基于DSP系统的静脉识别算法研究

随着静脉识别技术研究深入,手指静脉识别技术已逐步走向产品化的道路。考虑其应用场合,我们要求生产出来的产品有较高的识别精度,较快的识别速度,还要便携。为此,我们采用ADSP-BF561为核心处理器设计识别系统硬件,提出了一种基于高斯高通滤波器的双阈值静脉分割算法。该方法利用改进的高斯高通滤波器对处理后的图像进行滤波,并对滤波后的图像采用双阈值分割算法确定手指静脉区域。通过实验表明,该方法较单一阈值方法能更精准的实现静脉图像分割。

Robocon2007移动机器人视觉系统

根据Robocon2007的比赛规则,设计出了一套适用于该比赛的机器视觉系统。系统基于通用PC机,利用一个通用摄像机采集彩色图像,系统构造简单且经济。视觉系统的软件实现了比赛场地导引线的分割、得分点的识别以及机器人与目标的相对定位等功能。在导引线分割中提出了双阈值p-tile自适应算法,提高了分割算法对环境光变化的适应性;得分点位的识别中设计了利用导引线交点与目标颜色相结合的综合定位策略,有效解决了目标点位与地面颜色近似,无法直接从单目图像识别的难题。在2007年度的Robocon比赛中,该机器视觉系统表现出了很强的环境适应性和较高的自定位精度,为国防科大队获得最佳策略奖奠定了基础。

图像分区域多特征融合斜向车辆检测算法研究

目前基于机器视觉的车辆检测和跟踪技术成为道路环境感知的重要手段,用于预防交通事故的发生。针对前向车辆的检测技术日益成熟,并有商业化的产品出现,而斜向车辆的检测技术尚不成熟。该项目主要研究斜向车辆的检测与跟踪问题。针对车道线检测算法,提出基于Hough变换与K-means聚类融合的改进车道线检测算法,并结合ROI区域提取,缩小检测范围。针对车辆检测,提出对车辆检测算法的两级优化:首先利用车辆阴影特征和图像垂直边缘特征融合,生成疑似目标区域,提出两次自适应阈值分割与OTSU算法融合的改进双阈值分割算法用于改善阴影特征提取的效果;其次,通过HOG特征与Haar-like特征结合,与Adaboost算法联合训练Adaboost级联分类器,生成目标验证区域,并提出基于高斯核函数的核主成分分析法,对图像特征降维处理,改善实时性。基于上述算法优化,对斜向车辆的检测试验结果表明:采用阴影特征与边缘特征融合的优化算法对斜向车辆的识别准确率达90%;在良好天气条件下,HOG+Haar-like融合特征的Adaboost级联分类器检测的准确率达95%;采用核主成分分析降维后检测时间缩短了26%;二者融合的综合效果改善明显。