基于序列图像的人体目标追踪研究

随着计算机视觉技术的发展与应用,基于序列图像的行为分析与研究在该领域中的地位越来越突出,其原理是利用计算机对视频序列中的人体目标进行追踪识别及分析目标行为并描述,采用计算机的识别功能及图像处理功能。人体目标行为辨认指的是通过分析人的运动方式,进行视频序列图像与库存中事先预存的例子进行匹配,从而实现对人体的识别与辨认。     

基于图像序列的三维人体建模方法研究

通过立体视觉测量法对人台模型上的特征点进行二维测量,再根据双目视觉原理对测得的二维数据进行三维转换,然后通过插值算法获得更多的数据,使人体表面的数据信息相对来说更加光滑。然后结合个性化人体的正、侧面图像,对比转换成个性化人体的三维数据信息,从而建立个性化三维人体模型。结果表明:这种方法能够方便、快速建立所需要的人体模型,并且所建立的模型也比较接近于真实人体的图像。     

基于序列图像的运动目标快速检测技术的研究

针对固定场景单目视觉图像序列的运动目标快速检测与定位,本文采用相邻帧间差分法从图像序列中提取出运动目标区域,并对运动目标区域提出一种八向差分快速边缘检测算子。实验结果表明,差分法提取运动区域,简单快速,八向差分算子与传统的Sobel算子相比,能够更快速、准确的提取出目标边缘,并且在二值化过程中,直接选定阈值,不需迭代求取。最后利用相邻两帧目标边缘二值图像在水平和垂直方向的投影计算目标位置,运动速度大小与方向。     

人体行为识别技术专利分析

文章从专利分析角度出发,分析人体行为识别技术相关专利申请概括、主要申请人与国内重要发明人及团队研发方向等,为相关产业的发展提供智力支撑。     

基于三维人体测量的人体体型细分识别的研究

使用非接触式三维人体测量系统对中国北方青年女性人体进行测量,测量数据包括肩宽、胸围、臀围等部位尺寸,这些尺寸作为特征值构成了人体体型特征向量.不均匀体型的比例愈来愈高,因此更进一步细化对人体体型的分类识别变得十分重要.考察了某些特征尺寸的概率分布,然后利用聚类分析将人体体型分为偏瘦、正常、偏胖3类,最后提出使用马氏距离...     

基于深度学习的目标跟踪与行为识别技术

随着人工智能算法模型技术的发展,目标跟踪和行为识别已经成为计算机视觉领域的重要研究任务。该文介绍Yolo V7和Yolo V8这2个最新的目标跟踪和行为识别算法。重点介绍基于深度学习的目标跟踪技术中的目标检测与特征提取、目标跟踪与位置预测,以及介绍基于深度学习的行为识别技术中的视频编码与特征提取、行为分类与识别。此外,该文以Yolo V7和Yolo V8模型结构为基础构建目标跟踪与行为识别的联合学习。     

建立于多姿态特征融合的人体行为识别

随着计算机视觉技术的快速发展和数字化城市的日益加快,公共安全受到了越来越广泛的关注,研究开发公共安全服务机器人就显得十分有必要。实现服务机器人自主服务、人机交互的基础是人体行为识别。为此,本文提出建立于多特征融合基础的人体行为识别,通过人的姿态特征、人的位置变化特征、姿态变化速率特征等,合成简单姿态事件,将姿态事件与特征结合,表达出运动事件,将这种方法作为人体行为识别方法,并为服务机器人自主服务系统开发提供实用价值。     

基于图像分析的安全带识别算法研究

为了规范交通主管部门对机动车安全驾驶的科学管理,提出了一种安全带检测方法。该方法在对图像数据进行预处理的基础上,分别进行了车辆位置估算、车牌检测、车窗定位、人脸检测以及安全带检测。选取某个城市的安全带图像数据进行测试,通过测试程序验证了本文算法的有效性。     

基于图形和图像的人体曲面建模研究

三维人体曲面的快速和准确建模是服装个性化定制和网络虚拟试衣技术的关键。文章基于国内外研究文献,首先介绍和分析三维人体建模方法,包括软件建模、图形建模和图像建模。然后分析三维人体曲面建模关键流程,包括数据预处理模块、形体特征提取模块、曲面建模模块、曲面准确度评价模块,对各模块进行技术分析,并对图形和图像在人体曲面建模中的技术优势进行对比。最后指出三维人体曲面建模技术目前存在的局限性和未来发展趋势。     

