基于深度学习的新型可视耳标识别方法

针对目前主流的耳标识别方式抗环境干扰能力差的问题,结合通信系统中的信源编码,提出了一种耳标轮廓自设计的新型可视耳标,并利用深度学习方法采集识别确定猪只个体号码。系统设计包括耳标样式设计、数据采集、耳标轮廓分割提取、码位复原、译码输出5个部分:耳标样式采用了结合卷积码编码的轮廓编码方式;数据采集部分采用了帧差检测与耳标分类方式;耳标轮廓分割提取部分采用OCRNet−HRNet18语义分割算法,码位复原采用图像处理技术,译码输出部分采用维特比译码,获得耳标号码结果。系统部署至Jetson Xavier NX上,实现了系统落地。研究结果表明,本文方法实现了新型自设计可视耳标的识别,使得耳标识别抗环境干扰能力更强,为智能养殖中的个体监测提供了新思路。

动态场景下的运动目标跟踪方法研究

复杂背景下实时目标的跟踪与识别属于自动目标识别(ATR)研究领域,包括对目标的分割、特征提取和目标识别等几个方面。由于现在的目标跟踪方法都是面向特定应用环境的,所以不存在一个算法能通用所有的场景。探索并明确算法的特点和应用环境,对于在实际应用中选择合适的方法是十分必要的。目前的大部分文章都是根据具体适应场景分析各自的方法,缺乏对跟踪方法的系统性研究,该文简要介绍了动态场景下单个运动目标的几种典型跟踪方法,在算法内容、假设条件、先验知识、理论计算量、实现难点及改进措施等方面进行了分析,并对研究难点及未来的发展趋势作了较为详细的阐述。

基于关键姿势的人体动作识别

人体动作识别是计算机视频和图像方面的一个热点问题,为了解决识别率不高、识别速度不快、不能实时识别,以及不同的人摆出相同动作时出现的识别误差,提出了一种能有效解决该问题的方法,该方法分析计算匹配视频帧序列,然后分类匹配后的视频帧,达到识别的目的。

基于工作坐标系的最优轮廓控制及其仿真

在多轴轮廓运动中,轮廓误差是比跟踪误差更为重要的性能指标,但在实际应用中轮廓误差是难以计算与使用的。通过在期望轨迹上建立Frenet坐标系作为工作坐标系,轮廓误差可以用位置跟踪误差在工作坐标系中的法向分量来近似。然后将系统动力学方程由全局坐标系变换到工作坐标系,在工作坐标系下采用最优线性二次型(LQR)方法来设计最优轮廓控制器,通过提高法向误差分量的权值来改善轮廓精度。在XY平台模型上进行的系统仿真实验表明,与基于全局坐标系的计算力矩控制相比,该方法有效地提高了轮廓精度,具有明显的优越性。

基于全局任务坐标系的二轴电液系统轮廓控制

将基于正交全局任务坐标系(GTCF)的非线性自适应鲁棒控制(ARC)方法扩展应用于二轴电液系统的轮廓运动控制,以解决精确轮廓控制的难题.构造二轴电液系统在笛卡尔坐标系下的非线性动力学模型,并将该模型坐标变换于正交全局任务坐标系中.针对此变换后得到的强耦合非线性动力学模型及其中存在的参数不确定性、不确定非线性和建模误差,利用非线性自适应鲁棒控制方法综合二轴电液系统的轮廓运动控制器.该控制器可以灵活地调整轮廓控制刚度与跟踪控制刚度,可在保证系统稳定的前提下尽可能地提高轮廓控制的性能.将所提控制方法与基于交叉耦合的自适应鲁棒轮廓运动控制方法进行对比实验,结果表明,所提方法即使在单轴跟踪误差较大的情况下仍然实现了更为精确的轮廓控制,在实验条件下轮廓误差的均方根值在15μm以内,表现出良好的轮廓控制性能与协调性.

基于帧化采样和小波HMM的三维模型信息隐藏

针对现有三维模型变换域信息隐藏容量小、严格依赖顶点排列顺序及拓扑结构、只适用于规则或半规则等特定三维模型的不足,将视频流方法引入三维模型的信息隐藏,提出一种基于帧化采样的小波域信息隐藏算法.通过设计等高线空间分割和帧化采样,应用小波域隐马尔可夫模型(HMM)实现了小波系数零树结构信息隐藏;扩展了基于视觉系统小波域量化噪声的视觉权重分析方法,以自适应地确定信息隐藏的强度.实验结果表明,该算法具有高嵌入量(每个顶点嵌入3比特)、高安全性和低失真度的优点,能够抵抗仿射变换攻击和顶点重排攻击,适合任意网格的三维模型信息隐藏.

