基于直方图和二次椭圆拟合的瞳孔高效检测

为了提高瞳孔检测效率,提出了一种基于直方图二值化和瞳孔二次椭圆拟合的检测方法。该算法首先计算瞳孔图像的直方图,利用直方图找到最佳二值化阈值,对二值化后的图像进行瞳孔区域筛选和填充;在此基础上,使用改进星射线法找到瞳孔边缘,剔除瞳孔伪边缘点,将最小二乘椭圆拟合方法和Huber损失函数相结合,进行第一次瞳孔椭圆拟合。利用拟合的椭圆继续排除边缘杂点,最后利用边缘点进行第二次正确拟合瞳孔椭圆。从第二帧图像开始,以前一帧图像的瞳孔中心为中心,缩小图像检测区域。实验结果表明,该瞳孔检测算法在5像素的误差范围内检测成功率达到86%,算法运行时间仅需4.29 ms,具有较高的实用性。

基于改进轮廓跟踪的瞳孔快速检测

提出一种基于直方图二值化和改进的轮廓跟踪的瞳孔检测方法。首先对采集的瞳孔图像计算直方图,根据直方图特征取出合适的阈值进行二值化,再对二值化后的图像进行轮廓跟踪,得到精确的轮廓边界,进而得到直径、中心等信息。对前一帧瞳孔图像进行瞳孔信息计算后,后一帧图像以该瞳孔中心为中心,缩小检测区域进行直方图二值化及瞳孔轮廓跟踪,得到该帧图像的瞳孔信息,减少运算,加快检测速率。该算法鲁棒性高,速度快,可满足300帧/s的实时检测速度。

基于HSV空间颜色和纹理特征的车牌定位算法研究

车牌识别系统中的一个关键性技术是车牌定位,其准确性直接影响后面的车牌字符分割和识别的效果.当背景与车牌区域颜色相似时,在颜色车牌定位算法中不能正确定位出车牌.针对上述问题,提出一种基于HSV空间颜色和纹理特征的车牌定位算法.该算法首先通过HSV空间变换,使颜色空间具有独立性,从而分割出不同颜色区域;其次,通过车牌区域字符集中且边缘信息丰富的特点,设置字符与字符边缘之间的梯度跳变次数的阈值,在复杂的背景下判断待测试区域是否为车牌区域;最后,通过二值化直方图投影法定位并分割出车牌区域,建立BP神经网络训练识别车牌字符来验证算法的有效性.实验结果表明:该方法能够在颜色相似和背景复杂的情况下正确定位车牌区域,在相同的条件下对比其他定位算法,其识别率达95.06%.