基于骨架序列多算法的粮仓作业人员异常行为视频识别

粮仓是保障粮食储藏安全的重要设施。粮仓为封闭大空间,仓内光照昏暗、空气流通差,熏蒸、气调等作业增加了人员安全隐患,通过仓内安防视频对作业人员的异常行为进行识别与分析,是作业人员安全操作的一项重要技术保障。提出了一种基于骨架序列多算法的粮仓内作业人员异常行为的视频识别算法。首先,利用YOLOv3tiny模型对人体进行快速检测,结合Sort对多目标进行运动轨迹跟踪,通过AlphaPose模型提取人体骨架坐标序列及权重信息;进而,根据人体骨架自然连接节点构成的实际空间图（RSG）和虚拟人体的重心与头、手、脚互连构建的虚拟空间图（VSG）,基于人体动力学重心与手脚互动的平衡性,提取仓内作业人员异常行为的空间特征和串联时间卷积（TC）的时空特征;最后,提出了虚实结合的时空图卷积网络（VR-STGCN）仓内作业人员的异常行为视频识别算法。同时自建了混合数据集,并将VR-STGCN与SSD、PCANet、Two-StreamCNN、STGCN等四种算法进行了对比实验与分析。结果表明：VR-STGCN各项指标均优于其他四种算法;VR-STGCN能够在光线不足、多目标、远距离等复杂环境下准确地识别出仓内人员的跌倒、爬行、躺平等异常行为,识别准确率达到97.7%,处理速度为18.67 fps,能够实时分析作业人员异常行为。研究成果为复杂环境下粮仓作业人员的安全保障提供了一种全新高效的技术。     

基于极化SAR图像的目标特性研究

利用公开的全极化SAR数据,研究基于SAR图像的检测、目标特性的研究。首先根据四个线极化通道合成的伪彩色图像,对场景进行初步认知。利用圆极化基和线极化基的转换公式,将线极化SAR数据转换为圆极化基下的极化散射矩阵,完成对人造目标和自然目标互易性的判断。对目标四个线极化通道一维距离像的信噪比分析,验证了不同极化基下交叉极化分量与同极化分量的信噪比强度。     

基于可穿戴加速度传感器的人体运动状态识别研究

探讨以加速度传感器模块监测人体运动状态的智能服装,提出一种识别人体运动状态的方法。该方法通过对采集到的数据进行处理,求取人体日常活动状态合加速度的平均值、标准差、峰峰值和平均偏差,从而有效识别人体日常活动的慢走、快走、上下楼梯以及跑步和跌倒,用快速傅里叶变换的方法求取慢走、快走和跑步的时域图对应的频谱图,分析它们的运动频率,从而更加准确的区分走路和跑步。为减少对跌倒的误判,对跌倒过程进行分析,用跌倒阈值以及加速度传感器初始状态位置的改变和跌倒后人体的倾角来对跌倒进一步进行判断。研究表明该方法应用在智能服装中可有效区分人体慢走、快走、跑步、上下楼梯和跌倒。     

基于ClothResNet模型的人体衣物颜色识别

针对人体衣物属性识别存在衣物分割困难、颜色易扭曲、识别效率和准确率低的问题,提出一种基于ClothResNet模型的高效人体衣物颜色识别方法,模型以ResNet18网络为基础,设计优化的金字塔池化模块以捕获图像中的多层语义信息,融合坐标注意力机制以关注人体衣物轮廓信息,融入空洞卷积以提升网络效率,从而利用多重信息提高人体衣物识别精确率。针对人体衣物属性数据集不足的问题,利用公开数据集活动模板(回归ATR)原始彩色图像构建衣物属性数据集pcaparsing。性能对比实验表明,ClothResNet模型在衣物颜色属性识别中的平均精确率达到94.49%,结果均优于同类方法。该识别方法在中小规模的人体衣物颜色识别系统具有广泛且重要的应用前景。     

