,得知肤色只分布在色度平面上一个很小的区域,利用该直方图可以为肤色构造高斯密度函数或高斯混合模型。仔细选择阈值Cb[Cb1,Cb2]和Cr[Cr1,Cr2],利用判定规则:一个像素(i,j),如果同时满足Cb1﹤Cb(i,j)﹤Cb2和Cr1<Cr(i,j)﹤Cr2,则规定该像素为肤色像素,取值为1;否则,该像素值为0。事实上,这些阈值是肤色期望和标准方差的一些线性函数。本文采用的阈值条件为Cb[80,135]和Cr[136,177],这个范围是根据实验采取样本肤色所得到的一个大概的范围。如图1所示,通过实验软件整理出的肤色范围。经过统计考察,凡是像素点的Cb∈[80,135]且Cr∈[136,177],均判定为肤色像素,取值为1;否则为0。

1.2 BP神经网络的肤色提取

BP神经网络的隐层一般采用Sigmoid转换函数,为提高训练速度和灵敏性以及有效避Sigmoid函数的饱和区,一般要求输入数据的值在0-1之间。因此,要对输入数据进行预处理。一般要求对不同变量分别进行预处理,也可以对类似性质的变量进行统一的预处理。如果输出层节点也采用Sigmoid转换函数,输出变量也必须作相应的预处理,否则,输出变量也可以不做预处理。所以在肤色检测中将肤色像素点RGB的值进行归一化处理。对于肤色的检测,构造了具有3层节点的人工神经网络模型,将皮肤的RGB的实测值作为学习样本。每个样本均含有2个输入因子,分别是皮肤像素归一化的g和b值。归一化方法同前面介绍的RGB转换成YCb Cr时候的方法。

本文肤色检测神经网络模型的各层节点数分别为:输入层2个,隐层5个,输出层1个(如图2所示)。通过对RGB模型归一化,得到bg二维空间,将bg作为输入,判断网络输出,接近1时为肤色,接近0时为非肤色。

图3是肤色原图,图4是基于YCb Cr色彩模型检测到的肤色结果,图5基于是BP神经网络检测到的肤色对比所示,可以看出,两种方法检测出的肤色图像准确度相差不大。两种模型各有自己的优点和缺点,YCb Cr色彩模型程序实现比较简单,运行速度也比较快,但是不够灵活,需要提前做许多数据工作,采集许多颜色数据。而BP算法的神经网络比YCb Cr色彩模型检测更为准确,不需要做大量的数据采集,运用灵活,不但可以识别肤色,而且可以识别任意颜色。但是BP算法的程序实现较为复杂,并且运行速度比YCb Cr色彩模型慢许多。所以,这两种方法各有千秋,可以根据自己的需要来选择。

2 动态监测

对于手势的运动检测,将摄像头捕捉到的相邻之间的帧做差分运算。如,第一帧和第二帧之间做差分运算如图6,并且将所得图像的各像素点进行累加运算,设定阈值T=30(这个阈值是根据测试设定的)。超过阈值便认为第一帧到第二帧是运动的;反之,便认为是静止的。接着,同样的方法检测第二帧和第三帧之间是否运动。将每两帧之间差分所得到的图像与肤色识别所得到的图像进行与运算,便得到手势动态图像,如图7。

3 模板匹配

在手势的匹配中,如图8所示,经过肤色检测以后的三个手势各自有五个模板,图中仅为各自五个模板中的一个。由于人们做手势不可能是一成不变的角度,需要输入几个不同角度的手势模板,以此来提高系统的泛化能力,所以才有五个模板。

模板匹配中,如果两个模板的匹配度都很高,而人做的手势不一定绝对静止,就有可能出现一些抖动,出现误判的情况。为了使匹配更为准确,消除抖动的干扰,本文提出了一种自适应的算法。将匹配度最大的那个模板根据环境(光线强度等)对手势的影响进行修正,使之匹配度越来越大。在不同的环境下,修正也不同。

捕捉到的手势图像经过模板匹配后还需要进行预处理,使之与模板图像的大小相同。其方法是:以捕捉到的手势二值图像的白色区域中心坐标为中心,切割出和模板大小相同的图像。这是为了满足下面的自适应处理的条件要求。

设tem1为检测出的匹配度最大的那个模板像素,cap为经过预处理的摄像头捕捉到的手势二值图像,则:

然后令tem1=tem2;其中a为学习率,经各种考察,本文设置a=0.01。tem2成为新的模板,实际上相当于最大匹配的模板图像与实际捕捉到的手势图像的合运算。如图9所示为原模板图像,图10为经过自适应处理的模板图像。

4 结果分析

本文的手势的识别属于图像识别的一部分,它的实现需要两大部分。第一是肤色的检测,利用颜色判别,这为手势的位置确定减少了很大的复杂度。肤色检测本文应用两种方法:基于YCb Cr色彩模型和BP神经网络,分析两种方法各自的优缺点,并将两种方法分成模块编写在程序里,随时可以调用和改变方法。第二是匹配的实现,也就是完成三种手势的识别。在匹配之前,首先要进行手势的动态检测,只有静止的手势才被认定是有用手势。之后,将预存的三种手势的不同模板与被识别的图像进行一一匹配,选出匹配度最大的模板,并认定被识别手势即为这个模板的手势。在模板匹配中,要应用自适应处理,以便消除手势的抖动,从而使匹配更为精确。在研究中提出的研究思路和解决方法对实际应用有参考意义。

