一种目标自动识别与跟踪算法研究

目标自动识别与跟踪是跟踪系统中的关键技术.在坦克的目标自动跟踪系统中,由于摄像仪安装在运动载体上,其拍摄的图像背景相对于摄像仪是运动的,从运动背景中检测出其中的运动目标难度较高.本文将目标分为对地目标与对空目标2种类型,并根据目标类型的不同特征,分别采用SSDA和以图像矩为特征值的相关跟踪方法来识别.实验结果表明,该方法可以较好地自动识别与跟踪运动目标.     

基于栅格化模型的SAR图像仿真方法研究

SAR图像仿真的研究对于SAR图像目标识别与解译研究具有重要意义。提出了一种基于栅格化模型生成回波的SAR图像仿真方法:将目标的三维模型映射到栅格平面中,运用射线跟踪原理,获取目标几何信息计算回波并成像处理获得仿真图像。该方法与传统方法相比,射线跟踪的计算复杂度不依赖于原始模型面元数目,提高了计算速度,同时,可以通过调节栅格化采样率实现不同的仿真精度,满足不同的应用需求。实验结果表明,通过该方法获得的仿真图像与真实图像匹配度高,该方法可以有效辅助SAR图像目标解译工作。     

空中目标搜索与跟踪算法验证系统的实现

本文介绍了空中目标搜索与结构、原理与实现。该验证系统包括目标视景生成、目标图像采集与处理、目标识别与跟踪算法及动态处理结果显示。各种目标搜索与跟踪算法都可在此平台上进行验证,通过验证结果可以较好地研究算法的性能,这对算法开发及研究具有实际意义。     

基于KCF的弹载目标跟踪方法研究

随着精确制导武器在现代战争中的广泛使用,图像制导技术己逐渐成为制导领域的研究热点,而目标跟踪技术作为其中的关键技术,一直深受是国内外关注。针对传统目标跟踪算法跟踪精度低,以及当前算法工程化实现难度大的问题,基于核化相关滤波跟踪(KCF)算法,结合弹载视频目标特点,设计了一套包含了摄像机交互、图像处理、核心跟踪、图像显示四个模块的弹载目标跟踪系统,并设计了算法调试使用平台。经实验验证,该系统可以快速、准确的对弹载目标进行有效跟踪,且操作简便易于使用。     

多目标跟踪在红外制导系统中的应用

为实现远距离对可疑目标的跟踪功能,提高红外制导的引导精度,提出了一种多抽头流水线架构的多目标跟踪方式.该方法将图像预处理、图像分割和目标检测等算法均在FPGA内部通过卷积运算实现,通过提高卷积运算速度达到实时处理的效果.试验结果表明,该方法与其他跟踪算法相比,可以自适应调整窗口大小、改变跟踪策略和自动分配窗口,提高了跟踪的多样性和可选性.该方法可以引导红外制导系统对多个目标同时进行跟踪,最终给出判据对威胁等级高的目标进行打击,具有实际应用前景.     

基于ISPF与异类信息融合的视觉目标跟踪

以监控系统为研究背景,引入了一种基于图像多特征信息融合的ISPF跟踪算法。利用基于颜色信息的模板匹配作为底层跟踪,通过分析目标轮廓的运动信息抽取具有特殊权重的中心粒子,并利用该粒子限制和引导底层跟踪的结果。由于融合了图像的颜色信息和运动信息,从而提高了跟踪精度,仿真结果表明该方法比利用单一信息的视觉跟踪更具优越性。     

基于动态自适应相关滤波的复杂场景目标跟踪算法

为解决目标变化、场景非均匀照明等复杂场景下的目标跟踪问题,提出了一种复杂场景下基于动态自适应相关滤波的目标跟踪算法。该算法首先构造一组几何失真的目标参考图像的版本,然后基于组合滤波器的思想,将构造的适用于每个图的最优模板组合起来;同时为避免下一帧中预先指定目标预期位置的需要,算法采用基于时间序列的预测机制,通过考虑目标的运动学来提高跟踪精度;最后该算法设计了重新初始化机制,在系统发生故障时算法进行重启。仿真结果表明,所提的算法的跟踪精度和跟踪效率上优于现有的算法,从而验证了所提算法的有效性和可行性。     

