基于机器视觉的目标跟踪研究

目前计算机视觉领域研究的一大热点问题是目标跟踪,而该领域中出现最早的算法是目标跟踪算法。针对这项研究,采用三帧差法、Mean shift算法和Cam shift算法来对一段存在目标遮挡及目标背景相似的视频进行目标跟踪实验,并对三种算法的跟踪效果进行比较。Mean shift算法有较高的实时性和鲁棒性,但在跟踪过程中,跟踪窗口的大小需保持不变,当跟踪目标发生形变时,容易跟踪失败;Cam shift算法以运动目标的颜色为特征,对光照变化不敏感,有利于目标的跟踪,但在复杂背景下容易出现目标丢失;三帧差法做了两次差分运算,为目标跟踪提供了更大的可能,实现简单,运行速度快,自适应性强,并且对场景光线变化不敏感。实验结果表明:在目标遮挡和背景相似的情况下,Mean shift算法和Cam shift算法跟踪效果较差,而三帧差法可以准确地跟踪目标,跟踪效果良好。

分层特征移动机器人行人跟踪

利用行人头肩或者颜色特征,实现行人外层初定位;在初定位区域上,应用改进的尺度不变特征变换(SIFT)特征匹配实现对目标的精确定位.根据SIFT特征确定目标尺寸,解决行人尺度变化问题;将SIFT特征模板库更新机制引入特征保留优先级,解决行人短暂遮挡和形变的问题.为解决传统Cam-Shift算法的椭圆核函数自适应问题,将SIFT特征尺度变化与Epanechnikov函数融合,构成自适应带宽核函数,克服背景对目标的干扰.外层粗定位结果限制了Harris算子的检测范围,提高了SIFT特征匹配的实时性.实验结果证明,所提出移动机器人行人跟踪算法可以在目标尺度变化、短暂遮挡以及形变情况下实现行人跟踪.

基于变尺度教与学算法的DCT换挡毂圆度误差评定研究

针对空间圆度误差评定精度较低以及计算速度较慢的问题,提出了一种变尺度教与学算法的空间圆度误差评定方法。首先,基于误差最小区域原则建立了数学模型和目标函数,随后在标准教与学算法的基础上设计变尺度法教与学算法进行优化,提高了算法的收敛速度和计算精度。最后针对某双离合变速器(DCT)换挡毂?12j6轴颈的16个数据进行求解验证,并将计算结果与粒子群算法、改进的蜂群算法和蔡司三坐标测量机结果进行对比。实例表明,变尺度教与学算法与粒子群算法、改进的蜂群算法相比,在空间圆度误差评定上的收敛速度和计算精度均有明显的优势,体现了变尺度教与学算法的优越性。

基于双目视觉的人脸追踪方法

机械臂自动调节电脑屏幕位置以适应人脸,在一定程度上可以方便人们工作并缓解工作疲劳,准确地识别并获取人脸的位置及姿态成为关键所在。针对人脸追踪准确率低下的问题,提出首先使用ZED mini双目相机获取图像,用双边滤波对图像进行预处理,然后使用Cam Shift算法融合TLD框架实现人脸追踪,最后对左右相机的图像进行校准对齐,再使用SGBM算法进行立体匹配,从而获取人脸的位置和姿态。试验结果验证,人脸识别准确率提高了6%,同时成功获取了人脸位置和姿态信息,实现了实时人脸追踪,满足试验要求。

基于视频的多人脸检测、跟踪与识别方法的设计

针对人流量密集场所人员身份检测效率与识别效率低的现象,提出一个基于视频的多人脸检测、跟踪与识别的设计。基于Adaboost-ASM人脸检测算法,对Ada Boost算法中弱分类器加权参数进行改进,提出多线程的MT-Cam Shift跟踪算法,采用f-k优化近邻与PCA人脸识别算法的结合进行人脸识别。以解决目前公共场所多人脸检测误检率高、实时跟踪错误率高的问题。