匹配应用 篇9

GPS是目前世界上应用范围最广、最实用的授时、测距、导航定位系统[1]。在我国GPS目前主要应用于汽车导航。飞机、轮船、地面车辆以及步行者都可以利用GPS导航器进行导航。GPS技术的成熟与发展, 为各类运动载体的精密实时定位提供了有力保障。定位信号与数字地图的匹配技术是决定导航定位系统性能的关键技术。但由于GPS定位数据与电子地图数据都不可避免地存在各种误差, 往往会带来移动导航中车辆或人运动轨迹偏离实际道路的问题, 为了解决这个问题, 目前主要采用地图匹配方法。

2 地图匹配算法简介

2.1 地图匹配算法原理

地图匹配的基本思想是通过车辆的航迹与电子地图上矢量化的路段相近匹配, 寻找当前行驶的道路, 并将车辆当前的定位点投影到道路上。它的应用基于两个前提[2]:

(1) 用于匹配的数字地图包含高精度的道路位置坐标, 数字地图允许的误差在15米以内; (2) 被定位车辆正在道路网中行驶。地图匹配算法可分为两个相对独立的过程:一是寻找车辆当前行驶的道路;二是将当前定位点投影到车辆行驶的道路上。

2.2 传统的地图匹配算法

在候选路段集中搜索与G P S定位点距离最近的路段作为匹配路段, 最后通过正交投影法确定车辆的实际位置点。其中, “距离最近的定义”为:如果点到路段所在直线的投影在路段上, 则为垂线长度否则为点到路段两个端点的最短距离;点到道路的距离定义为, 点到道路上所有路段距离中的最小值。

原理图如图1所示。L1、L2、L3代表三条待匹配道路, P是GPS测量到的位置点。将P向三条道路线进行投影, P1、P2、P3是三个投影点。d1、d2、d3是三个投影距离。计算投影距离, 经过比较得到d1最小, 于是判定将P匹配到L1上, 即认为车辆在L1路段上行驶, 而投影点P3为匹配位置, 即认为投影点是目前车辆所在位置点。在数字地图中弧线是用折线段代替表示的, 所以对于地图上任意形状的路线, 都可以进行投影。

3 基于规划路径的投影匹配算法

3.1 算法流程

在路径规划高亮显示最短路径的基础上打开GPS进行跟踪实时显示运动体的位置。因此运动体的历史轨迹是已知的, 即沿着起点的路段依次移动, 不妨将这些路段记为{L1, L2……, Ln}。为此, 在选择候选匹配路段时, 可以逐个计算GPS点到各路段Li的距离 (垂线长度) 设为d, 如果d>偏差允许值, 如15米, 则说明当前路段不是要匹配的路段;继续比较到第i+1条的路段的距离;如此循环下去, 直到找到d<偏差允许值, 并且GPS点位于一定区域内时, 该路段即为匹配路段, 结束循环比较距离的操作, 改进地图匹配算法流程如图2阴影区域所示, 用来求取目标路段的索引值。其中, 点 (x1, y1) 和点 (x2, y2) 为考查路段的两端点;L1、L2为考查路段的邻近区边缘, 距离路段各15米;M1、M2, N1、N2分别为平行于Y轴、X轴穿过于路段端点的直线。 (gpsX, gpsY) 落在阴影区域则该路段为目标路段, 也即在该阴影区域范围内GPS需要修正。

3.2 算法实现

地图匹配算法实现大致分为两步。

Step1:从最短路径各路段中找投影的目标路段。

roadPnts=gps.GetPointsGPS () ;

计算G P S点到各路段的距离, 比较 (roadPnts.GetCount () -1) 次, 求取最短的, 并记录该目标路段起点在roadPnts中的索引号。

Step 2:投影匹配。

如果GPS点投影在目标路段上, 则投影点的坐标直接按三角形有关公式直接计算出。其中, 注意路段垂直或水平的情况要单独处理。

如果GPS点投影在目标路段所在直线延长线上, 则直接投影到路段2个端点中距离较短的端点。

步骤中涉及到点到路段的距离, 以及投影点的坐标的求取。

L1L2折线为寻得的最短路径中的一部分。 (x1, y1) 、 (x2, y2) 为目标路段的两端点。 (gpsX0, gpsY0) 是GPS数据处理后对应到地图上显示的点。已知 (gpsX0, gpsY0) , (x1, y1) , (x2, y2) 三点, 我们可以得出a, b, c。根据三角形余弦定理, 我们可以算得d, 即 (gpsX0, gpsY0) 到路段的距离。