YOLOv3及模板跟踪在电力AR远程作业指导中的应用

为提高电力AR远程作业指导工作效率,优化工作质量,提出一种优化的YOLOv3算法。利用多个卷积层构造的卷积神经网络加快目标检测速度和精度,引入多特征融合的跟踪算法,优化目标跟踪准确度,构建一种基于优化YOLOv3及模板跟踪的模型用于电力AR远程作业目标检测,使用目标置信度验证AR远程作业的目标是否准确识别。试验结果表明加载卷积神经网络的优化YOLOv3算法检测速度更快、精度更高。     

基于彩色图像与深度图像信息融合的改进Camshift算法研究∗

针对传统Camshift算法在目标跟踪过程中会被拥有与目标物体类似颜色分布的背景物体干扰,导致搜索窗口发散或目标丢失的问题,提出了一种基于彩色图像与深度图像信息融合的算法,利用Kinect传感器可同时获取目标区域彩色图像与深度图像的特点,使用光流法在深度图像中对运动目标进行跟踪,通过考虑空间运动关系剔除相似颜色背景可能带来的影响.试验结果证明,该算法可有效跟踪运动目标,并在出现干扰时提高系统的鲁棒性.     

基于高速DSP的实时运动目标识别跟踪系统

研究了实时视频采集和高速目标识别检测、跟踪系统模型,分析了功能状态.在对检测、跟踪系统任务流和算法分析的基础上研究了基于高速DSP、大规模可编程器件和高速PCI通信总线架构的可行性系统实现方案.该系统采用复用总线设计,提高了系统资源利用率和系统可靠性.实验结果表明,该系统具有实时监测场景和在复杂背景下实时检测识别和跟踪运动目标的能力.     

一种低复杂度光伏系统太阳光斑位置检测算法

日光跟踪技术能明显提高光伏系统的效率,传统的光电检测日光跟踪技术的跟踪精度低,基于图像处理的日光检测跟踪技术精度虽高但算法复杂,系统成本高。通过图像处理进行太阳光斑检测跟踪的一般方法,包括太阳光斑图像的二值化、形心提取、差量计算等算法的分析,提出了一种简化的形心提取方法,通过与传统形心提取算法比较,误差很小并不足以对跟踪精度造成实质性的影响,最后用ARM-CortexM3内核的芯片作为载体实现了对太阳光斑图像的检测跟踪算法。     

基于边缘检测算法的智能车循迹系统设计

结合数字图像识别、图像处理和单片微处理技术,研究设计了一种基于边缘检测算法的智能车循迹系统。分别完成了系统的总体设计和软硬件设计,并采用MK60DN512ZVLQ10和TSL1401模块使循迹系统更智能,使小车运行稳定。系统测试结果表明,实现了小车的赛道图像识别、自动循迹的功能,并具有低功耗的特点。     

大尺寸部件测量信息高速并行处理系统设计

针对航空、航天等工业中的大尺寸部件,传统的测量方法精度低、效率低,研发一种全视角、高精度的三维测量设备尤为必要。全视角图像信息处理是整个设备的关键,为了高速、高实时性地处理大尺寸图像信息,对高速并行图像处理技术进行研究,设计基于FPGA+双多核DSP的并行图像处理方案,实现系统硬件电路,提出并行处理的软件实现方法,将图像处理算法向硬件系统移植,对系统进行试验验证。对8 000×10 000的图像处理结果表明,单帧图像处理平均速度不大于0.15 s。     

基于红外视觉的固定翼无人机自动着陆引导系统

固定翼无人机自动着陆需要跟踪速度快、精度高的引导系统,本文设计并搭建了一套基于红外视觉的无人机自动着陆引导系统。文中首先介绍了视觉着陆引导系统的原理、组成,并分析其数学模型;在无人机上设计了红外视觉识别标志,设计并编写了引导系统图像处理算法和视觉跟踪算法;设计视觉着陆引导控制结构;最后,通过试飞实验对该系统的可靠性、跟踪速度和精度进行验证。实验结果表明本文设计的自动着陆引导系统能够很好地满足固定翼无人机精确自动着陆的要求。     

