Fast-moving target tracking based on mean shift and frame-difference methods

The mean shift tracker has difficulty in tracking fast moving targets and suffers from tracking error accumulation problem. To overcome the limitations of the mean shift method, a new approach is proposed by integrating the mean shift algorithm and frame-difference methods. The rough position of the moving tar- get is first located by the direct frame-difference algorithm and three-frame-difference algorithm for the immobile camera scenes and mobile camera scenes, respectively. Then, the mean shift algorithm is used to achieve precise tracking of the target. Several tracking experiments show that the proposed method can effectively track first moving targets and overcome the tracking error accumulation problem.

基于Canny与Frame-ViBE的运动目标检测方法

ViBE算法前景检测准确率高,但在运动目标检测过程中会产生鬼影,不能很好地适应光照变化。针对ViBE中鬼影及光照变化问题,提出帧差法、ViBE与Canny相结合的方法,利用帧差法提取运动目标像素,使用Canny算子提取运动目标的边缘信息同时能够较好地适应光照变化。实验结果表明,该算法可以有效消除鬼影并减少光照变化的干扰,在复杂的动态环境下取得良好的效果。

基于MR混合现实的足球机器人目标跟踪仿真

机器人跟踪足球时,由于目标具有较强的运动随机性,且较小的目标尺度增大了跟踪框的自适应跟踪难度,目标跟踪时会将很多背景信息包含在内,导致目标模型的更新错误。为此,提出基于MR混合现实的足球机器人目标跟踪方法。构建MR混合现实平台,令足球机器人在虚拟现实场景下完成人机交互,在保证目标跟踪安全性的同时提升目标跟踪性能;采用帧差法获取目标模型,利用投影法对二值图像投影,并对差分图像滤波,以此获取足球机器人在目标模板区域及候选目标区域中的直方图。基于此,更新足球机器人目标模型,实现基于MR混合现实的足球机器人目标跟踪。实验结果表明,当跟踪误差阈值为0.8mm时,研究方法的目标跟踪准确率和成功率均可达95%以上,平均耗时为55.17ms。当足球目标出现遮挡问题时,该方法仍能完成高精度跟踪。

基于现场可编程门阵列的水果识别系统设计

针对目前大多数水果识别系统实时性差和成本较高的问题,本文提出一种基于现场可编程门阵列(FPGA)的水果识别系统。整体硬件设计包含图像采集、检测识别和显示模块。软件部分通过图像采集平台将水果图像存储至双倍数据率同步动态随机存储器(DDR3)控制模块,进行图像灰度化处理,并创造性地提出背景帧差法对水果图像进行分割。通过融合水果颜色和几何特征,实现对水果数量、颜色和种类的识别。整个水果识别系统在不同光照下对常见水果进行了测试。实验结果表明,水果平均识别准确率达到93.25%,识别速度约为16.67 ms,FPGA硬件资源消耗率仅占28.02%,可以满足实时性需求。

基于切削区域温度数据的刀具磨损预测

刀具磨损预测是制造业中至关重要的问题,提前预测刀具的磨损,并及时进行更换,能够降低生产成本,提高生产效率。选择切削区域温度数据来预测刀具磨损,同时考虑到加工过程中切削屑的脱落会影响数据的采集,设计了降噪算法来去除切削屑的干扰。具体而言,首先,设计了基于帧差法的降噪算法;之后,构建了卷积长短时记忆网络预测刀具磨损;最后,通过实验对方法的有效性进行验证。实验结果表明降噪算法能够有效地去除切削屑产生的噪声,提出的网络模型相比传统的BP神经网络模型预测精度有所提高,不同工况下的预测结果均方根误差平均降低了0.0171。

