基于单目视觉测量运动物体速度的研究

为了实时准确地测出运动物体的速度,提出了一种基于单目视觉测量运动物体速度的方法。该方法采用便携式摄像机对运动小球进行视频采集,以VS2010平台下的开源库OpenCV为开发平台,利用帧差法对运动目标进行检测。所设计的测速算法能够实现对运动小球的水平速度和垂直速度的检测。实验证明,所提测速方法能有效地测出运动物体的速度,且准确度比较高。     

基于智能视觉的车辆事故预警监控系统设计

针对车辆行驶中驾驶员视觉盲区或注意力不集中而造成的交通事故问题,提出采用智能视觉技术对车辆行驶过程中四周的异常物体进行视频监控,对动态视频场景中的运动目标进行检测、识别与实时测距,通过车辆智能视频监控系统最大程度的为驾驶员提供更多预警信息,预防交通事故的发生;文中介绍了车辆智能视觉监控系统的硬件设计方法与软件工作流程,并研究了运动目标检测算法与单目视觉测距算法,通过仿真实验,验证了该智能视觉车辆监控系统对于运动目标进行检测、识别与智能测距判断的实验结果.     

一种基于立体视觉的运动目标检测算法

在目标检测中采用立体视觉方法。首先对立体图像对进行匹配求取场景的视差图，再运用基于视差的背景差分法获得含有运动目标的前景区域，最后根据前景区域的视差和位置分布准确定位各运动目标。立体视觉方法有效解决了单目视觉检测方法中的一些难点问题，可以克服光线的变化和阴影干扰对目标检测带来的影响，在多个目标发生部分遮挡时仍能正确区分各运动目标。     

联合两种颜色空间的阴影检测算法

在视频监控的运动检测中,由于光照、风吹等影响,运动阴影常常被误认为运动对象。为了有效解决动态背景下运动目标中存在的阴影问题,提出了一种归一化的RGB颜色空间和HSV颜色空间相结合的阴影消除方法。该方法首先在归一化RGB颜色空间下用背景减除法得到运动目标,然后在HSV空间下对阴影进行检测和消除,从而得到真实运动目标。实验结果证实：该方法在运动目标检测及跟踪方面取得了较好的效果,对动态背景的视频,能准确、实时地检测出阴影并进行消除。     

基于统计背景模型的运动目标检测方法

运动目标检测是计算机视觉、视频处理等应用领域的重要研究内容。其中减背景技术是一种常用方法。在减背景方法中，背景模型的提取、更新、背景扰动、外界光照条件变化、阴影检测等是必须要考虑的问题。提出了一种有效的运动目标检测方法，较好地解决了以上问题，首先利用统计的方法得到背景模型，并实时地对背景模型更新．以适应光线变化和场景本身的变化，用形态学方法和检测连通域面积进行后处理，消除噪声和背景扰动带来的影响，在HSV色度空间下检测阴影，得到准确的运动目标。实验结果表明，该方法是快速有效的。     

基于运动点积累的视频运动目标提取

通过对视频中运动目标特点的分析,提出了一种提取背景图像的算法。使用运动点积累的方法来更新背景图像,然后应用背景差分准确检测出场景中的运动目标。由于视觉的相似性,使得检测出的目标包含阴影,最后使用阴影滤波函数去除阴影,得到完整的运动物体。实验结果表明,本算法具有较好的实时性和适应性,能检测出比较完整的运动目标信息。     

一种快速的视频序列运动分割方法

提出一种视频序列运动分割的实时方法,该方法通过两次背景更新提取运动前景,其中长程背景更新检测噪声运动区域,并将长时间停留在场景中的物体纳入背景范围,短程背景更新利用单高斯分布模型实现对光线缓慢变化的适应。采用基于颜色空间的方法实现对阴影的消除,通过投影分割提取出不同的运动目标。试验证明该方法能够快速、精确地实现视频序列中多个运动目标的分割,消除背景噪声运动、目标阴影以及场景变化的影响。     

采用UKF建模的实时背景提取和运动阴影检测

实时运动物体分割是实现智能视频监控和视频交通流量检测等视觉系统的基础。目前,影响运动检测的因素主要有两个方面,一是背景建模的准确性;二是运动阴影的干扰。提出了基于无偏卡尔曼滤波器(UKF)的背景提取和阴影检测方法,构建整体的运动物体检测框架。该方法通过对背景和阴影建模,分别从帧间差分和背景差分两个层次综合分析像素值的动态变化特性,并利用色彩和亮度变化特性检测出运动阴影,最后借助UKF对两个模型参数进行在线更新,实现实时的运动物体分割。与现有算法相比,该方法背景跟踪速度快、运动检测效果好、计算量较小。实验结果证明了该方法的有效性和实用性。     

基于单目视觉的机器人目标定位测距方法研究

为实现具有单目视觉的双足机器人对目标物体的定位测距,根据针孔成像和几何坐标变换原理,提出一种基于单目视觉系统自身固定参数计算目标物体深度信息的几何测距方法;该方法利用双足机器人自带的单目视觉系统的固定参数,通过几何映射关系求解目标物体在三维空间内的坐标位置及相对于机器人的距离,克服了由于外界环境变化以及对参照物识别时所产生的误差影响测距定位精度的问题,从而实现基于单目视觉的目标物体精确跟踪定位;并对所提出方法进行了实验,得到比理论结果误差较小的实验数据,证明了方法的可行性。     

基于深度学习的多旋翼无人机单目视觉目标定位追踪方法

针对无人机对目标的识别定位与跟踪,本文提出了一种基于深度学习的多旋翼无人机单目视觉目标识别跟踪方法,解决了传统的基于双目摄像机成本过高以及在复杂环境下识别准确率较低的问题。该方法基于深度学习卷积神经网络的目标检测算法,使用该算法对目标进行模型训练,将训练好的模型加载到搭载ROS的机载电脑。机载电脑外接单目摄像机,单目摄像头检测目标后,自动检测出目标在图像中的位置,通过采用一种基于坐标求差的优化算法进行目标位置准确获取,然后将目标位置信息转化为控制无人机飞行的期望速度和高度发送给飞控板,飞控板接收到机载电脑发送的跟踪指令,实现对目标物体的跟踪。试验结果验证了该方法可以很好的进行目标识别并实现目标追踪