智能视频监控中运动目标检测的研究

针对某武器试验中背景复杂,现有的背景差分法在背景模型的维持和更新不能用于长期和复杂的场景,以及对近地目标提取检测困难的问题,提出一种改进的背景差分法。该算法采用结合邻域信息的背景差分法和最大方差阈值法,能够在一定程度上减小背景滞后更新引起的运动目标检测误差,且使目标边缘提取更加明确,从而提高了系统的运行速度,实现复杂背景下的运动目标检测。在Visual C＋＋6.0中用OpenCV实现了相关算法的设计,并给出了完成系统任务所需的部分关键代码,实现了运动目标和试验场景的分离与提取。仿真实验验证了该算法的有效性以及实时性。     

OpenCV在焊缝实时检测与处理系统中的应用

机器视觉系统是集机械、光电、控制、计算机和数字图像处理等技术于一体的高度自动化系统,能够有效地提高产品的质量和产量,现已广泛应用于工业当中。随着科技的发展,对焊接的质量与效率的要求越来越大,为此有必要设计一套行之有效的,在焊接自动跟踪技术中能够在线检测焊缝并进行处理的焊缝实时检测与处理系统。文中在VC＋＋6．0开发环境中设计了一种采用Otsu自动选择阈值和Canny算子检测边缘,基于OpenCV的焊缝实时检测与处理算法,实验结果表明基于该算法的系统实时性高、效果好、检测正确快速。     

基于Cortex-A8处理器的车牌识别系统设计

随着车辆数量的日益增多,交通管理的压力日趋增大,越来越多的场合需要实时车牌识别。针对此问题,本文设计一种基于Cortex-A8处理器的实时车牌识别系统。该系统以Coretx-A8嵌入式处理器为核心,通过V4L2接口进行视频流的采集,然后运行基于改进的OpenCV车牌识别算法,最后通过MJPG-streamer和Socket编程进行视频流和车牌数据的传输。测试结果表明,该系统具有较强的稳定性和实时性,具有较强的实用价值。     

基于 OpenCV 的双目摄像机标定技术研究

摄像机标定技术作为双目立体视觉领域的一个基础性研究课题,具有很大的理论研究价值和实际应用价值。论文围绕双目立体视觉中的双目摄像机标定技术,分析基于OpenCV的双目摄像机标定的方法。基于OpenCV的双目摄像机标定比传统的定标技术更为灵活,并且具有不错的定标精度。     

基于OpenCV 的智能相册系统

为了对日益增多的数码照片进行有效管理,提出并设计一种可以对大量数码照片进行智能分类的相册管理系统. 关键技术包括照片附加信息提取、人脸检测、人脸标注、人脸识别和特征匹配,主要通过OpenCV 视觉库有效实现. 实验表明,该系统可以有效全自动的实现时间分类和人数分类,并通过人机交互的方式半自动实现人物分类和场景分类,有较高的实用价值.     

利用计算机视觉库的Android平台系统道路识别

利用计算机视觉库OpenCV和Android NDK编译技术在Android平台上实现道路识别的处理过程。首先简要介绍了开源计算机视觉库OpenCV及其移植到Android平台上的方法,该方法使Android平台的应用更加广泛,能够更好地实现各种复杂图像的处理。图像处理部分采用OpenCV的霍夫变换算法以及对象跟踪技术,经过Android平台上的测试,取得了较好的效果。     

基于OpenCV的匀速模糊图像复原与算法分析

对水平匀速直线运动造成的模糊图像进行频谱分析,估计出模糊距离,进而求得图像的点扩散函数。采用维纳滤波法和投影复原法复原图像,分析这2种算法对模糊距离的鲁棒性。采用OpenCV与MFC函数库作为软件设计基础,实现的软件系统对匀速模糊图像的复原效果比较理想。     

基于OpenCV的摄像机标定方法的实现

介绍了开放计算机视觉函数库OpenCV和摄像机模型,考虑到切向畸变和径向畸变,在VC++环境下,指出了基于OpenCV的摄像机标定算法.该算法充分运用了OpenCV的函数库功能,具有很高的标定精度和计算效率,可以满足立体视觉系统的需要.     

基于OpenCV的人流量监测系统

针对人员密集场所人流量统计准确度较低,实时性较差的问题,提出采用基于OpenCV的算法实时进行人流量分析。首先,用Tensorflow中的视频分解为图像算法将采集到的视频分解为帧,对采集到的视频帧图像进行灰度化,去噪声等预处理增强前景物体边缘;其次,通过基于MobileNet V2的SSD算法进行模型训练,meanshift算法进行跟踪检测实现人流量计数;最后,将实时数据通过展示系统输出并实现数据的可视化。结果表明,算法具有较高准确性和实时性。     

基于Adaboost算法的人脸检测实现

人脸检测是指把人脸从一幅静止的图像或者动态视频中检测出来,并且指出人脸在图像或视频中的大小和位置。目前存在着大量的人脸检测算法,其中Adaboost算法是比较实用的人脸检测算法。Adaboost算法中人脸的特征采用的是矩形特征,在大量的样本集中,提取样本的矩形特征进行训练,生成多个弱分类器,然后合并多个弱分类器形成一个强分类器,最后级联强分类器形成最终的分类器,以此作为人脸检测的依据。文章先介绍了人脸检测技术,采用Adaboost算法生成人脸分类器,最后利用OpenCV来实现人脸检测。