基于盒注意力机制和Transformer的人脸微表情识别方法

微表情是一种细微的能够体现人真实心理活动的面部运动,通常与真实情感直接相关,应用前景广阔。但由于微表情持续时间短暂、表情幅度低和特征难以提取等特点,因此其识别准确率较低。针对该问题,提出了基于盒注意力机制和Transformer的人脸微表情识别模型(visiontransformerbasedonbox-attention,ViT-Box)。该模型首先对人脸面部进行特征提取,利用盒注意力机制获得自适应的面部微表情关键区域:左眉眼、右眉眼和嘴巴;然后对非关键区域进行掩码遮盖,避免微表情无关信息干扰;最后基于VisionTransformer网络实现人脸微表情识别。ViT-Box模型在微宏表情仓库(MMEW)数据集上取得了98.68%的平均准确率,实验结果表明该模型在微表情识别上能够获得优秀的识别效果。同时通过消融实验验证了ViT-Box模型的有效性。

基于区域生长的机器人路标识别方法研究

针对移动智能机器人基于单目视觉的路标识别问题,提出了一种基于当前最大聚合中心的区域生长算法。在经RGB视觉模型的实验阈值分割后的图像中,探测若干可能区域,结合外形轮廓特征,判定路标并定位其区域,然后反馈到灰度图,通过图像局部二次分割完成整个路标提取。对多幅自然场景图像进行的实验表明,该方法能够快速有效地从图像中自动定位与提取路标图像。

基于视觉注意模型和进化规划的感兴趣区检测方法

根据生物注意机制,该文提出了一种基于视觉注意模型和进化规划的感兴趣区检测方法。采用进化规划方法分割图像候选区域;区域兴趣度由视觉注意模型产生的局部显著和进化规划计算的全局显著共同度量。在视觉注意模型中,图像经过小波多尺度变换和计算中央周边差得到局部显著度。注意焦点在显著度增强因子的作用下,选取候选区域得到感兴趣区。实验结果表明,所提方法检测的感兴趣区更接近人眼的视觉注意机制,并取得了较为满意的对象检测和兴趣度量结果。

基于图像处理的烟支污点面积测量方法

针对目前烟支污点检测人工测量的各种问题,提出一种基于图像处理技术的烟支污点面积测量方法。该方法以机器视觉系统为硬件平台,首先采用柱面模型进行图像转换,建立图像坐标系与展开坐标系的映射关系;然后利用正切函数对图像作增强处理,增强目标与背景的对比度;最后通过改进的区域生长法分割污点,排除烟支周期纹理和颜色分布的干扰。实验结果表明:该方法测量效率高,稳定性强,精度达到0.03 mm2,能够满足烟支污点的检测需求。

双目视觉中的一种人脸立体匹配及视差计算方法

研究并实现了一种基于双目视觉的人脸立体匹配计算方法.采用OpenCV技术结合肤色模型检测技术得到准确人脸区域,在实验对比了3种相似性度量算子优缺点的基础上,采用互相关性度量算法作为区域匹配方法.为了缩小搜索范围及提高匹配准确率,提出结合极线约束、人脸区域约束、人脸对称性等约束条件进行立体匹配,再利用左右一致性原则进行视差后处理.实验表明,本文给出的算法在时间效率上以及对应点的匹配率上有了较大的提高,效果较好,可为后续进行人脸三维重建提供良好的基础.

基于图像感兴趣区域的图像压缩方法

目的提出一种基于图像感兴趣区域的图像压缩方式,实现在减少图像存储空间时图像失真少的效果。方法采用眼动仪提取图像感兴趣区域,制作压缩掩码对图像进行分区压缩,非感兴趣区域采用DCT算法进行压缩,而感兴趣区域不做任何压缩处理直接保留原样。结果主客观评价实验表明:压缩后的图像失真较少,视觉观察效果好,且压缩后所占存储空间减半,方法简便,压缩效率高。结论结合眼动仪提取感兴趣区域的压缩方法优于基于Itti视觉模型的压缩方法,适合压缩多种类型的图像,具有较好的实用性。

基于双目视觉的三维人脸重建方法

提出了一种基于双目视觉的三维重建方法,无须昂贵设备和通用模型。从校正后的图像中提取有效人脸重建区域以降低整体耗时。改进了Realtime局部立体匹配算法和基于种子视差约束的区域生长算法,融合Realtime阈值排序和置信度排序进行区域生长,提高了种子像素提取的可靠性和降低区域生长误匹配的可能性。最后,研究了纹理映射技术,提高了重建模型的逼真度。实验结果表明,该方法能够产生逼真光滑的三维人脸模型。

前视声纳实时成像算法与DSP实现

前视声纳通道数目多、采样频率高,获取方位和距离信息的运算量大,对原始回波图像显示质量和速度提出非常高的要求。通过分析坐标变换和像素亮度填充法对成像质量的影响,根据系统指标设计了前视声纳视域范围内回波数据的显示算法,解决了声纳原始图像的显示质量问题;利用DSP丰富接口资源和EDMA动态调表技术,设计了声纳原始图像实时显示方案,很大程度上突破了实时显示的瓶颈。通过水池拉距实验验证了高质量实时显示方案的有效性。

基于区域增长方法的点云分割

点云分割作为现在机器视觉中的热点问题是点云分类、识别以及三维重建的基础,分割结果对后续的场景分析有着重要作用。本文通过对点云分割展开研究,对三维点云数据进行体素化处理得到体素云,然后在体素空间内进行网格化处理来筛选种子体素,再利用聚类算法形成超体素,完成过分割的处理过程。根据区域增长算法原理,对过分割得到的超体素数据进行平面拟合,实现点云数据的分割。实验结果表明本文的分割算法可以提高处理效率,使计算量大大减少,并且使最后的分割结果更加精确。

基于Itti视觉注意模型的三维人脸特征检测方法的研究

将计算机视觉与人类视觉的视觉注意计算模型结合,在对三维人脸特征提取和Itti视觉注意模型进行研究的基础上,提出了一种将Itti视觉注意模型用于三维人脸特征区域检测和特征提取的方法。实验结果表明,该模型能够准确定位三维人脸的特征区域,同时对不同表情的人脸模型具有鲁棒性。

基于双目视觉的人脸视差快速获取方法

提出一种在平行双目视觉系统下快速获取致密的人脸视差图的方法。首先对获取的双目图像进行极线校正和人脸的精确定位，降低立体匹配的搜索范围；然后针对人脸这一特殊场景，采用基于盒状滤波的快速区域立体匹配算法对人脸区域进行匹配，得到人脸的初始视差图；最后利用金字塔匹配模型来获取高分辨率的人脸致密视差图。实验结果表明，该方法在保证所获取人脸视差精度的前提下，大大降低了时间复杂度，有较好的实用价值。

基于社会监控视频的雨量反演

针对利用机器视觉算法估算雨量低准确率的问题,提出基于社会监控视频的雨量反演算法。首先利用降雨分类网络剔除无雨视频;其次引入交替方向乘子法(alternating direction method of multipliers,ADMM)提取降雨视频的前景信息,并通过语义分割和背景差分方法选取感兴趣区域(region of interest,ROI);然后构建以灰度变化和饱和度为特征的高斯混合模型(Gaussian mixture model,GMM)筛选ROI区域内的雨滴;最后依据透视成像关系计算雨滴尺寸,使用气象学Gamma模型反演降雨量。实验结果表明,本文降雨分类方法的准确率在MWD (multi-class weather dataset)到达91.3%,在真实的数据集到达77.0%,雨量估算结果相比于现有方法更为准确。