基于Android平台实现物体跟踪

介绍了Android操作系统的构成,根据机器视觉中物体跟踪的具体要求,设计了一种基于Android平台的物体跟踪系统。该系统通过摄像头采集图像,在屏幕上选择要跟踪的物体,系统会自动计算目标中心,绘制目标轮廓。并从Opencv视觉库函数的选择,Android开发平台的搭建,模块功能的实现三个方面具体分析了系统的实现,该系统易于操作,实时性好,便于携带。     

基于SVM的人脸检测研究

支持向量机（SVM）是在统计学习理论基础上发展起来的一种新的机器学习算法。依据SVM良好识别和泛化能力,实现了一种基于支持向量机的图像人脸识别方法。利用Opencv提取样本类的低层特征,训练具有径向基核函数的SVM分类器,在VS2008和Qt平台下实现识别软件开发。运行结果表明,软件具有良好的图像人脸检测能力。     

一种提高模糊人脸图片识别率的方法

介绍了一个通过人脸检测程序对模糊人脸图片进行识别的方法：先对图片修改其灰度阈值,以使Haar能够对模糊人脸信息进行快速分辨,再使用0pencv人脸检测程序对模糊人脸图片进行检测。实验结果表明,该方法能够提高对模糊人脸的识别率。     

基于Opencv的运动目标的检测和跟踪

检测运动物体需要无运动物体的背景图像,所以,首先应用多帧像素平均值法提取了运动视频序列的背景图,从背景图像中分离目标像素,获取目标的质心坐标,并应用质心跟踪法以灰色图像序列为基础,对运动的目标进行实时检测和跟踪。质心跟踪法的目标位置通过质点的中心来确定,该算法计算简单,计算量小,其稳定性与精度主要取决于序列图像的分割及其阀值的确定情况。文中给出了用Opencv实现算法的具体过程和关键代码,并且设计了跟踪运动车辆的控制界面,方便了实时监控。实验结果表明,该方法可以实现视频序列中运动目标的识别,具有实时性、并能给出较好的识别效果。     

基于CTPN神经网络对营业执照文字检测模型

对于复杂背景图片的文字识别,首先要做的就是定位目标文字的位置,即文字检测。想要文字识别率高,那对文字检测的准确度的要求就非常高了。传统的RPN(region proposal network)神经网络在文字检测领域的研究已经很成熟,但RPN神经网络在营业执照水平文字检测的准确度上不是很理想。而基于CTPN(connectionist text proposal network)神经网络的文字检测模型明显提高了营业执照水平文字检测的正确率,但用于项目中的话,准确率还是远远不够的。该文是以最新的营业执照作为研究对象,由于检测的图片易受光照和采集设备的影响,加上营业执照的背景比较复杂,所以能够准确地检测到目标文字的位置就非常具有挑战性。文中是通过CTPN神经网络模型来检测出营业执照中水平文字所在的位置,用矩形框来标注,也就是横向水平检测。目前开源的CTPN模型,都是基于某种数据集来训练的,所以对营业执照的文字检测效果就很差,因此该文使用2000张营业执照图像作为实验数据,进行10000迭代训练CTPN模型,最终能够准确地检测到营业执照中目标文字的位置,供项目使用。     

基于Opencv多个窗口合并的算法研究

介绍了开放计算机视觉函数库OpenCv,并详细介绍了其在VC6.0环境下的配置。通过实例介绍了在VC6.0环境下使用Opencv库,多个视频窗口合并为一个窗口的算法过程。     

基于Matlab与Opencv的相机定标研究

相机定标是计算机三维重建不可或缺的步骤,相机定标的精度和可靠性直接影响计算机视觉系统的三维定位精度.Opencv和matlab的camera calibration toolbox都是目前成熟实用的相机定标工具,两者的定标原理相同;但是在实际应用中,定标环境对两者的定标精度影响是不同的.在相机定标理论的基础上,分别采用这两种方法进行相机定标,给出定标的详细步骤和定标结果.通过实验,得出两种定标方法较好的定标环境.     

基于Opencv的监控系统设计

提出了一个基于Opencv的嵌入式安全监控系统的设计方案,利用Opencv对图像进行处理可以实现动态监测、人脸检测功能,若发生异常可以立即发出警报并且将关键图像抓取并送服务器保存,同时结合烟雾检测、温度检测等辅助功能,实现了对室内的可能发生的各种不安全因素的实时和智能的监控。     

色情图片识别系统研究

该文介绍了一套色情图片识别系统,阐述了其结合皮肤检测、大脸检测、特殊部位检测识别技术的算法,依照分层识别的原则,对识别图片逐步进行皮肤检测、大脸检测、特殊部位检测等语义特征识别,依次过滤,最后筛选出色情图片。该系统使用的方法结合了多种特征识别技术,能够较准确地判断出待识别图片是否为色情图片,具有高效性、可移植性好的特点。     

Adaboost算法及其在实时视频流中的应用

针对Adaboost算法在实时视频流中的应用,本文基于Adaboost算法的人脸检测原理,即通过提取图像中的haar特征,在训练过程中选出最优特征,转换成弱分类器,优化组合于人脸检测。最终,利用opencv的开发包,通过VC++软件编程实现基于Adaboost算法实时视频流中的人脸检测。