通过这个d来判断偏差程度, 决定是否需要对 (gpsX0, gpsY0) 进行匹配修正, 让其落到最短路径的线段上。若d

(x1<=gpsX0<=x2) || (y1<=gpsY0

若要进行匹配修正, 依据 (g p s X, gpsY) , (x1, y1) , (x2, y2) , 利用平面几何的知识, 容易求得垂直于最短路径的交点坐标, 即匹配修正到最短路径上的坐标。由于该方法是在路径规划路段上求取目标路段, 因此对于点到弧的匹配算法的“在并行路段或交叉路口易产生误匹配”的不足对本系统不存在。

在规划好路径的前提下, 用鼠标单击地图标识为小方块, 模拟GPS点;根据匹配算法, 投影到目标路段上为小圆点为校正点。实验结果表明:地图匹配算法在GPS信号接收基本正常的情况下, 可以达到90%以上的正确匹配效果。

4 结语

在移动导航中, 地图匹配技术是关键技术, 对于目标物的导航起着支撑作用。本文提出的基于规划路径的投影匹配算法, 充分利用规划路径信息, 考虑道路的连通性, 能快速找到匹配路段。并在实验中取到良好的匹配效果。

摘要：通过分析传统的地图匹配算法的优缺点, 提出基于路径规划的投影匹配算法, 以规划路径为候选路段集, 选择匹配路段时考虑到运动历史轨迹以及道路的连通性, 然后直接将GPS点向匹配路段进行投影作为校正点, 这个处理方式对于匹配路段快速选择具有较好的实用价值。实验表明, 该算法能够实现GPS定位与道路实时、可靠的匹配。

关键词：移动导航,GPS,规划路径,地图匹配

参考文献

[1]林棻，赵又群．GPS在车辆上的应用现状与发展.传感器与微系统, 2008, 27 (1) :4-8

郭涛算法在模板匹配中的应用 篇10

关键词：郭涛算法,模板匹配,张成子空间

1模板匹配原理

模板匹配就是拿已知的模板图像, 和原图像中同样大小的一块区域去对比, 图像相关匹配的目的是寻找模板的最优匹配位置。最开始时, 模板的左上角点和图像的左上角点是重合的, 拿模板和原图像中同样大小的一块区域去对比, 然后平移到下一个像素, 仍然进行同样的操作, 所有的位置都对完后, 差别最小的那块就是要找的图像区域 。如图1所示, 模板T ( X*Y个像素) 叠放在待匹配的图S 上平移, 模板覆盖待匹配图的那块区域叫子图。 (i, j) 为子图左上角在被搜索图S上的坐标。

用平方误差之和来衡量原图中的子图和模板之间的差别。假设模板的大小为X*Y (宽*高) ;图像的大小为M @N。模板中的某点坐标为 (x , y) , 该点的灰度为T (x, y) ;与之重合的图像中的点坐标为 (i+x, j+y) , 该点的灰度为S (i+x , j+y) , 在这里记做Si, j ( x, y) 。则一次匹配的误差平方之和为undefined将该式展开:

undefined

上式中, 右边第一项称为原图像中与模板对应区域的能量, 它与子图的位置有关, 但是随子图位置变化而缓慢变化。第二项称为模板与原图中子图的互相关, 它随子图位置 (i, j) 的变化而变化, 当模板T (x, y) 和原图中子图区域相匹配时取得最大值。式中第三项称为模板的能量, 它与图像像素位置 (i, j) 无关。只用一次计算即可。

T与Si, j匹配时这一项的取值最大, 因此用这一项便可以进行图像匹配, 可以用下列相关函数作相似性度量。但假设DS项为常数会产生误差, 严重时无法完成匹配, 因此将DS考虑在内, 用下面的相关函数做相似性度量:

归一化为

undefined

根据式 (2) , 对于任何一个R (i, j) 都可算得一根据上式, 对于任何一个R (i, j) 都可算得一个值, 当 ( i, j) 变化时, R (i, j) 值的最大值便指出了与T 匹配得最佳位置, 取得匹配图像。可以看到模板匹配的运算量是惊人的。一次匹配都要做X*Y次减法, X*Y次平方, X*Y-1 次加法, 整个图像要匹配 (M-X+1) * (N-Y+1) 次。用归一化互相关求匹配的计算量大的惊人, 因为模板要在 (M-J+1) * (N-K+1) 个参考点上做相关计算, 除最佳匹配点外, 其余做的都是无效运算。

2郭涛算法简介

郭涛算法简单, 计算效率高。它采用了演化计算中的群体搜索策略, 保证了搜索空间的全局性, 有利于搜索问题的解, 可以有效地求解函数优化问题。其最主要的特点是采用了如下多父体杂交算子:

以M个父体 (向量) X= (X1, X2, …, XM) , 所张成的子空间V={X|X=α·X'}, 作为搜索空间, 其中α是M维向量, 满足条件

undefined

该杂交算子采用随机空间中的随机搜索 (多父体重组) 策略, 特别是子空间中随机搜索的非凸性:undefined, 使算法搜索的子空间可覆盖多父体的凸组合空间, 保证了随机搜索的遍历性, 即解空间中不存在算法搜索不到的“死角”。

