基于深度信息与码本建模的运动目标检测

运动目标检测易受阴影干扰,检测时易将阴影误检为运动目标。针对上述问题,文中提出一种基于深度信息与码本建模的运动目标检测方法,首先使用码本建模法得到场景内待确认的目标前景,再通过双目视觉获得场景的深度信息,并根据前景与背景的深度信息差排除阴影的干扰,实现运动目标的检测。实验结果表明,该方法可以较好克服阴影带来的检测难点,并能准确提取出运动目标。

一种圆形瓶口缺陷定位检测方法

针对机器视觉检测中缺陷面积较大的圆形瓶口定位误差大的问题,分析了瓶口图像各个角度的特征,设计了一种在缺陷中迭代求解瓶口中心的方法。对拟合外边缘的残差进行排序并消除干扰像素,逐步循环迭代,准确定位了瓶口圆心,克服了缺陷部位像素对于圆目标识别的影响,实现了缺陷的实时定位。搭建了试验平台,用500幅不同缺陷的瓶口图像验证,结果表明该方法针对各种样式的缺陷,定位圆精度明显高于参考文献中典型方法,运行时间仅为0.01 s,证明了本方法在瓶口缺陷的实时定位、识别、分析方面具有明显优越性。

基于DSP的视频去雾并行处理方法

为提高视频去雾的实时性,结合DSP芯片DM6437的硬件特性,提出了一种基于暗通道模型的去雾并行处理方法。采用乒乓式DMA传输方法优化了暗通道处理的并行数据访问和运算效率,综合运用单指令多数据、数组扩展、查表法等方法建立了环境光图生成、像素校正等核心处理的并行计算模型,重点改进了一种均值滤波算法,其平均处理时间约4 ms。最终对分辨率720×576的视频实现了11.4 ms/帧的实时去雾处理,并保证了良好的去雾质量。

融合空时显著性的雪天运动目标检测方法

下雪天存在雪花动态背景噪声,对运动目标检测有较大干扰,现有方法难以解决问题。将空间静态图像的显著性检测方法引入到运动目标检测中,提出了一种适应于雪天的运动目标检测方法,采用空时显著性融合的方法得到运动目标的区域位置信息。实验结果表明,该方法可以有效解决下雪天相机静止情况下的运动目标检测,并在相机移动的动态背景情况中也有一定的检测潜力。