P-增广矩阵及其动态跟踪识别应用

P-增广矩阵是利用P-集合的动态特征改进普通增广矩阵得到的增广矩阵新结构.利用P-集合的结构与动态特征,给出P-增广矩阵与普通增广矩阵的关系,及P-增广矩阵的合取范式扩展-收缩逻辑特征;利用P-增广矩阵动态特性与系统工作状态吻合的规律,把P-增广矩阵数学模型应用于动态跟踪识别系统,为判断系统的状态特征提供了新的方法.

人体背部动态识别与跟踪方法

为了准确、快速地跟踪人体,本文以人体背部为研究对象,提出了一种融合空间运动变换矩阵及点云粗-精配准算法的动态识别与跟踪方法。首先,采用直通滤波和统计滤波以及背景去除分割初始场景点云,识别出目标人体,再基于人体背部几何特征,利用微元分割法进行背部划分(即获得目标区域);其次,提取内部形状描述子(ISS)关键点简化背部点云,并结合快速点特征直方图(FPFH)通过采样一致性(SAC-IA)算法和迭代最接近点(ICP)算法进行点云配准,并通过相邻两帧点云配准结果,获得背部空间运动变换矩阵。通过分别与3Dcs-ICP算法和普通粗-精配准算法跟踪实验发现,本文提出算法运行时间明显减少,目标区域在X、Y和Z方向的平均均方根误差分别为0.264 cm、0.261 cm和0.517 cm。实验结果表明:此方法可提高人体背部识别速度和准确度,也为其他人体器官的跟踪与识别提供参考。

苹果的动态识别与跟踪算法研究

由于风或其他自然原因的影响,树上的苹果容易发生摆动,增加了机器人准确采摘苹果的难度。为了准确、高效地跟踪识别苹果,在归一化互相关模板匹配的基础上,提出了一种结合SURF特征仿射变换的跟踪识别方法。首先,采用基于R-G颜色特征的大津阈值法分割初始图像,识别出目标果实(即获得模板图像);其次,将模板图像与下一帧图像进行SURF特征提取匹配,剔除误匹配角点,通过仿射变换对模板进行矫正,同时预测目标位置;最后,在预测位置的1.2倍范围内,利用NCC匹配搜寻果实最佳匹配位置。测试结果表明:在没有模板校正和苹果位置预测的情况下,每帧运行时间分别为0.59s和5.17s,而本文方法的运行时间为0.41s,且跟踪误差减小。实验结果表明:此方法可以显著提高识别速度和效率,也可为其他振荡水果的跟踪和识别提供参考。

动态跟踪双目人脸识别系统在学生宿舍考勤管理中的应用

文章通过实证分析方法,首先介绍了动态跟踪双目人脸识别技术,再针对学生宿舍考勤管理中利用动态跟踪双目人脸识别系统的需求及可行性分析,设计动态跟踪双目人脸识别系统,提出动态跟踪双目人脸识别系统在学生宿舍考勤管理中的应用,要注意系统功能模块设计,再论述动态跟踪双目人脸识别学生宿舍管理系统的实现。

图像处理在擂台机器人设计中的应用

针对传统擂台机器人设计中的不足,研究了以树莓派2作为系统主控,在Linux系统下,利用Open CV进行图像处理以识别和定位目标的擂台机器人设计。通过对Linux系统的优化,并结合机器人机械结构和对动态目标检测及跟踪算法的研究,取得了很好的实验结果。实践证明,基于本系统所设计的擂台机器人的识别和定位的目标准确、快速、实时性高、运行稳定。