Multifunctional Sitting Posture Detector Based on Face Tracking

To reduce the vision problems caused by improper sitting posture,the research group used Raspberry Pi as the main controller for a multifunctional sitting posture detector with functions such as sitting posture detection,face positioning,cloud monitoring,etc.UUsing tech-nologies or algorithms such as machine vision and convolutional neural networks,our design can realize the user’s sitting posture error detec-tion,such as left,right,low head position,or forward body position with alarming,so that the user can maintain the appropriate sitting posture.

基于主动机器视觉的人脸跟踪与表情识别系统

搭建了一个基于主动机器视觉平台的人脸跟踪与表情识别系统,并进行了相关实验研究。阐述了该平台的系统结构,以及实现人脸表情识别系统的关键功能模块。该系统在主动机器视觉平台基础上,对注意力选择的区域进行人脸检测,通过控制云台完成跟踪动作,并对人脸区域进行实时地表情识别。同时在实验平台上做了大量的人脸检测跟踪和表情识别实验,包括对复杂和简单背景下人脸跟踪及表情识别的准确性进行了实验,实验结果验证了平台的有效性。

主动视觉技术在精密测量中的应用研究

对(机器)主动视觉技术在精密测量中的应用进行了深入地探讨。首先,利用Canny边缘监测器对零件边缘进行粗定位,再利用二次曲面拟合实现零件边缘的亚像素精确描述,提取零件的精确轮廓;其次,针对大型零件建立了基于面阵图像传感器的边缘自动跟踪模型,实现了图像的自动拼接与数据缝合,有效地解决了高精度与小视场之间的矛盾;采用物方远心镜头,减小了零件高度方向上的加工误差、定位误差以及摄像头运动误差对测量的影响,是主动视觉在精密觉检测中的一次成功应用。

智能家居移动机器人的人脸识别方法

针对人脸识别系统中,单独的RGB图像容易受到背景干扰的问题,提出了一种结合深度图像的实时人脸识别方法。以Turtlebot机器人为载体对原始深度信息进行采样,使用Haar算法对目标深度值检测,快速分离头部背景。运用Hungarian算法与HMM算法相结合的跟踪模式,过滤潜在的干扰信息。最后,在真实场景中,利用所搭建的机器人平台进行单目标和多目标的识别测试实验。结果表明:人脸实时识别的准确率94.3%,头部定位平均76 ms,平均识别时间仅为751.17 ms。该方法在保持良好精度的情况下具有鲁棒性,可以满足智能家居移动机器人人脸识别的需要。

基于鲁棒统计量的运动检测与目标跟踪策略

提出了一种基于鲁棒统计量的运动检测方法。该方法通过对全局运动的鲁棒估计和对残差进行假设检验的方法来检测运动物体区域。为了消除遮挡效应的影响,提高算法的精度,在检测过程中,利用双向运动估计的方法来对残差进行归一化。在此基础上,提出了一种鲁棒主动轮廓模型,用于跟踪运动物体轮廓,并采用LevelSet方法对该模型进行求解。实际视频的实验结果表明,该方法能够可靠、准确的检测与跟踪运动物体。

基于PID算法的辅助进食桌面机械手系统研究与设计

针对手脚不便的老人或者上体截肢的特殊人群用餐问题,提出了基于机器视觉的辅助进食机械手设计方案,并采用D-H法对机械手进行建模,并对机械手正逆运动学分析的结果进行了仿真验证。同时结合基于人脸追踪的比例-积分-微分(PID)算法进行了研究分析,随后对基于视觉的PID人脸追踪算法进行了实验验证。最后为了增强人机交互感,还采用了语音识别技术来进一步完善该辅助喂食机械手的辅助进食系统,有效地提高了人机交互体验。

大田甘蓝作物行识别与对行喷雾控制系统设计与试验

对行喷雾技术可提高农药的利用率,有利于保护环境和减少农药残留。本文搭建基于机器视觉的大田甘蓝对行喷雾控制系统。通过改进的ExG算法提取颜色信息,采用最大类间方差法和形态学的开闭运算分割作物与背景。提出甘蓝作物行定位与多作物行自适应ROI提取方法,在条带分割的ROI内基于限定阈值垂直投影对特征点集进行采集,通过最小二乘法对特征点集进行线性拟合得到作物行中心线。利用中心线几何关系得到作物行偏移信息,根据对行机构的运动特性建立对行偏移补偿模型,并设计基于PID轨迹追踪算法的对行喷雾控制系统。试验结果表明,实验室作物行识别准确率为95.75%,算法平均耗时为77 ms。在田间试验中,识别算法在时间段09:00—11:00、14:00—16:00内测试效果最佳,识别偏差均值保持在2.32 cm以下。针对不同范围的杂草测试中,算法平均识别成功率为95.56%,说明算法具有较强的鲁棒性。在与其他识别算法对比测试中,本文算法平均耗时最短,识别成功率最高,能够为实时作业提供视觉引导。在对行喷雾控制系统田间试验中,对行准确率达到93.33%,对行控制算法可将对行偏差控制在1.54 cm,满足田间实际应用要求。

基于CMOS+FPGA的高速视觉实时定位与跟踪系统

针对机器视觉系统的高速与实时性需求,开发了一种基于CMOS和FPGA技术的高速视觉实时定位与跟踪系统。系统选用CMOS高速工业相机,经Camera link接口与信号转接子卡,实现1 000帧/s的图像采集与传输。高性能FPGA板卡接收图像数据(带宽3.9Gbit/s)并完成预处理后,由移植到FPGA板卡上的图像处理算法实时提取目标特征、计算目标的位置坐标,整个处理算法的周期为1ms。在特制的验证平台上,高速云台搭载视觉系统完成了对快速运动目标的实时定位与主动跟踪实验。