眼部动作实时识别系统设计

利用网络摄像机和图像处理单元设计了一种眼部动作实时识别系统.该系统首先用帧差法检测出眨眼的动作区域,将此区域设置成感兴趣区域,并用图像形态学算法对其进行处理;然后找出眼部轮廓,并以此区域创建模板,再利用此模板对每一帧图像进行模板匹配,找出匹配中的最小值,以得到识别的结果;最后通过实验验证了该算法的有效性.该系统有广泛的应用前景,如实现模拟鼠标的控制等.

基于关联帧差分法的运动目标检测与跟踪

针对帧间差分运动目标检测方法检测出的运动目标容易产生拖影现象及存在一定程度的空洞等缺陷,该文提出基于关联帧差分法的运动目标检测与跟踪方法。通过计算相邻三帧图像的相似度,并求取相邻帧之间的差分图像,对差分图像进行与操作后进行轮廓填充来获取运动目标。实验结果表明,该文所提算法不仅可以精确检测与跟踪运动目标,克服帧间差分运动目标检测方法存在的缺陷,还可以检测和跟踪侵入运动目标及消失运动目标。

视频流中运动物体的分割

为了从视频流中快速、准确地找出运动物体,为后继智能图像处理工作奠定基础,从动态、静态两个方面对运动物体进行分割,采用消除背景的方法来获得视频流中的运动物体,并将获得运动物体作为消除背景图像的结果。在比较帧差算法的基础上,提出了基于视频流的帧间微分算法,并将图像回填技术应用于图像分割,不仅能够快速消除背景,获得运动物体,而且能够减少运算量,极大克服由于光线强弱、背景变化、局部抖动等因素带来的图像处理中的困难。

基于视觉注意机制的行人目标检测

在分析现有运动目标检测算法的基础上,针对三帧差分检测易出现空洞及边缘不连续等问题,提出一种基于视觉注意机制的行人目标检测算法。该算法首先,通过借鉴人类视觉显著性现有的研究成果获得视觉显著图;其次,使用一种逻辑迭代三帧差分法,将其与基于区域搜索迭代的内轮廓填充法相结合,获得运动区域,融合两种算法提取出ROI;最后,采用HOG特征结合SVM分类器对ROI进行行人检测。对比实验结果表明,该算法连通性好,准确率高达97%以上。

基于改进的背景差分的运动目标实时检测算法

针对传统混合高斯建模算法计算量过大与目标轮廓清晰度小的问题,提出了一种新的运动目标实时检测算法。该算法引入三帧差分的方法,提高了检测目标轮廓的清晰度;通过HSI混合高斯建模前进行分块处理有效减小了计算量,因此算法的实时性有了明显的改善;并利用逻辑运算融合三帧差分与HSI混合高斯模型进行高效的背景提取;最后运用数学形态学方法进一步优化检测结果。实验结果表明,相比混合高斯模型经典算法,该算法能更快速、更准确地检测出智能监控视频序列中的运动目标,并且目标轮廓清晰度也有明显的改善。

多帧CT图像数据的测序数据挖掘与规律分析

针对多帧CT图像进行病理诊断中容易出现数据挖掘信息冗余导致误判的问题,提出一种基于CT图像序列关联轮廓线特征提取及批处理的多帧CT图像数据的测序数据挖掘方法。首先对采集的多帧CT图像进行去噪和特征优化处理,然后采用Sobel算子模板进行CT图像测序数据的模板匹配,基于边缘先验知识进行轮廓线套索搜索,并采用连续批处理方法进行多帧CT图像的连续测序数据挖掘与分析,提高处理效率。最后进行仿真分析,结果表明,采用该方法进行多帧CT图像处理,能准确提取图像轮廓线特征,实现测序数据的准确挖掘,且运算效率较高。

手机机身轮廓分段定位检测方法研究

在手机生产制造过程中,手机机身轮廓定位精度是保证机械手自动加工与装配质量的关键因素。针对大屏手机轮廓视觉检测中存在的视野过大问题,提出了一种轮廓分段定位检测方法。检测系统由运动控制平台、工业面阵相机、光学镜头、可调节光源和图像处理器构成。系统通过运动控制平台的移动,分时分步获取手机机身上、中、下三部分的图像。采用局部标定法,获取电荷藕合器件图像传感器(CCD)图像坐标系与加工平台坐标系之间的转换关系。采用拉普拉斯高斯(LoG)算子对手机边框的边缘进行平滑和检测,借助卡尺找点工具获取三部分图像的轮廓的基准点,拼接成完整的闭合轮廓。依据合格样本图像建立边框模板,采用最小二乘法进行模板匹配。试验表明,该方法可以将手机机身轮廓检测误差控制在0. 001 mm以内。该方法具有非接触性、高效率的特点,适用于解决工业领域内的在线检测问题,应用前景广阔。

基于运动和彩色信息的人脸定位方法

提出了一种用于视频会议及可视电话的头肩序列图像人脸定位方法.该方法利用序列图像的运动信息,在帧间差分的基础上进行二值图像边缘提取,利用人的头肩轮廓特点以及彩色图像的色系坐标变换进行运动的人脸定位.实验证明该方法能够自动执行头肩分割,人脸定位,简单快速而且有效.

