基于Raspberry Pi和Haar分类器的AUV目标搜寻

文中使用Raspberry Pi开源硬件平台搭建了水下机器人视觉系统,通过Open CV对所要搜寻的特定目标物体进行Haar分类器训练,AUV在进行特定目标搜寻任务时加载训练文件,并通过所开发程序在嵌入式视觉系统上完成了水下特定目标的搜寻任务。文中对训练流程进行了分析,并对分类器做出了评价,通过实际的水下实验,验证了所用训练分类器具有较低的误检率和较高的检测率,同时,所搭建的视觉系统具有较好的实时性。

基于Haar分类器人脸动态检测模块的算法研究

本文主要是分析基于Haar分类器一个具有可用性的动态人脸识别算法研究,采用较为成熟的Haar分类器算法,该算法把AdaBoost算法训练出的强分类器进行了级联,这个算法应当具有高的人脸识别率和低的误识别率,并且具有较好的实时性。

基于Haar分类器和AAM算法的人脸基准点定位

人脸基准点定位可应用于人脸识别、疲劳检测等领域。针对人脸基准点定位中常用的主动表观模型(AAM)的局限性,提出了Haar分类器和AAM算法相结合的人脸基准点定位方法。先是计算图像积分图,然后采用基于Haar特征的AdaBoost级联检测器快速定位出人脸区域,最后将检测到的位置和图像信息传递给AAM进行人脸基准点定位。该方法在抽取的AFLW(annotated facial landmarks in the wild)人脸测试集上表现出良好的性能。实验结果表明,采用该方法能准确、快速定位出人脸基准点。

基于Haar级联分类器和LBPH算法的人脸识别

随着人们安全出入控制和金融贸易安全方面的需要不断增长,生物统计识别技术有着广阔的发展和应用需求。人脸识别作为最热门研究方向之一,需要有较强的检测率和识别的准确率,本文通过Haar级联分类器将捕捉到的人脸进行特征化,通过LBPH算法提取直方图特征,从而实现动态的人脸识别。实验表明:该算法可以在部分遮挡和微笑的情况下,能够对动态人脸进行有效识别。

一种基于肤色检测和Haar级联分类器的实时人脸检测系统

人脸检测是一种在数字图像中找到人脸位置和大小的技术。常用于人脸识别、人脸追踪、面部动作捕捉、相机自动对焦等应用中。本文设计并实现了一种基于肤色检测和Haar级联分类器的系统来进行实时人脸检测,先通过肤色检测过滤掉图像中的非皮肤像素区域,后通过Haar级联分类器对剩余像素区域中的人脸进行检测。实验结果表明本系统能够实时地对视频画面中的人脸进行检测,且人脸检测算法计算时间明显小于传统的检测算法。

基于类Haar特征的驾驶者人眼疲劳状态的检测方法研究

使用摄像头采集视频图像,对输入图像做预处理(图像灰度化、中值滤波等);通过学习训练的方法构造基于类Haar特征的层叠式分类器,利用基于类Haar特征的层叠式分类器从输入图像中直接定位人眼;把人眼部分的图像截取出来,二值化人眼图像;然后计算二值化图像中垂直方向上瞳孔的宽度大小,从而判断眼睛的状态;最后通过多次的捕捉,计算眼睛闭合的频率来得出其疲劳状态。试验验证了上述算法的有效性。

基于眼睛闭合状态的驾驶疲劳检测方法

驾驶疲劳检测是预防驾驶疲劳提高交通安全的有效手段。以视频图像处理为基础,采用Open CV中的Haar分类器,对驾驶人人脸、人眼进行检测;以基于PERCLOS的疲劳检测算法为基础,提出"双眼检测、单眼疲劳判别"的疲劳检测方法,在PC机Visual Studio集成开发环境下,采用C++编程语言设计了驾驶疲劳检测仿真程序;通过输入驾驶人模拟疲劳驾驶视频,仿真实现了驾驶人人脸检测、眼睛闭合状态检测、驾驶疲劳检测以及疲劳状态声音预警。

基于图像分析的安全带识别算法研究

为了规范交通主管部门对机动车安全驾驶的科学管理,提出了一种安全带检测方法。该方法在对图像数据进行预处理的基础上,分别进行了车辆位置估算、车牌检测、车窗定位、人脸检测以及安全带检测。选取某个城市的安全带图像数据进行测试,通过测试程序验证了本文算法的有效性。

一种基于OpenCV的人脸轮廓化方法

将人脸图像线条化需要结合人脸定位技术和轮廓提取技术。首先使用色彩空间技术,将人像与背景分离;其次通过Harr分类器进行人脸和五官定位,用局部积分投影修正位置,解决了光照影响问题;最后采用OpenCV的形态学工具,将采用了OTSU二值化的图像轮廓化。

基于不同光照条件的人体手势识别新方法

针对不同光照条件下基于摄像头的人体手势识别所存在的识别率、实时性和鲁棒性等问题,提出一种基于不同光照条件的人体手势识别新方法。首先利用传统图像处理技术与光线补偿、色彩平衡、对比度受限自适应直方图均衡(CLAHE)进行视频帧预处理,然后运用基于Haar分类器的前期检测与基于YCr Cb肤色模型的后期验证进行手势识别分类,并提取质心特征进行方向跟踪判断,最终完成静态与动态实时人体手势识别任务。实验结果表明,在几种不同光照条件下,实时识别率达90%以上,且在手势扭曲、侧对与旋转一定程度下仍具良好识别效果。

