针对行为识别中行为者朝向变化带来的问题,提出了一种基于人体行为3D模型的2D行为识别算法.在学习行为 分类器时,以3D占据网格表示行为样本,提取人体3D关节点作为描述行为的特征,为每一类行为训练一个基于范例的隐马 尔可夫模型(Exemplar-based hidden Markov model,EHMM),同时从3D行为样本中选取若干帧作为3D关键姿势集,这个 集合是连接2D观测样本和人体3D关节点特征的桥梁.在识别2D行为时,2D观测样本序列可以由一个或多个非标定的摄 像机采集

针对离线签名鉴别可利用的信息少、鉴别难度大的问题，提出了一种基于数学形态学的签名真伪鉴别方法。该方法首先对采集的签名图像进行灰度化、二值化、滤波去噪、取反归一化等预处理，然后利用数学形态学的各种运算，结合不同大小和不同方向的结构元素提取签名中具有明显方向性特征的笔划，最后基于笔划的长短、粗细、间隔等信息对鉴别样本做出判别。实验结果表明，该方法能有效地提高鉴别的正确率，改善鉴别的实时性，对于应用新方法进行离线签名真伪鉴别是一次有益的尝试，具有一定的实用和推广价值。-It is much more

随着科学技术的飞速发展，机器学习与人工智能技术的不断创新，人们对特定信息检索的需求逐渐增加，使得如何对资源进行合理有效的分类成为一个关键问题。近几年来，基于内容的图像分类的研究焦点主要集中在自然图像的场景分类和物体分类两个方面，大多采用有监督学习方法，通过对底层特征建模和中间语义分析来实现分类。 本文基于Libsvm的图像分类研究及实现，主要针对的是物体分类这一方面，选用了五类水果作为分类研究的对象。对图像进行分类的大体步骤主要包括采集图像样本（主要从Web上获取）、图像预处理（如截成大小一致