视频中人脸位置的定量检测

现有的人脸检测评判标准通常情况下仅仅只是对人脸有无的定性检测,对于视频中人脸位置的定量描述并没有严格的规范;另外,现在的一些研究如视频人脸替换等对视频流中人脸位置的连续性有较高的要求。为了解决上述两个问题,相比之前的人脸检测以及人脸跟踪评估标准,提出了一种视频中人脸位置的定量检测评估标准,并且提出了一种视频中人脸位置的检测方法。该方法首先通过改进的Haar-Like级联分类器在目标区域中检测到人脸初始位置;然后采用金字塔光流法对人脸位置进行预测,同时引入正反向误差检测机制实现对结果的自检测,最终确定人脸位置。实验结果表明,检测标准能够对测试算法在视频人脸检测的定量描述结果给出评判,提出的检测算法在人脸位置的时间一致性上有所提升。

基于机器视觉的振动筛运动特性快速诊断方法

在分析振动筛运动特性主流诊断方法的基础上,引入Lucas-Kanade光流估计算法,提出了一种基于特征点对应关系的快速定性诊断策略。该方法用特征点的光流矢量描述动态目标在相邻2帧中的投影关系,通过检测连续图像序列中目标区域内的特征点数目和光流矢量、设定光流阈值,并应用正反向误差校正理论,完成了对振动筛运动特性的规律捕捉与分析。现场试验结果表明,该方法可有效消除由系统噪声和粉煤粒脱落造成的错误追踪,光流追踪算法耗时约为2.9 ms,在预定义评估时间的15 s内,应用阈值下限评定法,即可针对由各种振动筛局部隐性机械故障引起的筛体运动特性紊乱现象,作出微观、快速、精确的定性诊断。