基于图像的远程燃气表直读系统研究与实现

基于图像的燃气表远程直读系统设计了在燃气表上加装图像采集模块,通过GPRS方式将图像定时发送到远端服务器,由服务器通过图像处理和模式识别技术对燃气表的读数进行识别。在图像采集模块中,采用了分块迭代算法对图像进行二值化处理,使其具有更好的适应性,并在远程发送前对图像数据进行压缩,以减少数据量。服务器端通过对图像进行二次处理、图像分割等预处理后,采用模板匹配算法对字符进行识别。     

应用于智能变电站的智能视觉系统

为了进一步提高智能变电站运行的安全性、稳定性和可靠性,研究和开发一套适用于智能变电站日常运行和维护的智能视觉系统,以监控智能变电站的运行环境、智能变电设备的运行状态。该系统包含基于特征匹配和图像融合技术的智能设备监控子系统、基于视觉跟踪技术和机器学习算法的智能环境监控子系统以及基于生物特征识别技术的智能门禁子系统;集成和改进了视频监控、图像处理、机器学习模式识别领域中的最新技术,实现了对智能变电站运行环境以及变电设备运行状态自动进行在线监控。     

基于ARM和FPGA的红外热像仪系统设计与研究

红外热成像技术是一种探测与识别目标温度的重要手段。由于目前红外热像仪均采用红外焦平面传感器作为成像核心部件,其成本极其高昂且工作独立性差。针对上述问题,采用阵列式红外传感器作为核心部件,以ARM作为计算协处理单元,以FPGA作为图像核心处理单元,通过设计基于温度值的灰度图像生成与增强算法,在保证实现系统功能的同时降低了系统的复杂度和成本。实验结果表明系统测温精度可达0.1℃,刷新帧率稳定在30Hz,验证了算法的有效性和系统设计的合理性。     

Automated design of image recognition in capturing environment

This study aims at automating the design of the image‐recognition algorithm and the image‐acquisition environment for an industrial picking system. Here for the image‐recognition algorithm, a preprocessing image parameter and a discriminator using local features in images are targeted. For the image‐acquisition environment, the camera distance from the target objects and the illumination strength of each RGB color are considered. The problem is formulated as an optimization problem, and a method is proposed to derive solutions using a two‐phase random multistart local optimization for the image‐acquisition environment and the image‐recognition algorithm. In addition, experiment‐based optimization is made to deal with the uncertainty of the capturing environment. Furthermore, positions and angles are considered in a robot coordinate system to simplify the image‐acquisition process. The three evaluation experiments targeting objects with different surface characteristics are conducted. The results show that the proposed system successfully designed parameter sets for the image‐acquisition environment and the image‐recognition algorithm that suited the characteristics of the target objects. The object recognition rate, that is, F measure , is 1 for all objects in all the three experiments.     

煤矿井下人员视频图像识别跟踪的研究与应用

随着数字图像处理技术的发展,图像识别开始应用到煤矿的安全领域。基于背景差分法的研究,采用混合高斯模型的背景建模法,设计了井下视频图像中运动人员检测的流程和算法,来应对监测场景图像、光线强度的不断变化,并开发了实时监测平台,实现了对井下监控图像中人员进行识别和运动轨迹跟踪。实际应用结果验证,该算法能有效增强检测的效果,实现了在诸多不确定性因素的序列视频中较好的自适应构建背景,从而高效地检测出移动中的井下工作人员,并进行标注跟踪显示。     

基于机器视觉的油画棒检测系统的设计

油画棒装盒传统方式采用人工,针对其摆放效率低、成本高的问题,设计了基于机器视觉的油画棒装盒系统,选用ARM芯片做图像处理,在有限的资源配置和时间条件下完成任务.系统通过摄像头对油画棒进行图像采集,控制电机转动油画棒,进行图像匹配,完成投放.系统先对图像定位、选取,滤波去噪,再采用改进的自适应阈值的直方图匹配算法,并结合模板图像和待匹配图像的相关系数,有效降低了计算量,提高了系统的识别率.实践证明系统的工作稳定,能实现对油画棒角度的有效调整,匹配速度快,单台识别率达到99％以上,能完成产品的自动装配.