其次, 郭涛算法采用了“最劣个体淘汰策略”, 每次把群体中适应性最差的个体淘汰出局, 淘汰压力最小, 即保证了群体的多样性, 也保证了群体最后集体落入最深谷。求解极小化问题的郭涛算法如下所示, 其中P是种群, t是演化代数, f为适应度函数, ε是误差。

Algorithm GT:

3郭涛算法在模板匹配的处理实现

在具体实现中, 我们采取以下几个步骤执行:

首先、要根据具体匹配的图像类型选取匹配准则, 从而计算出模板图像与子图像的相似度函数。郭涛算法采用了演化计算中的群体搜索策略, 保证了搜索空间的全局性。该算法采用了劣汰策略, 每次只把群体中适应性最差 (目标函数值最大) 的个体淘汰出局, 淘汰压力最小, 既保证了群体的多样性, 也保证了适应性最好 (目标函数值最小) 的个体可保存下来。这种群体爬山策略, 保证了整个群体最后集体达到最深的谷底。当最优解不惟一时, 算法可能1次同时找到多个最优解。

其次、初始化 (initialize) 是随机地从解空间D中选取N个点 (个体) 形成初始群体P, N的选取, 可根据问题的维数n与f (X) 场景的复杂性而定, 当n较大且场景复杂时, N可取大些, 反之, 则取小些。一般取20≤N≤150, m的选取, 根据经验取m =7、8、9或10较合适。

再次、张成子空间的随机性很重要, 这样做的目的是保证了解的多样性, 以免漏掉最优解, 陷入局部最优。同时在选取X'时也是随机的, 所以构造的这个人为随机函数也有讲究。

最后、我们根据具体的精度要求设置停机条件, 以及我们对最优解的解码。在这里我们用的是十进制数编码, 通过演化出来的最优解。就可以找到与模板匹配的子图的左上角的坐标 (x, y) 。

4结束语

用MATLAB 编程实现了上述的算法和验证, 图2用郭涛算法进行匹配搜索最优解的流程。以lena 图像为例, 实验中取群体取值为50, 迭代次数为2000, 传统的穷举模板匹配搜索算法所用的时间是惊人的, 在实际应用中有一定困难。文中采用郭涛算法实现模板匹配, 该算法思想简单, 算法效率高, 能够在短时间内找到全局最优解。 通过实验可以看出, 采用郭涛算法的模板匹配可以大大减少时间。进一步的研究应该集中在如何确定匹配准则, 以提高该算法的匹配速度和精度。并且郭涛算法还可用于特征匹配最优解的搜索。

参考文献

[1]郭涛, 康立山, 李艳.一种求解不等式约束下函数优化问题的新算法[J].武汉大学学报 (自然科学版) , 1999 (5B) .

[2]郭涛.演化计算与优化[D].武汉:武汉大学软件工程国家重点实验室, 1999.

[3]陈国良, 王煦法, 庄镇泉, 等.遗传算法及其应用[M].北京:人民邮电出版社, 1996.

[4]段玉倩, 贺家李.遗传算法及其改进[J].电力系统及其自动化学报, 1998 (1) .

[5]董建明, 邹奉元, 胡觉亮, 等.基于自适应遗传互相关算法的模板匹配[J].浙江理工大学学报, 2006 (1) .

[6]顾静良, 张卫, 万敏.基于自适应模板匹配的红外弱小目标检测[J].电子技术应用, 2005 (5) .

[7]陈胜双, 吴方才, 黄樟灿, 等.基于数值遗传算法的快速模板匹配[J].武汉理工大学学报:信息与管理工程版, 2006 (3) .

匹配应用 篇11

摘 要：本文主要讨论为解决影响焊接质量及自动化焊接的零部件搭接间隙大（干涉）问题，通过解决长城某款车型间隙及尺寸问题的具体事例，尝试的一种焊接零部件匹配解决方案及流程。

关键词：匹配；间隙；自动化；变形

在现在汽车工业中，汽车悬架是重要部件之一，对汽车行驶的平顺性、经济性、通过性、燃油经济性等多种使用性能有很大影响，汽车悬架最主要的过程工艺是焊接；在悬架焊接行业中，均采用了大量的自动化设备，在提高了生产线自动化程度、降低人力强度的同时，对焊接搭接间隙有很严格的要求，在汽车行业中，对整车车身精度综合匹配（MB）及样板拼车（DT）的研究较多，匹配方案及流程较成熟；对底盘悬架焊接类研究较少，没有规范的匹配流程及方案，由于整车车身与底盘悬架结构差异，在整车车身精度匹配的研究方案及流程很难在底盘悬架上全部实施。本文通过解决长城某款汽车底盘生产线某个焊接间隙及尺寸问题点时，探讨一种焊接零部件匹配方案及流程。

问题描述：长城某款车型悬架焊接线，减振器连接板与纵臂及螺旋簧间隙大，影响焊接机器人自动化焊接，焊接后减振器连接板安装尺寸不合格，焊接前对各零部件尺寸测量，零部件尺寸均符合产品要求。

