基于序列图像的实时人流检测与识别算法研究

针对可见光下人流检测、识别算法中存在的运动目标分割准确率低、识别效果差等问题,提出一种新的跟踪与识别方法.首先利用序列图像中运动目标时空一致性,将帧间二阶差分(SODP)与边缘检测相结合进行运动目标分割;再根据行人运动模型和运动目标局部性特征,通过粗采样方法快速提取跟踪特征向量;利用运动目标轮廓投影比、形状因子等特征分量,并构造基于人工神经网络的运动目标分类器进行识别.通过对大型商场进行的实际测试表明:该方法在运行效率、识别准确率方面均取得满意结果.同时,算法对于光线、阴影和人流变化等外界因素的影响,具有较强适应性.     

转台运动性能检测系统的设计与实现

高精度三轴转台的精度是飞行仿真实验结果有效性的重要保证.为实现对转台位置精度、速度精度、加速度精度和带宽等运动性能的自动检测,以PXI虚拟仪器为核心,结合转台的输入输出接口,设计并实现了转台运动性能检测系统(TKTS,turntable's knematics poporty testing system).首先,给出TKTS的总体设计及硬件选型,并对测试精度进行了深入分析,然后详细讨论了TKTS的自检、校准、数据采集和数据处理等功能及软件的工作流程,最后给出了TKTS的实际应用结果.TKTS在不改变转台性能的前提下,实现了对转台运动性能的自动化检测与校准,提高了转台运动性能检测的效率与精度.     

一种基于OpenCV实现的三帧差分运动目标检测算法研究

运动目标检测在视觉监控系统、医学图像分析、工业检测和军事等领域有着广泛的应用。运动目标检测处于这些应用的最前端,检测结果的准确精度对后续处理有很大的影响。文中提出了一种三帧差分运动目标检测算法,利用OpenCV函数库进行了仿真测试,并与基本帧间差分算法进行对比分析,结果表明该算法准确率高,运算速度快,能满足实时要求。     

基于机械臂的涡轮壳零件表面质量视觉检测

针对涡轮壳零件表面质量检测中存在的检测精度和效率低、实现难度大等难题,提出一种基于机械臂和机器视觉的表面质量检测方法。首先采用机械臂带动视觉系统运动到检测工位采集零件表面图像,然后对图像进行滤波、区域提取、特征提取和分割等处理,检测出涡轮壳表面的磕碰、凹坑等缺陷。通过现场试验结果表明,本系统单工位平均检测时间小于2 s,漏检率仅为0.4%,检测精度和效率均满足工程应用要求。     

混合高斯模型结合五帧差分的运动目标检测

在复杂背景下,光照变化、目标短暂遮挡以及背景运动等因素会导致运动目标检测精度较低.提出一种结合改进混合高斯模型和改进五帧差分的运动目标检测算法,首先在混合高斯模型中加入自适应学习率以及背景学习速率更新策略有效解决传统背景更新速率恒定而出现的残影现象;然后利用改进的五帧差分法克服运动目标短暂遮挡问题,并加入光照阈值判别因素,有效减弱光照变化带来的影响;最后对两者结果进行或运算进而得到最终检测结果.实验结果表明,该融合算法在复杂环境下具有一定的抗干扰能力,运动目标检测精度较高.     

牛乳蛋白检测影响因素计算机仿真研究

对牛乳蛋白质检测的影响因素进行了仿真研究.在对牛乳样品进行一些理论假设的前提下,通过仿真实验获取相关实验数据.利用Matlab软件进行多项式回归分析编程处理,分别建立了散射角-光强、波长-光强的二个影响因素的关系模型.对影响检测精度的散射角、光源波长和环境温度因素进行了研究分析,确定了提高蛋白质成分检测精度的最佳散射角、光源波长、环境温度等检测参数,提高了检测精度.     

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。     

光栅检测系统温度误差的补偿方法

温度误差是影响检测系统精度的重要因素。重点论述了环境温度的检测过程 ,提出了利用单片机对温度误差进行补偿的系统结构与原理。最后给出实验结果     

改进混合高斯模型的运动目标检测算法

针对传统的混合高斯模型存在无法完整检测运动目标、易将背景显露区检测为前景等问题,提出了一种基于混合高斯模型的运动目标检测的改进算法。通过将混合高斯模型与改进帧差法进行融合,快速区分出背景显露区和运动目标区,从而提取出完整的运动目标。在运动目标由静止缓慢转为运动的情况下,为背景显露区给予较大背景更新速率,消除了背景显露区对运动目标检测的影响。在兼顾混合高斯模型在复杂场景中对噪声处理效果差的基础上,利用背景模型替换的方法来提高算法的稳定性。经过反复实验,结果表明改进后的算法在自适应性、正确率、实时性、实用性等方面有了很大的改进,能够在各种复杂因素存在的情况下正确有效地对运动目标进行检测。     

