基于扩展Haar特征的AdaBoost人脸检测算法

对于常用的基于Haar特征的AdaBoost人脸检测算法存在漏检率与误检率高等不足, 增加了Haar特征的扩展种类, 这些新增Haar特征能够有效减少因眉毛与眼睛灰度值近似而引起的误判, 同时去除一些针对人脸分辨效果不好的特征来提高算法的实时性, 深入分析了利用Haar特征与AdaBoost算法构成的级联分类器的特点. 实验数据结果验证了改进后算法的可行性.     

基于颜色和几何特征的图像特征点匹配算法

提出一种基于颜色和几何特征的图像特征点匹配算法。首先提取两幅图像特征点集邻域色调的局部累加直方图，然后结合图像特征点的几何特征构造亲近矩阵，再对亲近矩阵进行奇异值分解（SVD），利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵，最后根据关系矩阵实现两幅图像的特征点匹配。实验结果显示，这种图像特征点匹配算法对真实图像的平面旋转和立体旋转都具有较高的匹配精确度。     

一组用于快速人脸检测的分开Haar特征

本论文提出了一种能快速、精准用于人脸检测的特征即分开Haar特征（Separate Haar，简称Sep-Haar）.本文研究过程中有3个关键贡献，第一是提出"分开Haar特征"，即在Haar特征矩形之间添加了一个不关心的区域，可通过这个算法得到一些更有效的特征.第二是为这个不关心区域选择最好宽度的算法，这个算法用于减少学习特征的总数量，以减少内存的使用.第三是同样通过Adaboost算法应用，采用Sep-Haar特征能使用较少量的特征而得到最好的误报率.基于此研究结果，本文也提出了一种新分类器，每个阶段都有较小的误报率，实验结果表明使用该特征能够在减少检测时间情况下提高命中率.     

基于颜色和几何特征的图像特征点匹配算法

提出一种基于颜色和几何特征的图像特征点匹配算法。首先提取两幅图像特征点集邻域色调的局部累加直方图,然后结合图像特征点的几何特征构造亲近矩阵,再对亲近矩阵进行奇异值分解(SVD),利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵,最后根据关系矩阵实现两幅图像的特征点匹配。实验结果显示,这种图像特征点匹配算法对真实图像的平面旋转和立体旋转都具有较高的匹配精确度。     

基于Haar特征的人脸识别算法

本文采用基于类Haar特征和AdaBoost分类器的算法,用于检测人脸的区域。实验结果表明,该算法具有运行速度快,识别准确率高的特点。     

基于类Haar特征模板匹配的多镜头步态识别算法

针对视频监控中步态识别算法准确度较低的问题,提出一种双边傅里叶校正点估计类Haar特征模板匹配的多镜头步态识别算法。根据视频监控的特点,使用图像点估计重构算法,设计一种无标记类Haar特征模板匹配的步态特征提取算法,进行步态的自动识别与提取。对不同镜头视角下特征运动角度提取差异,基于双边傅里叶级数实现观测角度校正,并依据高维特征空间设计自适应顺序前进浮动选择的搜索算法。在Southampton测试库上的仿真结果表明,该算法步态正确分类率达到96.3%,能有效提高分类识别精度。     

一种基于肤色检测和Haar级联分类器的实时人脸检测系统

人脸检测是一种在数字图像中找到人脸位置和大小的技术。常用于人脸识别、人脸追踪、面部动作捕捉、相机自动对焦等应用中。本文设计并实现了一种基于肤色检测和Haar级联分类器的系统来进行实时人脸检测,先通过肤色检测过滤掉图像中的非皮肤像素区域,后通过Haar级联分类器对剩余像素区域中的人脸进行检测。实验结果表明本系统能够实时地对视频画面中的人脸进行检测,且人脸检测算法计算时间明显小于传统的检测算法。     

基于NAO机器人视觉的考勤系统设计与实现

基于NAO机器人的应用领域层出不穷,主要用于研究、教育、开发、自闭症等.借助NAO机器人身上的一系列用于探测和识别不同面部和物体形状的算法,设计并实现基于NAO机器人视觉的考勤系统,主要包括考勤系统的发展现状与基于NAO机器人考勤系统的优势、考勤系统的整体设计、基于图像识别的考勤技术、考勤系统的实现、研究总结与反思五个...     

RoboCup标准组机器人队员识别仿真

在RoboCup标准组机器人比赛中,由于NAO机器人对其它队员的视觉识别容易受到场外背景和场内各队员之间的遮挡等干扰因素的影响,使得识别结果存在许多错误和遗漏.通过多特征融合目标识别方法,分别从机器人视觉图像中提取出尺度不变(SIFT)特征与颜色直方图,分别对两种特征进行匹配,通过匹配成功的SIFT特征点来获取机器人在视觉图像中的形体范围,再通过与颜色特征相结合来获取机器人的具体区域,避免了只采用单一特征进行识别所受到的干扰因素的影响.仿真结果分析显示了改进方法相比传统方法具有更好的识别准确度和抗干扰能力.     