1 过程调查分析

减振器连接板焊接间隙分析：

随机抽取5套减震器连接板，依据原设计数模，采用三坐标设备（CMM）扫描测量，保证制件合格后，在焊接夹具上进行试装，根据不同的试装方式，测量的结果不同，通过对不同搭配方式数据分析，筛选影响减振器连接板匹配的重要因素，具体如下：采用一套与减振器连接板搭配的纵臂分总成，试装5套减震器连接板，装件后，通过目测判定减振器连接板与搭接工件均存在干涉，装件不能到位，使用间隙尺测量搭接间隙， 采用一套减振器连接板搭配5套纵臂分总成进行试装，装配完成后，使用间隙尺测量搭接间隙 根据上面两组数据分析，当更换不同的搭配方式时，搭接间隙出现不同的变化，结合焊接夹具、检测方式，判定影响减振器连接板匹配的主要因素有：减振器连接板本身尺寸的一致性；减振器连接板单件检测方式；纵臂分总成状态的一致性；焊接夹具的稳定性及定位的可靠性。焊接过程中的热变形及冷变形，根据分析的影响匹配的主要因素，制定匹配方案。

1.1 制定检测规范

针对减振器连接板，制定规范的检测标准，采用三坐标设备（CMM），检测方法如下：①检测时，以两侧面的孔中心的连线轴作为第一基准；②以减振器连接板底面作为第二基准；③边线取点方法是，直边方面，短边至少取3个检测点，长边至少取5个检测点；圆弧边至少取5个检测点。

1.2 封样纵臂分总成

为消除因纵臂分总成状态变化对匹配数据的影响，在焊接生产线上随机抽取一套纵臂分总成，进行封样。

1.3 规范焊接夹具

对于焊接定位夹具，很多情况下，必须考虑过定位（即n-2-1定位原则），才能保证夹具定位的稳定性及可靠性，排查减振器连接板焊接夹具的定位效果，对影响定位效果的机构进行改进完善，夹具改进完成后，采用三坐标设备（（CMM））对焊接减振器连接板的夹具进行定位坐标测量，对数据进行固化，制定夹具校准标准，定期校准确认，保证定位位置的可靠性。

1.4 规范减振器连接板

随机抽取一套减振器连接板，使用封样的纵臂分总成进行试装，装配过程中对搭接干涉部位进行打磨，根据减振器连接板尺寸型面±0.7mm公差要求，保证修磨后的减振器连接板各有效搭接间隙在±0.7mm（产品设计要求）左右，记录各部位打磨数据及间隙数据。

根据记录的的实际数据，调整减振器连接板落料模具，调整完成后，生产5套样件，样件按检测规范进行检测，检测合格后进行试装，试装时，采用纵臂分总成封样进行验证，直至搭接间隙满足焊接机器人自动化焊接要求。

1.5 规范标准数模及图纸

对匹配完成的减振器连接板，采用三坐标设备扫描，根据扫描结果及匹配过程中记录的改进数据，对原设计数模及图纸进行变更，保存最终标准数据。

2 方案总结及规范

通过对减振器连接板的匹配过程，总结一种底盘悬架匹配的流程方案，提高匹配效率，节省匹配成本。

2.1 匹配的总体原则

针对底盘悬架焊接线开发过程中，由于焊接变形，产品设计间隙大，焊接过程中搭接件干涉、焊接间隙大，不能满足焊接要求，或个别零部件由于设计原因，尺寸保证困难时，开始对搭接件进行匹配，匹配时，应选取变更周期短、变更费用低的零件；应将状态稳定的大件进行固化，以此为基准，匹配小件。

2.2 匹配的流程

将整个匹配过程总结为9部分，具体为：①确认匹配的零部件；②制定规范的零部件检测标准；③对匹配关联的零部件及分总成进行固化、封样；④排查焊接夹具的定位效果，保证焊接夹具定位的可靠性；⑤采用三坐标对焊接夹具的定位位置固化，保证夹具的一致性；⑥提样5套，试装，记录数据；⑦根据实际试装效果，更改模具；⑧提样5套，再次试装，记录数据直至搭接效果及尺寸要求满足需求；⑨对匹配完成后的数模及图纸进行标准化。

3 研究总结与展望

在底盘焊接生产线调试过程中，由于各种原因，需要进行匹配的情况非常多，本题通过挑选底盘悬架焊接中的减振器连接板匹配方案，总结在匹配过程中解决的各种问题，尝试将匹配过程整理成一种较为理想的匹配方案，将匹配过程梳理成10个匹配阶段，规范各阶段的工作内容，在匹配其它零部件时，能够快速有效的完成匹配，提高效率，缩短过程开发时间。

参考文献：

[1]曹俊.单俊.整车匹配中在线质量工装定位选取技术[J].CN12-1411/U，2010（2）：36-37.

[2]戴竟.车身进度综合匹配和样板拼车的建立[J] .CN22-1187/U，2014（4）：21-28.