施工现场小目标工人检测方法

利用施工现场监控视频或图像对工人进行精确检测,可为施工安全智能化管理提供基础支持。然而,较远的监控距离使得工人在画面中以小目标的形式出现,加之现场环境复杂多变,给工人检测带来了挑战。为此,本文提出了一种融合改进的YOLO模型与帧差法的小目标工人检测方法。一是通过改进YOLOv5模型对静态工人进行检测,即引入切片辅助推理(SAHI)获取小目标工人更清晰的特征,添加小目标检测头确保小目标对象特征的完整性,利用高效通道注意力机制(ECA)提高对小目标的检测效果;二是通过帧差法对图像特征较弱的运动工人进行检测,一定程度上弥补图像检测的不足。该方法在自建数据集上进行了验证,结果表明:改进后的YOLOv5模型F1-Score提升了11.3%,平均精确均值(mAP)提升了12.5%,而融合帧差法后的综合方法对小目标工人的检出率提高了3.6%,达到了84.2%,FPS达到6帧每秒,能更好地满足施工现场工人检测的需要。

基于深度学习的激光无线充电保护系统

为了提高智能家居远程激光无线充电系统使用的安全性,采用了一种基于深度学习的激光无线充电保护系统。针对贴附于智能家居表面的光伏电池属于小目标,具有不易识别的难点,改进得到了YOLOv7-NH网络模型,设立保护监测区,并融入帧间差分法用于实时监控充电区域;通过创设原理分析-算法框架搭建-环境调试等环节,编写了对充电目标所在区域进行图像监控的保护算法,并搭建了测试系统。结果表明,当激光发射端与充电目标距离在10 m以内,基于该算法搭建的保护系统的响应启动时间均低于1 ms,即当移动异物以低于常规速率1.5 m/s进入大小为40 mm×40 mm的保护监测区时,该保护系统能够在其运动到激光束所在光路前停止激光发射。这一结果对室内激光远程无线充电保护技术的发展是有帮助的。

不同去柱工况下多层钢框架结构抗连续倒塌机理研究

为探究不同去柱工况对多层钢框架结构抗连续倒塌性能影响,分别对中柱失效和角柱失效工况的2层2跨钢框架梁-柱子结构进行Pushdown加载试验,研究其在倒塌过程中的抗力曲线和破坏模式。试验结果表明:中柱失效下钢框架主要依靠弯曲机制和悬链线机制抵抗外加荷载,且悬链线机制具有一定的滞后性;而角柱失效下钢框架主要依靠弯曲机制抵抗倒塌,且由于空腹效应的存在,可以有效提高结构的抗倒塌承载力。随后通过有限元软件ANSYS/LS-DYNA对所研究试件进行数值模拟,并对现实场景中可能出现的6种去柱工况分别进行抗连续倒塌分析。通过对比6种去柱工况钢框架结构的抗力曲线和抗倒塌风险可知:不同去柱工况下的钢框架结构水平约束条件不同,从而空腹效应发展也不尽相同;考虑空腹效应并考虑单位面积结构的承载力时,邻角柱失效与邻边柱失效工况下的钢框架结构具有较高的倒塌风险。

改进五帧差法机器视觉气密性检测研究

气密性是真空设备最重要的技术指标。在工业设备检漏中,传统皂泡法依赖人工目视,其检测准确性和效率取决于工作人员的专注度和操作技能。文章采用机器视觉技术,基于五帧差目标检测算法,进行检漏和漏点定位。由于传统帧差法存在部分画面重叠、边缘信息缺失和处理高帧率视频效果较差等问题,文章提出用Otsu算子和Canny边缘检测共同改进五帧差法。首先对连续图像做差分并转化为二值图,然后对中间帧进行Canny边缘检测,将二值图和Canny边缘检测的结果进行逻辑运算、中值滤波和形态学处理,最后获得完整的皂泡目标。实验表明,新算法能够处理高帧率视频并获得更完整的皂泡轮廓信息,可用于机器视觉真空设备气密性检测。

基于结构相似度聚类视频关键帧提取方法

针对帧间差分法对视频关键帧提取冗余度高的问题,提出了基于结构相似度聚类视频关键帧提取方法。首先,通过帧间差分法对视频内容进行粗划分;其次利用层次聚类法对粗划分的结果进行聚类;最后,引用结构相似度函数(SSIM)剔除其冗余帧,得到最终的关键帧序列。实验结果表明,该方法与传统的帧间差分法及颜色直方图方法相比,能够更好地提取出关键帧,且平均查全率和查准率分别提了10.23%、5.33%。