基于颜色和形状特征的图像检索方法

提出了一种基于颜色和形状特征的图像检索方法。在对HSV颜色模型量化的基础上,提取颜色直方图作为图像的颜色特征。在提取形状特征时,结合颜色量化结果,利用图像分割提取图像的形状特征,利用两特征的加权距离计算图像之间的相似度,而后进行图像检索。实验结果表明,该方法取得了较好的检索效果。     

基于彩色Gabor特征的人脸识别技术

提出了一种利用所提取的彩色Gabor特征来提高人脸识别系统性能的方法。首先利用四元数表示彩色信息,考虑到Gabor滤波器具有空间局部性和方向选择性的特点,将其扩展到四元数空间。然后通过人脸图像特征点与Gabor滤波器的卷积来提取特征,这样就将传统的灰度Gabor特征拓展为彩色Gabor特征。最后对于所提取的特征利用PCA降维后送入支持向量机中分类。实验采用彩色FERET人脸库并利用ROC曲线进行交叉检验,结果说明通过提取和利用这种彩色纹理信息能显著提高人脸识别系统性能。     

一种用于高尔夫赛的NAO机器人比赛系统设计

基于NAO机器人平台设计了一种机器人高尔夫球比赛系统,并设计制作了用于比赛的附加硬件结构,提出并实验了一种基于高尔夫比赛规则的机器人比赛系统,控制NAO机器人通过单目视觉识别周围环境和目标物,并通过运动控制设计机器人击球、行走等动作使机器人完成整个比赛流程.实验证明该系统可行,并获得江苏省第一届机器人高尔夫赛省一等奖.     

类人足球机器人场上目标识别算法

在比赛过程中类人足球机器人的视觉系统需要对足球、球门以及对阵双方机器人进行识别. 考虑到算法的快速性及有效性,采用基于颜色信息的算法对球及球门进行识别,通过球及球门的颜色阈值提取图片中球与球门可能的位置,再由球与球门的背景色或面积信息确定球与球门的正确位置. 对双方机器人的识别,首先提取机器人的特征,然后通过在线实时的监督学习方法训练一组级联分类器,通过训练好的分类器对双方机器人进行检测. 实验表明算法能够快速有效地识别场上目标,且算法具有较好的鲁棒性.     

NAO机器人在自闭症干预中的应用

描述了自闭症谱系障碍（ASD）患儿基于人形机器人NAO人机互动情况下和在普通课堂环境下的行为反应,并给出其在干预治疗及普通课堂环境下的评估结果。大量实验结果表明,基于NAO机器人的人机互动干预过程中患儿自闭症状行为较普通课堂大大减少,其症状得到有效控制。因此可得出结论：人形机器人NAO可以作为帮助自闭症谱系障碍患儿干预治疗的平台。     

基于新Haar-like特征的多角度人脸检测

在Haar-like特征的基础上增加新的检测特征,给出特征计算方法和积分方法,实现多角度人脸检测。将多角度人脸分为3类,即全侧脸、半侧脸和正面人脸。利用连续Adaboost算法训练各类人脸检测器,用金字塔式结构将各类人脸检测器级联成一个多角度人脸检测器。在CMU人脸检测集合上,该检测器的成功率为85．2％,高于Adaboost算法和浮点Adaboost算法。     

基于九分块的颜色直方图图像检索算法

随着社会和科技的发展,人们对基于内容的图像检索的要求越来越高,但因研究起点较晚,技术还不是很成熟。文中就图像检索所用到颜色、纹理、形状、轮廓的基本颜色特征中比较重要的颜色特征为主要研究对象,从传统的基于全局颜色直方图及后来发展的一些改进的颜色直方图等思路出发,提出了一种基于九分块的颜色直方图方法,提高了图像检索的效率。     

基于分量直方图的移动机器人视觉图像自适应分割

提出一种基于分量直方图的自适应分割方法．首先对图像的3个分量统计直方图进行自适应分割,确定出各分量的分类数目及类的取值范围;然后,对分割类进行分量间组合,获得原图像中主要的几种颜色;最后以这些颜色作为聚类中心,按照颜色相似性准则对图像进行聚类分割．在移动机器人CASIA 1上进行的实验证明：该算法实现了图像主要区域的自适应分割与提取,并且能够满足移动机器人对视觉处理过程的实时性要求．     

基于颜色特征的卫生陶瓷缺陷图像识别

针对卫生陶瓷在生产中存在的缺陷,提出了一种基于颜色特征的卫生陶瓷缺陷图像识别的方法。该方法为卫生陶瓷缺陷图像建立了缺陷特征库,可以对卫生陶瓷缺釉图像和裂纹进行快速识别。通过大量科学实验,缺陷特征库的建立受到光照和背景因素影响较大。本方法对卫生陶瓷缺馅图像识别,具有提取速度快,精度高等优点。为卫生陶瓷产品的检测提供了一种新思路。