保局投影在图像集匹配中的应用 篇12

传统的生物特征识别系统通常以单张图像为研究对象, 随着视频数据的大量使用, 人们开始重点关注以图像集为输入的匹配方法。与传统的基于单张图像的匹配方法相比, 基于集合的方法对查询图像集合和数据库中的图像集合分别建模, 并充分利用多幅图像提供的信息获得更好的匹配和识别精度。这一类方法, 通过对图像集合建模将两个图像集合的相似性问题转换为模型对之间的距离计算问题, 核心是如何对图像集合建模以及如何度量两个模型的相似性。

现有的方法通常对整个输入的图像集构建一个线性子空间、仿射包或者流形, 采用全局统一模型来描述。这些模型的度量可以通过分析样本数据来实现, 如:样本均值差、测地线。也可以通过分析模型结构来实现, 如互子空间MSM (Mutual Subspace Method) [1]和典型相关CCA (Canonical Correlation Analysis) 。MSM方法将图像集投影到低维线性子空间, 通过计算图像序列生成的子空间之间的主角, 利用典型相关作为相似性的度量。仿射包方法[2]使用两个仿射包中距离最近的两个点之间的几何距离来度量集合之间的相似性。由于直接搜索最近邻的点, 并且不加任何额外约束条件, 所以噪声的干扰会严重影响分类的精度。为了克服这一缺陷, Hu[3]使用稀疏表达的方法, 提出稀疏逼近最近邻点SANP (Sparse Approximated Nearest Points) 来度量两个仿射包之间的相似性。

将图像集合当成一个整体来考虑, 建立全局统一的模型来描述图像集, 没有考虑到样本的局部结构, 因而不能很好地刻画光照、姿态、和表情等变化复杂数据。Wang等[4]扩展了子空间距离, 提出了流形-流形距离MMD (Manifold-Manifold Distance) 的理论框架, 将整个非线性流形划分成多个局部模型MLPs (Maximal Linear Patches) [5], 将两个流形之间的距离转换为计算成对的MLP之间的距离问题。Zeng等[6]应用支持向量聚类算法SVC (Support Vector Cluster) [7]对图像集合进行划分, 然后对每一个子类建立支持向量域描述[8], 最后将图像集合之间距离度量转换为成对的支持向量域之间的距离计算。Wang等[9]提出了流形鉴别分析MDA (Manifold Discriminant Analysis) , 通过多流形学习解决有监督的流形间距离计算问题。Harandi等[10]提出格拉斯曼流形上的图嵌入鉴别分析方法, 将集合匹配问题嵌入到图嵌入鉴别分析框架[11], 取得很好的识别效果。

本文从图像集合分布的局部结构出发, 利用局部保持投影技术[12], 提出格拉斯曼流形上局部结构保持的图像集匹配方法。图像集合匹配方法的难点在于如何有效地对图像集合建模, 由于格拉斯曼流形上一个点对应欧式空间中的一个子空间, 因此可以通过计算图像集合张成的子空间将欧式空间中的图像集合嵌入到格拉斯曼流形, 从而通过格拉斯曼流形上的点来建模一个图像集合, 将集合的相似性转换为流形上点之间的距离的度量。通过计算两个图像集合张成的子空间之间的主角, 并利用典型相关计算格拉斯曼核将样本投影到核空间。在核空间中, 由于局部保持投影能更好的刻画样本点的局部几何关系, 因此在投影空间中保持样本的局部邻域关系的同时使得样本之间具有更好的可分性。最后使用最近邻分类器进行分类。

1图像集的相似性度量

格拉斯曼流形是上RD空间的m-维线性子空间构成的集合 (0<m≤D) [10]。格拉斯曼流形上的点是一个线性子空间, 给定格拉斯曼流形上的两个线性矩阵X和Y, 如它们的列向量张成的子空间相同, 那么我们称这两个点等价[13]。也就是说, 我们可以考虑两个由图像集中图像堆叠构成的矩阵, 通过度量它们的列向量张成的子空间之间的相似性来计算图像集合之间的相似性。

定义1, 函数k:如果是正定和良定的, 即, 如果满足k (X1, X2) =k (X1R1, X2, R2) , 则k是一个格拉斯曼核[14]。

我们可以通过格拉斯曼核将格拉斯曼流形嵌入到高维的再生核希尔伯特空间。从而, 欧几里德向量空间中的学习算法可以通过核矩阵[K]ij=kij扩展到格拉斯曼流形上。格拉斯曼流形上两个点Xi与Xj之间的相似性使用算两个子空间之间的几何距离来表示。一般的, 两个子空间之间的几何距离可以通过两个子空间之间的夹角来表示[1]。设Y1、Y2为两个D×m大小的两个正交矩阵。由Y1、Y2张成的两个子空间之间的主角0≤θ1≤…≤θm≤π/2可以通过以下公式计算:

第1主角θ1定义为两个子空间中所有单位向量对之间的最小夹角, 其余的主角类似的定义。两个子空间之间的几何距离定义为:。在格拉斯曼流形上, 两个子空间之间的最大典型相关构成一个格拉斯曼核[10], 定义为:

对任意的R1, R2∈Q (m) , 由于X'1X2与R'1X'1X1R2的奇异值相同, 所以式 (2) 定义的核是良定的。正定性的详细证明参考文献[10]。

2格拉斯曼流形上的保局投影

保局投影LPP (Locality Preserving Projection) 作为拉普拉斯特征映射的一种线性逼近可以较好地反映样本的流形结构[12]。LPP算法可以得到一个投影子空间, 将其训练样本进行投影, 得到相应的低维空间, 在这个子空间中原始样本点的局部信息被保存下来, 即邻近的点在新的子空间映射下仍然保持近邻。

给定格拉斯曼流形上的N个点X={X1, …, XN}, gm, D的局部几何结构可以通过构造相似性图来表达, 记N (Xi) 表示Xi的近邻, 该相似性图矩阵W=[Wij]N×N可以表示如下:

我们的目标是找到格拉斯曼流形之间的一个映射ф:Xi→Yi, 该映射在满足在流形上保持局部几何结构不变的条件下, 将在流形上原本相邻的点尽可能拉近, 不相邻的点尽可能分离。这个目标就是寻找一个投影方向最小化以下函数:

假设格拉斯曼流形上的点可以通过其邻域上的点的线性组合表示, 可以得到:

记A=[A1|…|Ar], K=[K1|…|KN], L=D-W表示拉普拉斯矩阵, 对角矩阵, 式 (4) 化简为:

式 (6) 利用了Wij=Wji进行化简。增加约束条件ATKDAT=1, 式 (4) 的最小化求解变成:

为了求出最优投影矩阵, 只需要解一个广义特征值问题:

最大的r个特征值对应的特征向量Ai (i=1, 2, …, r) 构成最终的投影矩阵A=[A1|A2|…|Ar]。

得到投影之后, 特征空间上的分类问题将转化为向量空间的分类。测试阶段, 给定一个查询图像集合Xt∈RD×Nt, 通过公式Zt=ATKt将其投影到特征空间, 其中:

对于训练集合中的样本同样都投影到特征空间F中, Zi=ATKi。最后使用常用的最近邻或者SVM分类器进行分类, 本文实验中使用欧式距离度量特征空间中两个特征向量的距离, 并采用最近邻分类器进行分类。

给定训练集合X={ (Xi, li) }Ni=1, 对所有的图像集, 计算其张成的子空间, 并计算成对子空间之间的距离;然后利用式 (2) 计算格拉斯曼核矩阵[K]ij;接着使用式 (3) 构造相似性图矩阵W、计算度矩阵D和拉普拉斯矩阵L;最后求解最优化问题式 (8) , 取最大的r个特征值对应的特征向量构成的矩阵作为投影矩阵A=[A1|A2…|Ar]。

算法1给出了格拉斯曼流形上保局投影 (GLPP) 的框架代码。

算法1格拉斯曼流形上保局投影 (GLPP)

3实验结果

本节使用ETH80对象数据库进行分类实验以及使用Honda/UCSD和CMU Mo Bo视频数据库进行人脸识别实验。

3.1数据库

ETH80数据库包含8类对象, 如图1 (a) 所示。每个类别包含10个对象, 如图1 (b) 所示。每个个体包含不同视角下的41张图片, 该数据库主要用于物体分类。每一个体所有41张图像当成一个图像集合, 每类物体有10个图像集合, 整个数据库共80个集合。将每一个体的10个集合随机地划分为两组, 每组5个集合分别用于训练和和测试。实验中, 每个集合随机选择30视角的图像用于构造随机训练和测试集合。

Honda UCSD数据库包含两个子集, 目前是业界一个标准的用于做人脸识别跟踪/识别的标准视频数据库, 共包含19个人的59段视频。该数据库包含人的不同姿态、表情变化, 整个数据库的视频在室内录制的, 质量比较高, 每个视频包含300~500帧, 并且被分割成多个视频片段, 每个片段包含大约60帧。本文采用P.Viola[15]静态人脸检测算子对每一个静态帧做人脸检测。图2给出了Honda UCSD数据库上检测到的人脸示意图。

CMU Mo Bo (Motion of Body) 数据库是基于视频的人脸识别研究领域中使用最为广泛的数据库之一。该数据库最初收集的目的是为了研究远距离人的身份识别问题。每一个人包含4种不同的走路的方式 (慢走、快走、斜身走、带球走) , 这些视频是在固定位置摄像机拍摄的。它的一个子集包含96个视频序列, 24种不同的主题 (在跑步机上行走, 每一个人包含4段视频) , 每一个序列包含大约300帧。

3.2比较的方法和设置

这一节比较了本文提出的方法GLPP (Locality Preserving Projection on Grassmann Manifolds) 与在第1节中提到的另外六种基于集合的匹配方法。这些方法包括:互子空间方法MSM (Mutual Subspace Method) [1], 流形-流形距离MMD (ManifoldManifold Distance) [4], 流形鉴别分析MDA (Manifold Discriminant Analysis) [9], 基于仿射包的图像集距离AHISD (Affine Hull based Image Set Distance) [2], 图像集稀疏逼近近邻SANP (Sparse Approximated Nearest Points between Image Sets) [3]和格拉斯曼流形图嵌入鉴别分析GGDA (Graph embedding discriminant analysis on Grassmann manifolds) [10]。