改进混合高斯模型的运动目标检测算法

针对传统的混合高斯模型存在无法完整检测运动目标、易将背景显露区检测为前景等问题,提出了一种基于混合高斯模型的运动目标检测的改进算法。通过将混合高斯模型与改进帧差法进行融合,快速区分出背景显露区和运动目标区,从而提取出完整的运动目标。在运动目标由静止缓慢转为运动的情况下,为背景显露区给予较大背景更新速率,消除了背景显露区对运动目标检测的影响。在兼顾混合高斯模型在复杂场景中对噪声处理效果差的基础上,利用背景模型替换的方法来提高算法的稳定性。经过反复实验,结果表明改进后的算法在自适应性、正确率、实时性、实用性等方面有了很大的改进,能够在各种复杂因素存在的情况下正确有效地对运动目标进行检测。     

基于混合包围体的OpenMP并行化碰撞检测算法

针对交互式系统中碰撞检测实时性、精确性的要求,提出了一种共享存储系统的并行碰撞检测算法.利用AABB包围盒较好的紧密性和包围球计算简单的优点来构建物体的混合包围体层次(S-AABB),快速排除不相交的物体以加速算法,利用OpenMP并行模型来并行遍历混合包围体层次,进一步加速碰撞检测算法.实验结果表明,与现有经典的I-COLLIDE等算法相比,该算法在效率、精确性方面具有明显优势,能够满足交互式复杂虚拟环境的实时性和精确性的要求.同时,还与已经提出的MPI及Pipelining等并行算法进行比较,从时间效率和资源消耗两个方面说明本文基于OpenMP算法的优点.     

结合轴对齐包围盒和空间划分的碰撞检测算法

目的 碰撞检测是虚拟现实,特别是虚拟装配中的关键技术。针对基于包围盒的碰撞检测算法的准确性和检测效率不足的问题,提出一种结合AABB轴对齐包围盒和空间划分的碰撞检测算法。方法 本文算法采用分步检测的方法,利用AABB算法来确定两包围盒的相交区域后,结合模型移动方向和运动趋势进行空间划分,利用碰撞检测的时空相关性,对时空相关的部分进行相交测试,通过将包围盒还原成三角面以及点的方式来保证检测的准确性。结果 本文算法与AABB层次包围盒二叉树算法、k-Dops包围盒算法以及BPS空间分割树算法进行对比实验分析。在碰撞的几何精度上,本文算法在大部分情况下与AABB算法和k-Dops算法的距离差超过阈值0.02,证明本文算法在碰撞几何精度上有明显的提高。在碰撞检测时耗上,随着碰撞检测难度的不断增加,本文算法在平移自由度下比AABB算法和BSP算法、在旋转自由度下比AABB算法和k-Dops算法的检测时间均降低了50%以上。在三角面数对算法碰撞检测时耗的影响上,当运动模型的三角面数较多时,本文算法表现出更高的稳定性。结论 结合AABB包围盒和空间划分方法的碰撞检测算法,在减少碰撞检测所需时间的同时提高了碰撞检测的准确性,可以满足虚拟装配技术中对碰撞检测算法准确性的要求,同时也能满足使用者实时性的交互习惯。     

一种新的基于混合层次包围盒的碰撞检测算法

为了实现物体间快速精确的碰撞检测,提出了一种新的基于混合层次包围盒的碰撞检测算法,充分利用了包围球计算简单和K-DOPs包围盒紧密性好的优点,来构建物体的混合层次包围盒结构。在包围盒树的上层采用Sphere包围盒,能快速排除不相交的物体,下层采用K-DOPs包围盒,进行更加精确的相交测试,提高了碰撞检测实时性。实验结果表明,该算法是有效可行的,具有较强的实时性及鲁棒性,性能优于传统碰撞检测算法。     

实时碰撞检测算法综述*

介绍了常用的基于图形的实时碰撞检测算法适用场合及实施策略,重点从构造难度、数据存储量、相交测试复杂度、紧密性、物体旋转时包围盒更新计算量、变形体碰撞适用度等方面分析了基于包围盒的碰撞检测算法,并进行了横向比较;介绍了基于图像的碰撞检测方法的特点、实施策略及研究现状。最后总结提出了算法研究中存在的问题及新的发展方向。     

复杂场景中基于拓扑空间网格的碰撞检测算法

为了提高复杂场景的碰撞检测效率,提出一种基于拓扑空间网格的碰撞检测算法. 由于场景中存在众多形状复杂、尺寸不一且运动状态不同的物体,首先采取场景预处理对空间进行均匀八叉树网格划分,建立物体方向包围盒层次树与空间网格拓扑结构,利用静态大尺寸物体分割策略提升定位精确性,然后在实时检测中利用拓扑空间网格及投影相交测试排除大量不相交物体对,利用层次包围盒算法对潜在碰撞对进行精确检测并计算出碰撞点. 实验结果表明,本算法有效地提高了实时检测的效率,适用于复杂虚拟场景中的碰撞检测.     

