1、基于圖像的目標(biāo)識(shí)別方法由于其非接觸特性和成本低廉，受到工業(yè)、安全等領(lǐng)域的廣泛歡迎。隨著應(yīng)用的深入，識(shí)別對(duì)象類(lèi)型繁多，識(shí)別系統(tǒng)往往被設(shè)計(jì)得非常復(fù)雜才能滿足識(shí)別能力的要求，系統(tǒng)的復(fù)雜化一般會(huì)延長(zhǎng)目標(biāo)識(shí)別時(shí)間，這對(duì)于一些實(shí)時(shí)性要求較高的場(chǎng)合是致命的，比如工業(yè)在線檢測(cè)和視頻監(jiān)控。
　　 為了解決圖像識(shí)別系統(tǒng)的識(shí)別能力和實(shí)時(shí)性之間的矛盾，本文從圖像識(shí)別的全過(guò)程進(jìn)行整體考慮，設(shè)計(jì)一種優(yōu)化的、面向工業(yè)生產(chǎn)線環(huán)境的圖像識(shí)別系統(tǒng)。
　　

2、為了提高實(shí)時(shí)性，首先，本文針對(duì)背景相對(duì)簡(jiǎn)單的工業(yè)環(huán)境，提出一種快速邊緣檢測(cè)算法，通過(guò)邊緣方向膨脹和扇形擴(kuò)展的方法，充分利用邊緣特征的歷史信息，從而縮短邊緣檢測(cè)時(shí)間；其次，采用邊緣特征作為識(shí)別的依據(jù)，并定義了變異系數(shù)的概念度量常用邊緣特征的平移、旋轉(zhuǎn)和縮放的不變性，精選不變性好的特征形成一個(gè)規(guī)模盡量小的特征集；最后，提出一種基于改進(jìn)ART2神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行識(shí)別分類(lèi)，利用神經(jīng)網(wǎng)絡(luò)的在線計(jì)算時(shí)間短的特點(diǎn)，保證了目標(biāo)識(shí)別分類(lèi)過(guò)程的快速性。

3、r>　　 為了提高識(shí)別能力，本文針對(duì)應(yīng)用于目標(biāo)分類(lèi)的ART2網(wǎng)絡(luò)進(jìn)行了改進(jìn)，提高其智能水平：為了模仿人類(lèi)在目標(biāo)識(shí)別過(guò)程中的自組織自學(xué)習(xí)能力，本文將活躍度與警戒值調(diào)節(jié)機(jī)制的概念引入了ART2網(wǎng)絡(luò)，使改進(jìn)后的網(wǎng)絡(luò)在目標(biāo)識(shí)別過(guò)程中，能夠針對(duì)不同的目標(biāo)類(lèi)型和不同的學(xué)習(xí)階段，產(chǎn)生不同的學(xué)習(xí)熱情；并能夠在有監(jiān)督和無(wú)監(jiān)督的條件下，完成對(duì)圖像目標(biāo)的學(xué)習(xí)、識(shí)別和記憶。
　　 實(shí)驗(yàn)證明，文中的方法在保證了識(shí)別能力的同時(shí)，具有較高的實(shí)時(shí)性，能夠滿足