所有比较的实验基于原作者公布的代码适当地调节算法的参数取最优的结果。在MSM和MMD算法中, 使用主成份分析 (PCA) 保留95%的样本能量来获得子空间。对MMD和MDA算法, 参数设置与文献相同, 欧式距离与几何距离比值设置为2.0, 使用最大典型相关计算距离, 计算MMD和MDA时, 邻域大小设置为默认值12。对于AHISD, 我们使用它的线性版本, 并通过PCA提取98%的能量。对于SANP算法, 使用PCA保留95%的数据能量, 使用文献相同的参数设置求解凸优化问题。GGDA算法中, 只实现了文章中提出的最简单的二分图, 并且使用典型相关计算格拉斯曼核函数, 邻域大小参数设置为5。本文提出的GLPP算法, 在构造相似性图矩阵W时使用邻域大小为3, 在求解式 (8) 时使用最大的r=35个特征值对应的特征向量构成最终的投影矩阵A=[A1|A2|…|Ar]。

本文使用文献[4, 9]相同的处理方式, 每一张图像转换为灰度图然后归一为20×20像素, 并做直方图均衡化处理, ETH80和Honda/UCSD数据库直接使用灰度特征, CMU MOBO数据库使用LBP特征。

3.3实验结果与分析

这一节首先在ETH80数据库上测试了本文提出的算法的性能并与其它6个典型的基于图像集合的匹配算法进行比较。实验中采用最近邻分类器进行分类。随机实验一共运行10次, 表1列出了10次实验的平均识别结果和方差以及运行时间。图3显示了10次实验各个算法的识别率, 图3的最后一列显示了10次实验的平均识别率。

表1的实验结果显示, 在ETH80数据库上, MSM、MMD、MDA、SANP和AHISD算法取得基本一致的结果, 而本文提出的方法结果比这几个算法的结果要高接近5%~8%, 平均达到91.25%的识别率, 10次实验中最高达到97.5%。这可能是由于数据库的结构导致的结果, 该数据库每类物体只包含41张图像, 图像虽然包含物体的不同视角, 但是图像是非连续拍摄, 因此MDA、MMD等算法中的流形分布假设不能得到很好的满足, 另外SANP和AHISD都是基于近邻比较的方法, 集合中可能存在的离群点对识别率会有很大的影响。从图3中可以看出, GGDA算法的10次单独实验的识别率变化范围在72.5%~95%之间, 随机实验的结果表明算法对样本的选择依赖性较强, 该算法基于近邻比较, 较大的识别率变化范围可能是由于离群点的干扰所致。实验在一台Intel (R) Xeon (R) E7-4807双1.87 GHz CPU (2×6核) , 64 GB内存, 安装Windows Server2008R2的DELL服务器上测试了各种算法的运算时间开销, 测试结果如表1所示。在时间性能上, AHISD和SANP算法明显低于其他被比较的算法, 本文提出的方法仅次于MSM, 与MDA保持一致。从表1的结果可以看出, 本文提出的算法是非常高效率的, 性能尤其优于仿射包方法。这主要因为SANP方法通过匹配两个求解最优化问题来匹配两个仿射包的最近邻点, 但是基于逐个样本匹配的方法非常耗时, 因而性能比较差。

表2和表3分别列出了Honda/UCSD和CMU Mo Bo数据库上各种算法识别率和方差。在Honda UCSD数据库中, 本文提出的方法达到了100%的识别率, 比其他的算法都要高。MDA、AHISD、SANP与GGDA都取得大于90%的识别率, 这可能主要由于该数据库在室内光照受控制的环境下拍摄。在CMU Mo Bo数据库我们提取了图像的LBP特征, 并报告了各算法的平均识别率和方差。这一组实验结果显示, 本文提出的算法取得最好的结果略高于MSM、SANP和AHISD, 其他的算法的识别率也非常接近并超过了93%。

4结语

本文利用格拉斯曼流形上的点是一个线性子空间的特征, 将两个图像集合的相似性度量转换为格拉斯曼流形上两个点之间的距离度量, 并且利用局部保持投影更好地刻画了格拉斯曼流形上样本点的局部几何关系, 使得在投影空间中样本之间具有更好的可分性。实验结果显示我们的方法在基于像集合的对象匹配中取得超越经典的基于图像集合的匹配方法的识别精度, 在实验环境下取得比其他大部分算法更好的时间性能。

摘要：图像集匹配是模式识别领域研究的热点问题之一。从图像分布的局部结构出发, 提出格拉斯曼流形上局部结构保持的图像集匹配方法。将图像集合张成的子空间投影到格拉斯曼流形, 通过子空间之间的典型相关计算格拉斯曼核, 将集合的相似性转换为流形上点之间的距离的计算。在基于图像集合的对象识别任务上测试提出的算法, 实验结果表明, 提出的方法在识别率上超越了当前主流的图像集匹配算法。