适用于移动设备的实时碰撞检测算法

针对移动设备性能低、屏幕小等缺陷,提出一种快速有效的碰撞检测和响应算法。该算法使用多层次碰撞检测和动态多分辨率网格划分的方法来减少碰撞检测的计算次数,提高了算法性能。在碰撞响应中,为了精确计算碰撞的交点以符合物体运动的物理规律,采用时间间隔二分查找算法来保证碰撞的计算精度和系统效率。为某公司设计的移动台球游戏的运行结果表明该算法具有较高的性能和良好的实时交互性,满足用户的需求。     

一种优化的混合型A缓冲碰撞检测算法

在分析碰撞检测算法图像空间法与对象空间法各有优劣的基础上,以提高碰撞检测的完全性、唯一性与实时性为目标,提出一种基于图像空间法与对象空间法相结合的A缓冲碰撞检测算法。利用CULLIDE算法的实时性及AABB算法精确性相结合的优点,以A缓冲单元控制精度,可根据不同场景的需要控制A缓冲单元的尺寸。因不需要预处理,避免了不必要的重叠检测,能简单地被硬件加速,其速度比普通的方法约快8倍的速度。不仅适应于刚体与软体模型,而且能够检测自我冲突。     

适用于复杂场景的碰撞检测算法研究

创建虚拟场景不仅要进行静态建模，更重要的是进行动态建模。而且物体之间的实时碰撞检测是关键。首先对常用检测算法的检测效率进行了分析和比较。然后重点针对复杂虚拟场景中吉有大量物体的特点，提出了混合包围盒碰撞检测算法。该算法利用帧与帧之间的时间和几何相关性，把对（cn^2＋m）个对象的动态跟踪转化为它们在三个坐标轴上的投影的排序问题，把时间复杂度由O（n^2）降低为O（n）。并引入树的深度的概念，根据不同的应用场合合理控制检测深度以加快检测速度。理论分析和仿真计算都表明，该算法能够满足多达几百个运动物体的实时交互碰撞检测。     

基于深度纹理的实时碰撞检测算法

结合层次包围盒和基于图形硬件的方法,以带深度纹理的包围盒替代物体的几何模型,利用图形硬件在纹理映射时进行深度比较,以实现碰撞检测.实验结果表明,与CULLIDE算法相比,文中算法执行效率更高且执行时间固定,具有较高的实时性.     

融合神经网络的布料碰撞检测算法

目的 针对当前在虚拟环境中布料柔体碰撞检测效率慢和准确性低的问题,提出一种根节点双层包围盒树结构和融合OpenNN （open neural networks library）神经网络加速预测碰撞检测的算法。方法 首先改进了碰撞检测常用的包围盒技术,提出根节点双层包围盒算法,减少包围盒的构造时间。其次使用神经网络优化碰撞检测技术,利用神经网络可以处理大量数据的优势,每次可以检测大量基本图元是否发生碰撞,解决了碰撞检测计算复杂性高的问题。最后准确地找到碰撞粒子并做出碰撞响应。结果 在相同的复杂布料模型情况下,根节点双层包围盒算法在运行速度上比传统混合包围盒算法快,耗时缩减了5.51%~11.32%。基于OpenNN算法的总耗时比根节点双层包围盒缩减了11.70%,比融合DNN （deep neural network）的自碰撞检测算法减少了6.62%。随着碰撞检测难度的增大,当布料模型的精度增加84%时,传统物理碰撞检测方法用时增加96%,融合DNN的自碰撞检测算法用时增加90.11%,而本文基于神经网络的算法用时仅增加了68.37%,同时表现出更高的稳定性,满足使用者对实时性的要求。结论 对于模拟场景中简单模型的碰撞,本文提出的根节点双层包围盒算法比传统的包围盒方法耗时短。对于复杂模型,基于OpenNN神经网络的碰撞检测算法在效率上优于传统的包围盒算法和融合DNN的自碰撞检查算法,而且模拟效果的准确性也得以保证,是一种高效的碰撞检测方法。