基于FPGA的“低慢小”目标检测系统实现

为解决“低慢小”目标检测困难的问题,实现了一种基于FPGA(Field Programmable Gate Array,现场可编程逻辑门阵列)的“低慢小”目标检测系统。该系统采取COMS相机获取图像,DDR3 SDRAM缓存视频帧,使用FPGA处理帧间差分法和光流法结合的算法,目标检测结果使用VGA标准显示。测试结果表明,该系统能够检测出在悬停和低速飞行姿态下的低慢小无人机目标并实时显示。

Winkler地基上边坡锚固框架设计计算的简明有限差分法

为克服现有Winkler地基上边坡锚固框架设计计算的有限差分法需假设框架在锚杆处截断的问题,通过建立受集中荷载作用的Winkler地基梁的挠曲微分方程,提出无需做截断处理的简明有限差分法。基于提出的差分方法,改进锚杆拉力在框架纵横梁上的分配与调整方法,并采用Matlab开发功能完善的程序。结果表明:有限差分数值解具有较高的计算精度,框架外伸段直接计算结果会出现负的土抗力,致使计算结果偏于不安全,可通过调整该段边界条件的方法予以消除,使最终计算结果更加可靠。本研究开发的差分程序对锚固框架整体设计提供了一种高效的计算方法。

基于视频智能分析的水电厂人员不安全行为自动化检测系统

为保证水电厂的生产生活安全,该文提出基于视频智能分析的水电厂人员不安全行为自动化检测系统。摄像机模块采集区域内视频并发送给资源模块;资源模块存储以及传输数据;自动检测模块获取由资源模块传输的视频两帧间的人员行为前景图像,将其输入至深度置信网络中,输出人员行为安全性判断结果,并返回至资源模块;若检测模块检测到不安全行为,资源模块会将不安全信号传递给报警模块发出报警。通过实验可知,该方法获取的视频采集结果细节全面、清晰,提取的人员行为前景图像的交并比高,可实现人员不安全行为准确检测。

基于机器视觉的变电站高压电气设备绝缘自动监测方法

变电站高压电气设备绝缘故障检测的过程中,因图像背景干扰,出现图像空洞问题,导致绝缘故障的识别结果不准确.对此,研究基于机器视觉的绝缘故障自动监测方法.通过采用机器视觉中的多轴平行摄影技术对高压电气设备运行异常图像进行采集,结合中值滤波和双边滤波两种方法对采集到的异常图像进行预处理,采用四帧差分算法对预处理后的异常现象图像进行绝缘故障前景目标的识别,解决了图像出现空洞的问题,通过Canny边缘检测算法提取绝缘故障前景目标的完整边缘轮廓信息,得到边缘轮廓准确清晰的绝缘故障图像,并采用三点定位法计算绝缘故障发生的具体位置,获取绝缘故障图像和位置监测结果.实验表明:该方法的定位精度最高可达98.63%,单帧处理时间仅为21 ms,误检次数为0,检测准确率可达98.34%,能够准确完整地识别出绝缘故障发生的区域,并解决图像空洞问题,具有优越的检测性能.

基于MobileNet-SSD与帧差法结合的人体目标检测方法

针对人体目标检测中目标处于图像边缘或目标较小时,MobileNet-SSD算法检测效果不佳的问题,提出一种基于MobileNet-SSD算法与帧差法结合的人体目标检测方法。首先,基于帧差法实现运动目标粗略位置的获取;其次以粗略位置为基准计算目标运动区域,并在检测原图中截取该区域,实现自适应感兴趣区域(Region of Interesting,ROI)的获取,并将ROI送入MobileNet-SSD模型中实现人体目标检测;最后使用MobileNet-SSD算法与帧差法结合的人体目标检测方法开展人体目标检测试验。结果表明:基于MobileNet-SSD与帧差法结合的人体目标检测方法能有效地检测出图像边缘区域的人体目标,且不影响原有检测速度。