基于OpenCV的视频图像人眼跟踪方法的研究

在机动车驾驶员疲劳状态监控过程中,为了实时地跟踪驾驶员的眼部位置,定位并跟踪眼睛,进而判断眼睛的状态,提出了一种基于OpenCV的人眼识别和跟踪的视频图像检测方法。在VC++开发平台上,结合OpenCV相关封装函数和外接的摄像头,编写程序实现了对人眼的识别和跟踪。编译运行结果表明,该算法可靠性高,能够满足驾驶员眼睛监测的初步要求,在正常情况下能够检测出人眼,准确度较好,具有一定的实用性。

基于OpenCV的人脸检测系统开发与实现

人脸检测是人脸识别的重要环节,人脸检测已经成为一个独立的研究课题。本文通过分析基于OpenCV提供的Haar分类器算法,设计开发了一个人脸检测系统。该系统成功实现了对目标图像的人脸定位。

基于云平台和加强陌生人脸识别的智能防盗系统

针对人们对高性能防盗系统的需求,设计了智能防盗系统。结合Haar分类器和局部二值模式(LBP)特征提取,对人脸进行身份认证。针对LBP特征识别中对非匹配库中的人脸辨识度不高的缺点,设计一种有针对性的身份认证算法,加强系统对陌生人脸的识别。其次,针对传统防盗系统中屋主对安全消息获取不及时、不全面等弊端,利用OneNET云平台,将系统识别到的人脸信息上传至云端;并通过手机联系屋主,从而提高系统的智能化水平。最后通过实测,证明了系统的有效性。

基于嵌入式与OpenCV的目标识别系统研究

在当今信息爆炸的时代中,随着科技在图像认知需求的激增,碎片式的图像已然成为巨大信息量的载体之一,因此如何对图像中目标的方位和类型进行识别就显得极为重要.近年来,机器视觉、目标识别等成为可以解决在大量碎片式的图像数据库中提取信息的人工智能相关的研究方向.基于嵌入式与Python—OpenCV平台,对图像目标识别进行了一系列研究,实现了对视频中的鞋子进行正确识别并能将识别的图像信息进行储存的目的.该研究对于机器视觉和目标识别技术在现实中的应用具有重要的意义.

一种基于凸壳的智能服务机器人路径规划算法

将一种基于凸壳的路径规划算法应用于体育场智能服务机器人,首先采用基于Haar特征分类器的方法确定球的坐标,采用基于颜色模型的方法确定机器人的位置及航向,并根据机器人的自身特点,将一定范围内的多个球视为一个目标点处理;然后以目标点坐标作为算法输入,采用基于凸壳的路径规划算法得到一条较优的捡球路径.该算法可以降低机器人的捡球运动代价,有效提高机器人的捡球效率.

复杂环境中机动车跟踪实时性算法

针对复杂环境中机动车跟踪问题,为克服光照变化、噪声干扰、其他随机运动物体干扰,提出一种机动车识别和跟踪实时性算法。首先对图像进行光照补偿减少光照影响,用Surendra算法和三帧差法检测运动目标,并建立ROI(感兴趣区域)以缩小Haar识别范围提高系统响应速度;其次由训练好的级联分类器在ROI范围内识别机动车,从而保证高检测率和低误检率;最后利用Camshift算法跟踪机动车。为验证算法有效性搭建嵌入式系统平台,实验结果表明在背景复杂且其他运动物体干扰下,该算法较使用传统目标跟踪算法具有更好的鲁棒性和实时性。

视频人脸检测与追踪方法研究

在科技飞速发展的今天,视频图像侦查技术在公安工作中发挥的作用越来越显著,尤其是人脸检测与识别技术的广泛应用,极大地提高了公安机关的办案效率。本文研究了一种视频中运动人脸的检测与追踪方法。首先,对视频每帧图像进行分析,使用Haar分类器检测出视频图像中的人脸,锁定人脸区域;然后,对视频序列中的人脸进行跟踪;最后,基于OpenCV视觉库进行了仿真实验。仿真实验结果表明该方法能准确检测出视频中的人脸,可有效排除视频中其他运动物体对跟踪的干扰,能够对运动人脸进行跟踪。

基于图像处理的皮肤健康检测研究

为了满足目前对于皮肤健康检测的新需求,提出一种基于图像处理的皮肤健康检测算法。利用一种优化的Haar分类器和基于相对位置的分割算法,对自拍图像进行处理获得待检皮肤图像。针对光泽、色斑和皱纹三种健康指标,先后利用单尺度Retinex和Bp神经网络对上述指标进行检测分析。实验结果表明,该算法能够较快的完成图像分割与检测功能,并且能够较好的表示出皮肤健康情况。

一种适用于PC机的视觉注意点定位算法

人眼观察屏幕时,其脸部姿态与屏幕视觉注意点具有内在对应关系。摒弃传感器、头盔等跟踪设备,提出并研究一种适用于日常PC机的视觉注意点位置获取方法。使用摄像头抓取人脸实时图像,经Haar级联分类器提取能够反映脸部姿态的特征:双眼、口、鼻等,通过BP神经网络训练出特征相对坐标与视觉注意点之间的对应关系。实验证明该方法在无需任何专门设备支持的条件下,即能够检测视觉注意点位置,检测精度达到0.1视距。为立体影像或虚拟场景的裸眼立体观察,提供了一种新的解决方式及方法。

基于人脸识别的防盗系统设计与实现

基于人脸识别的防盗系统以树莓派3代B型开发板为核心,运用Python语言编程调用OpenCV开源计算机视觉库,分别采用Haar分类器和Eigenfaces算法实现了人脸检测和人脸识别的功能,结合树莓派摄像头、HC-SR501人体感应模块、SG90 9 g舵机模块和蜂鸣器模块,实现对已注册人脸的开锁功能和对未注册人脸的报警功能。