基于水平集方法的弱边界运动人体目标跟踪与轮廓提取

针对图像中目标和背景灰度偏差较小、目标边缘轮廓弱的特点,提出了一种快速收敛并具有较强捕获弱边缘能力的水平集曲线演化方法。该方法采用指数函数作为边缘指示函数,运用归一化的Gauss分布函数改进传统的正则化Dirac函数。在目标跟踪过程中,采用卡尔曼滤波获取视频相应帧图像的运动人体目标最小外接矩形框,对外接矩形框内运动人体进行水平集曲线演化,实现对人体目标的跟踪和轮廓提取。分别对可见光下的运动目标和红外运动视频序列进行仿真实验。结果表明,相对于传统方法,其在跟踪速度上有很大的提高,对于红外图像中的弱边界目标及凸凹度较大的区域,也具有快速准确的收敛效果。

轮廓线的特征分析与拟合处理方法

通过对轮廓线的特征分析 (即组成元素和其间的连接关系 ) ,提出了轮廓线快速插值算法 ,只需对轮廓线组成元素的特征分析 ,即直线、圆和圆弧的特征判断。

基于关键帧轮廓特征提取的人体动作识别方法

为了在人体动作识别中获得更加准确的前景分割和防止关键信息的几何丢失,提出一种利用关键帧提取关键姿势特征的人体动作识别方法。由于背景建模和差分获得的前景不准确,利用基于纹理的灰度共生矩阵提取动作轮廓,并对原图像帧进行分割;然后计算人体Blob的能量,选取最大信息内容的帧作为关键帧,关键帧的获取使得特征提取对时间的变化具有一定鲁棒性;在特征分类识别阶段,为了提高分类的准确性,提出使用支持向量机-K最近邻(support vector machine-k nearest neighbor,SVM-KNN)混合分类器完成分类。在Weizmann,KTH,Ballet和TUM 4个公开数据集上实验验证了该方法的有效性。相比于局部特征方法、全局特征方法和关键点方法等,该方法获得了更高的识别率。此外,实验结果表明,该方法在KTH和Weizmann数据集上的早期识别效果优于Ballet数据集。

基于双三帧差分的运动显著前景区域目标提取

为了解决传统运动图像前景区域目标提取方法未进行双三帧差分,而导致的提取过程计算复杂、提取结果精准度差的问题,提出了一种基于双三帧差分的运动显著前景区域目标提取方法。在三帧差分算法的基础上,将具有连续性的两次或者多次图像差分结果进行二值化处理,同时以连续的四帧图像为例,通过并集手段最大程度上弥补传统三帧差分算法造成的轮廓断裂,根据此结果类推基于连续五帧的图像,随后使用连续的双三帧图像做差分处理,根据差分结果对图像部分区域进行填充,获取前景图像中的完整运动区域,再对目标帧图像做Canny边缘提取,获取出边界轮廓从而实现目标提取。仿真结果表明,所提方法可以有效的解决传统三帧差分算法带来的缺陷,并且具有目标信息提取完整、抗噪声性强的优点。

笛卡尔空间机械手间接轮廓运动控制

针对笛卡尔空间机械手的轮廓运动控制问题,提出了一种具有双闭环结构的间接轮廓运动控制方法。外环为笛卡尔空间运动学控制策略,首先将期望轮廓的Frenet标架定义为任务坐标系,然后机械手运动学的误差动态方程被转换到该任务坐标系内,跟踪误差向量被解耦为切向误差向量和法向误差向量,设计外环控制器,分别配置切向误差和法向误差动态特性,为内环提供速度给定信号;而内环为关节空间的速度伺服环。数值仿真显示这种控制结构具有良好的性能。

沙湖旅游区候船大厅钢网架设计

介绍了宁夏沙湖旅游区候船大厅空间异型钢网架结构计算机建模的关键技术问题。提出了采用AUTO CAD软件对异型网架用等高线建立空间曲面分析模型 ,所建立的模型空间曲面光滑 ,杆件及节点定位尺寸精确 ,外形美观 ,与建筑效果图完全吻合。网架节点采用螺栓球节点 ,减少现场焊接作业 ,网架支座选用单面弧形压力支座 ,减小了由网架挠度和温度而产生的附加应力。