基于图像分析的大米形状识别

提出了一种基于计算机图像分析的大米米胚脱落与颗粒破碎识别新方法。首先,将边缘曲线变换为极坐标形式,采用椭圆模板定位目标,获得一组与目标平移、旋转和尺度无关的形状描述数据;再运用小波变换提取奇异点及特征参数。取100颗样品进行验证,结果表明,该方法用于目标定位与识别时的鲁棒性强,可信度高。对米胚脱落、米粒破碎的判定正确率分别为98.9%、100%。     

基于模板匹配的三维目标鲁棒识别研究

针对三维目标在复杂背景下目标识别的问题提出了一种综合利用模板匹配处理的算法。根据真目标的形状和轮廓,利用数学形态学方法设计出一种模板,利用该模板对待识别目标进行预处理,保留目标区域部分,去掉背景区域部分,这样可以消除背景变化所造成的影响,在此基础上利用目标的特征前面的研究结果,对目标进行识别和分类。     

基于图像的人体颈肩部三维模型构建

为实现个性化服装在线设计和虚拟试衣,提出一种基于人体正侧面照片的尺寸测量及建模方法.首先结合202名青年女性的三维点云数据确定与人体颈肩部形态相关的8个特征截面层,以各截面层中心点为基准点每隔10°测量角度半径并分析其与截面厚度、宽度之间的关系,建立各截面层的曲线形态规则.然后基于人体正侧面照片进行图像分割以提取人体轮...     

基于图像的人体肩部特征点检测方法

针对现有检测算法对肩部特征点的误检、漏检和检测误差大等问题,提出了一种改进的基于人体轮廓编码的肩部特征点的检测方法。该方法以人体所占图像的大小来确定特征链码串的长度,并且通过特征区域分割、特征区域遍历,具有几何特征的链码串动态筛选的搜索方式,筛选出符合条件的肩部特征点。在获取肩部特征点以后,计算出肩宽值,并且与实际人工测量的肩宽值进行比对与分析。本文实验共选取了100名不同身型的青年测试者(50男/50女)在同一拍摄环境下对该方法的可行性进行测试。结果表明,采用该方法能够快速识别人体的肩部特征点,与人工测量值对比得出的平均误差仅在3%左右,较好地提升了二维人体肩宽尺寸检测的效率,并且为后续服装匹配等相关工作提供了更加精确的数据支持。     

基于磁性纤维的加密纸张图像采集与识别研究

针对磁性纤维的加密纸张从肉眼无法识别加密图案的问题,提出一种基于磁性纤维加密纸张的图像采集与识别方法。加密图像采集装置首先对磁性纤维加密纸张进行强磁处理,其次通过向磁性纤维加密纸张喷洒磁粉以使加密图案显现出来,最后利用CCD相机拍摄加密纸张图像。针对拍摄的原始图像提出将改进的机器视觉算法与卷积循环神经网络(CRNN)相结合的方法构建纸张加密图案识别模型。通过组合高斯滤波、Sobel边缘检测算子、改进的最大类间方差法(OTSU)等算法实现对加密图案的检测与分割,然后将分割后的图像输入CRNN网络完成磁性纤维加密图像的特征提取和识别。结果表明,模型识别准确率达到98.37%,能够较好地解决基于磁性纤维加密纸张的加密图案识别问题。     

基于字符图像像素分布概率的印刷机模糊识别研究

通过比较使用不同印刷机印刷相同文字的效果,可以达到印刷机识别的目的.本论文提出了一种新的印刷机识别方法.该方法使用了凯西(Casey)和纳吉(Nagy)方法,克服了传统字符识别方法的缺点.在这个方法中,字符图像的像素分布概率是基本指数,最小间距的乘积和最大模糊相关度是双重优化的评价指标.这种方法的精度取决于像素水平.不同的印刷机印刷相同字符存往微小差异,可通过字符图像的像素差别来识别.此外,字符图像的像素分布概率也是不同的.印刷机识别实验表明,准确识别率约为96.18%,基于像素分布概率的印刷机识别方法是有效且可行的.     

基于SVM的ISAR像中的目标识别

采用了SVM分类器对三类飞机目标的ISAR像样本集中目标进行了分类识别,经实验证明其分类精度较高,分类器训练时间和分类时间在与其他分类算法相比都有显示优势。