遮挡条件下的鲁棒表情识别方法

提出了一种对面部遮挡具有鲁棒性的表情识别方法.首先,基于鲁棒主成分分析(RPCA,Robust Principal Component Analysis)对待识别人脸进行重构,并对重构人脸和待识别人脸的差值图像进行显著性检测得到面部遮挡区域;其次,将待识别人脸的遮挡区域由RPCA重构人脸的相应区域进行替换,并由权值更新的AdaBoost分类器对遮挡区域重构后的人脸进行表情识别.在BHU(Beihang University)人脸表情数据库和日本女性表情数据库上进行了各种遮挡情况下的表情识别实验,获得了比AdaBoost方法更好的识别结果,说明基于RPCA和AdaBoost的表情识别方法对多种面部遮挡具有较强的鲁棒性.

基于事件相机的合成孔径成像

合成孔径成像(Synthetic aperture imaging,SAI)通过多角度获取目标信息来等效大孔径和小景深相机成像.因此,该技术可以虚化遮挡物,实现对被遮挡目标的成像.然而,在密集遮挡和极端光照条件下,由于遮挡物的密集干扰和相机本身较低的动态范围,基于传统相机的合成孔径成像(SAI with conventional cameras,SAI-C)无法有效地对被遮挡目标进行成像.利用事件相机低延时、高动态的特性,本文提出基于事件相机的合成孔径成像方法.事件相机产生异步事件数据,具有极低的延时,能够以连续视角观测场景,从而消除密集干扰的影响.而事件相机的高动态范围使其能够有效处理极端光照条件下的成像问题.通过分析场景亮度变化与事件相机输出的事件点之间的关系,从对焦后事件点重建出被遮挡目标,实现基于事件相机的合成孔径成像.实验结果表明,所提出方法与传统方法相比,在密集遮挡条件下重建图像的对比度、清晰度、峰值信噪比(Peak signal-to-noise ratio,PSNR)和结构相似性(Structural similarity index measure,SSIM)指数均有较大提升.同时,在极端光照条件下,所提出方法能有效解决过曝/欠曝问题,重建出清晰的被遮挡目标图像.

街景建筑物立面纹理遮挡恢复方法研究

依据建筑物丰富的直线信息来分割面状遮挡物,并采用边缘保护的模板匹配方法进行遮挡纹理的恢复。同时,对于简单的线状竖直遮挡物,采用边缘检测和跟踪的方法提取影像上的遮挡区域,采用一维水平均值内插和块状填充的方法恢复遮挡纹理。实验表明,该方法取得了较好的效果。

基于前景移除的合成孔径成像算法

在传统合成孔径物面重聚焦成像过程中,前景射线会严重影响目标的重建质量,针对这一问题提出一种基于前景标记的重聚焦成像算法。首先根据EPI的边缘特征估计场景深度范围,根据指定待重建物面的参数提取前景边缘特征并进行扩散,从而确定前景遮挡对应的射线;对其进行标记筛除后,利用光场重建算法对特定物面进行重建,从而实现被遮挡目标的高质量重建。利用Stanford大学和Disney实验室提供的数据集进行仿真,实验结果表明该算法可有效去除场景中的遮挡物信息,提高重聚焦图像的质量。

完全在线的双目直接法视觉SLAM算法

视觉SLAM在机器人的室外作业如野外探索、定位侦察中扮演了重要角色.为了使得机器人可以更好地进行室外作业,提出一种不受词袋模型的固定词汇限制的完全在线实时双目直接法视觉SLAM算法.作为直接法视觉SLAM,所提到的系统可以利用任何具有足够强度梯度的图像像素,使其在缺少特征点的区域仍具有很强的鲁棒性.在系统算法中引入双目静态残差约束并去除遮挡的滑窗优化来增强系统的跟踪精度,增加闭环检测和位姿图优化模块,并建立在线词袋模型,使得系统在大规模且陌生的环境中依然可以进行工作.将此算法在公开的EuRoC数据集和KITTI数据集上进行性能评估,结果表明,所提出的系统的定位精度优于最先进的直接法视觉SLAM系统,且室内场景和室外场景均具有鲁棒性.