局部标架的共旋Timoshenko梁单元多体动力学数值特性分析

多柔体系统的动力学过程不仅包含结构大范围刚体运动带来的几何非线性,也存在大变形导致的几何非线性.近年来,基于李群局部标架的建模方法(local frame of Lie group,LFLG)被验证可与各类建模方法结合,能够消除刚体运动带来的几何非线性.同时,大变形导致的几何非线性也将随着空间离散加密逐渐减弱.由此,LFLG可消除多柔体系统中部件的几何非线性,刚体与柔性体惯性力、内力及其Jacobian矩阵均满足刚体运动的不变性,可有效减少单元Jacobian矩阵更新次数.但由于多体系统还广泛存在约束及载荷的非线性,LFLG方法在实际应用中是否能够提升系统整体的Jacobian矩阵复用效率尚未进行深入探讨.并且,多柔体系统通常采用变阶变步长时间积分策略求解动力学方程,算法阶数以及时间步长变化也将导致多体系统Jacobian变化,加剧了系统Jacobian复用难度.为客观分析LFLG方法在实际仿真中的数值特性,文章首先以共旋坐标建模方法为例,给出了基于李群局部标架的三维Timoshenko梁单元建模方法.较于几何精确建模、绝对节点坐标等方法,该方法能够最大复用小变形有限元方法的单元算法,可降低单元开发难度;其次,搭建了LFLG方法的变阶变步长BDF(backward difference formula)与变步长广义α积分器的计算流程,并针对小变形与大变形两种工况,分析单元弹性力及阻尼力几何非线性特性,对比Jacobian复用效率;最后,通过与全局标架算法对比,分析局部标架方法与全局标架建模方法的数值特性.

拉普拉斯金字塔变换算法的光学元件表面疵病检测

为了解决由于光学元件表面疵病造成光的散射、反射或透射现象,影响光学系统成像质量的问题,设计了基于多光谱技术的光学元件表面疵病检测方法。采集光学元件表面疵病的多光谱图像。采用拉普拉斯金字塔变换算法融合光学元件表面疵病的多光谱图像,利用帧差法对两幅光学元件多光谱图像相减处理,获取光学元件表面疵病的二值图像特征,标记光学元件多光谱图像融合结果的连通区域,利用图像连通区域的长宽比等参数,检测光学元件表面疵病的种类、数量、大小。实验结果表明,该方法有效检测光学元件的麻点、划痕、破点等不同类型的表面疵病,表面疵病尺寸检测精度最高为98.15%。

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。

电弧焊焊接熔池视觉跟踪技术研究

焊接熔池跟踪技术是焊接自动化领域中的关键核心技术之一,其目的是通过对焊接过程中熔池状态的实时监控,自动调整焊接参数,保证焊接质量。通过搭建管道焊接条件,采用机器人自动焊接的方法,搭配CCD滤光相机采集熔池图像序列,随后通过Halcon软件针对熔池图像序列进行分析,采用帧间差分法、光流法对图像进行跟踪处理。利用VS软件与Halcon混编进行界面设计实现程序窗口的输出。试验结果表明:两种算法对于熔池图像序列的视觉跟踪有较好的显示效果,熔池视觉跟踪研究对于实现自动焊具有实际意义。

基于改进凸包算法的手势定位

文中主要介绍了手势分割、手势轮廓、手势凸包、凸包缺陷、指尖定位与手势跟踪,并基于此架构实现对键盘鼠标的模拟。将图像由RGB模型转化为HSV模型后,再通过HSV利用肤色阈值对人手进行分割,从而获得手势轮廓凸包。通过三角形原理计算出指尖与凸包缺陷,解决了手势水平状态下凸包缺陷无法定位的问题。采用单目视觉下的手势跟踪算法进行指尖定位初始化跟踪目标,实现无监督的Camshift实时手势跟踪。实验结果表明,在光照良好的条件下,对键盘模拟的准确率高达90%以上。