双粒度光流流形学习的刮刷总成摆杆摆幅检测

在基于机器视觉检测的客运车辆日趟故障安全例检自动化设计中,针对子空间聚类算法对汽车刮刷总成摆杆摆幅检测中因玻璃复杂背景导致光流轨迹过于稀疏的缺陷,提出了一种双粒度光流流形学习的汽车刮水器总成主副摆杆运动分割算法。首先将摆杆满幅等长LDOF变分光流轨迹作为粗粒度光流进行稀疏子空间聚类,获得可靠的种子样本;然后通过构建稠密细粒度光流与粗粒度光流的轨迹时空相似度流形拓扑图,并在图上利用调和函数将种子轨迹样本邻接节点标签凸松弛为高斯随机场进行半监督标签扩散,从而获得稠密的雨刮运动区域,以便进一步做RANSAC直线拟合和摆角计算;最后,将该算法模块经过ocx插件封装后以回调函数体的形式嵌入客运站的车辆跟踪模块进行同步,并在客运站现场采集了6种不同照度下4种车型共153车次的进站安检视频,用于分析比较同步后的两种粒度流形学习算法对摆杆的运动分割后直线拟合误差与摆角误差。实验结果表明:本算法对运动摆杆的拟合与其摆角计算的精确率均可以达到85%以上,具有进一步推广应用前景。

基于相似光流链聚类的图像多径杂波目标跟踪方法

针对传统方法存在跟踪准确率低、重检率高和目标跟踪时间长的问题,提出一种基于相似光流链聚类的图像多径杂波目标跟踪方法。通过变换连续信号抑制图像多径杂波噪声,采用特征光流提取图像多径杂波目标角点并检测,根据图像多径杂波目标角点检测结果对角点进行匹配,获取图像多径杂波目标的角点链与光流链,通过相似光流链聚类完成图像多径杂波目标跟踪。实验结果表明,该方法进行图像多径杂波目标跟踪的准确率高达100%,且跟踪时间少于20 s,图像多径杂波目标重检率在7%以内,满足了图像多径杂波目标跟踪需求。