基于静态灰度图像人脸识别算法功图诊断方法探究

基于静态灰度图像人脸识别算法功图诊断方法探究

ID:6075304

大小:30.00 KB

页数:8页

时间:2018-01-02

基于静态灰度图像人脸识别算法功图诊断方法探究_第1页
基于静态灰度图像人脸识别算法功图诊断方法探究_第2页
基于静态灰度图像人脸识别算法功图诊断方法探究_第3页
基于静态灰度图像人脸识别算法功图诊断方法探究_第4页
基于静态灰度图像人脸识别算法功图诊断方法探究_第5页
资源描述:

《基于静态灰度图像人脸识别算法功图诊断方法探究》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、基于静态灰度图像人脸识别算法功图诊断方法探究  [摘要]油井示功图是判断泵工作状况好坏的一个重要依据。目前,新疆油田数据库中已存有大量功图数据,并且经过专家审查分析后将解释成果数据入库管理,为我们后续的数据挖掘提供了宝贵的数据资源。本文基于静态灰度图像人脸识别算法,对油井示功图诊断、分析进行应用研究,研究成果表明,利用灰度图像人脸识别算法可以有效辅助油田生产业务人员、管理人员快速、准确诊断油井示功图,及时采取措施,对提高单井生产时率有重要意义,同时也为智能新疆油田建设单井问题诊断应用研究提供了必要的技术支持。[关键词]智能油田;静态灰度图

2、像;人脸识别算法;示功图;解释;参数判断doi:10.3969/j.issn.1673-0194.2014.03.019[中图分类号]F270.7;TP312[文献标识码]A[文章编号]1673-0194(2014)03-0038-041引言8目前,新疆油田数据库中已存有大量的功图数据和功图解释成果数据,这些数据是由功图仪现场测试、专家分析确认后入库的功图数据和解释成果数据,具有重要的参考价值。为了减轻油田生产业务人员、管理人员重复解释功图的工作量,提高功图诊断的时效性,本文介绍灰度图像人脸识别算法的应用研究。2实测油井示功图常规分析方法

3、所谓理论示功图是比较规则的平行四边形,而实测功图由于多种因素的影响(如:砂、蜡、气、黏度),图形变化很复杂,各不相同。因此,要正确地分析抽油井的生产情况,必须全面掌握油井动态、静态资料以及设备的状况,结合示功图的变化找出油井的主要问题,采取适当的措施,提高油井产量和泵效。传统分析示功图的方法是将示功图分割成4块,进行分析对比,找出泵工作不正常的原因,提出解决问题的措施。即:左上角主要分析游动凡尔的问题,缺损为凡尔关闭不及时,多一块为出砂并卡泵现象;右上角主要分析光杆在上死点时活塞与工作筒的配合情况;右下角主要分析泵充满程度及气体影响情况;

4、左下角主要分析光杆在下死点出现的问题,如:固定凡尔的漏失情况等。3人脸识别算法的研究8人脸识别是模式识别领域内的一个前沿课题,有着十分广泛的应用前景。人脸识别技术是基于人的脸部特征,对输入的人脸静态图像或者视频动态图像进行分析、处理后,给出人脸形状、大小和各个主要面部器官的位置信息,并依据这些信息,进一步提取每个人脸中所蕴涵的身份特征,与已知的人脸进行比对,从而识别每个人脸的身份。3.1人脸识别的主要技术方法(1)几何特征识别方法。几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系。这些算法识别速度快,需要的内存小,但识别率较低。(2)

5、基于特征脸(PCA)的人脸识别方法。特征脸方法是基于KL变换的人脸识别方法,KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基,保留其中重要的正交基,由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性,就可以将这些投影用作识别的特征矢量,这就是特征脸方法的基本思想。这些方法需要较多的训练样本,而且完全是基于图像灰度的统计特性的。(3)基于神经网络的人脸识别方法。神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练。

6、3.2人脸识别系统的处理过程8一般来说,人脸识别系统包括图像摄取、人脸定位、图像预处理及人脸识别(身份确认或者身份查找)。系统输入一般是一张或者一系列含有未确定身份的人脸图像,以及人脸数据库中的若干已知身份的人脸图像或者相应的编码,而其输出则是一系列相似度得分,表明待识别的人脸的身份。人脸识别技术中被广泛采用的是区域特征分析算法,它融合计算机图像处理技术与生物统计学原理于一体,利用计算机图像处理技术从视频中提取人像特征点,利用生物统计学的原理进行分析并建立数学模型,即人脸特征模板。利用已建成的人脸特征模板对被测者的面像进行特征分析,根据分

7、析的结果来给出一个相似值,通过这个值即可确定是否为同一人。4基于静态灰度图像人脸识别算法的油井功图诊断方法的研究基于灰度图像人脸识别算法的思想,我们把采集到的油井示功图进行数字化和图像灰度分布归一化处理,然后进行特征维数压缩,最后提取相应的特征值进行识别。因此,我们将示功图置于一个标准2×1矩形内,以载荷和位移的最大值和最小值为边界,然后将其分成网格,网格数为M(64)×N(32),灰度矩阵完全是依据示功图的形状为基础而构成的,为方便计算机编程处理,首先根据示功图网格的规模数将网眼初始化为“64”或者按实际情况进行扩大,然后我们以“1”为

8、边界8,按照等高线的原则进行赋值,每远离边界一格其灰度值将增加一级,边界外部每远离边界一格其灰度值将减少一级,最后检查矩阵中的功图是否完全封闭,如果存在断点,在相邻两点中插“1”补齐,使其完全

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。