基于机器视觉的路面裂缝病害多目标识别技术

本文主要研究了基于机器视觉的路面裂缝病害多目标识别技术。随着社会的进步和时代的发展,传统使用人工识别路面裂缝病害的方法越来越表现出影响交通、准确度低、高成本、高危险的弊端,已经远远不能满足公路发展要求。近年来,随着图像识别技术和信息技术的日益发展,使用机器视觉识别路面裂缝病害的多目标识别技术的研究越来越多,本文主要阐述了基于机器视觉的路面裂缝病害多目标识别技术的相关概述,介绍了路面裂缝多病害和识别方法,对多语义机器视觉识别和多目标识别进行了研究,以期为高速公路的路面裂缝病害识别新模式提供进一步参考。     

空地协同视觉实现无人机自主降落研究

在深入分析了无人机视觉降落多种方式的基础上,结合无人机连续视觉图像的三维空间信息,提出了基于空地协同视觉信息的无人机自主降落方法,设计了一种多图形组合、多色彩导引、多方法识别的地面合作目标。从坐标系的转换、合作目标的选取、识别与处理等方面进一步细化论述空地协同视觉完成无人机自主降落的方式,通过灰度变换、HSV色彩变换、HU不变距匹配等方法保障了合作目标的准确识别率。     

单目红外目标跟踪机器人视觉系统设计

针对特定红外目标跟踪机器人设计的需求,以3种不同频率的信号,合成了可以被一体化红外传感器连续解调的目标特征信号,设计了基于特征信号模型的机器人视觉系统,包括单目复眼的信号检测阵列和2级序列的信号调理电路．试验表明,系统工作稳定可靠,实现了对目标的智能搜索、连续跟踪,信号抗干扰性强,可用于多目标的识别跟踪．     

一种基于视觉感知的舰船目标智能化识别方法

为有效识别视觉系统采集的可见光图像中的舰船目标,提出了基于YOLO（You Only Look Once）网络模型改进的10层的卷积神经网络（Convolutional Neural Network,CNN）用于水面舰船目标的智能识别,通过反卷积的方法可视化CNN中不同卷积层提取到的舰船目标特征。按照传统目标识别方法提取了舰船目标的四类典型人工设计特征,将所提CNN的舰船目标识别结果与YOLO网络模型及四类人工设计特征结合支持向量机用于舰船目标识别的结果进行比较。实验结果表明,与YOLO网络模型相比,综合精确率、召回率和效率3个舰船目标识别的性能指标,改进后的CNN性能更好,从而验证了所提方法的有效性。不同数据量下采用典型特征识别舰船目标与基于深度CNN识别舰船目标的识别结果比较说明了不同类型目标识别算法的优劣势,有利于推动综合性视觉感知框架的构建。     

基于单目视觉的机械手三维定位

提出了一种利用单目视觉识别目标并且进行精确的三维定位,用于机械手对目标的精确定位.首先通过模板匹配的方法在图像中识别出目标并计算其中心坐标,然后分别在相同高度和水平的四个相隔一定距离的位置上采集目标图像,根据目标在图像中的位置变化,结合平行双目视觉原理与小孔成像的缩放比例关系,计算摄像头距离目标的深度距离.该系统易搭建、成本低,定位精度较高.     

基于小生境遗传算法的激光切割快速模板匹配

为了解决激光切割视觉识别系统对大幅面多目标图像识别实时性差、对带有偏角的目标识别率低甚至出现无法识别等问题，采用小生境遗传算法，对大幅面多目标匹配识别算法进行了理论分析和实验验证。结果表明, 无论目标有无旋转，该算法都能达到100%识别，算法运算时间比传统算法快5倍~10倍。该算法在识别带有旋转角度的多目标时，具有很好的实用性。     

基于激光视觉传感的渔船目标无人机低空识别研究

为了提高渔船目标无人机低空识别的准确率,提出基于激光视觉传感的渔船目标识别方法。采用阈值分割和角点定位标定渔船目标激光视觉传感图像的方位特征点;提取渔船目标的位置信息、速度信息、加速度信息、运动轨迹信息,建立渔船目标激光视觉传感图像的背景差分检测模型;通过帧动态检测和差分图像聚类,计算相邻目标质心的距离;根据参数估计和像素灰度值检测,结合目标方位估计,实现对渔船目标激光视觉传感图像的定位识别。结果表明,采用该方法能够有效识别渔船目标,目标方位识别准确性达到90.95%以上,提高了渔船目标无人机低空识别准确性。     

一种非组合的电磁目标快速识别算法

针对电磁目标识别算法中辐射源组合的本质是避免同一辐射源的多个可能识别结果同时参与一个目标识别模板的匹配置信度计算的问题,提出了一种非组合的快速电磁目标识别方法。依据目标平台与辐射源的搭载关系,建立辐射源识别和平台识别的两级识别体系,基于两点和三点模板匹配法对辐射源进行识别,然后使用非组合的快速模板匹配法对目标平台属性进行识别。仿真实验表明使用该方法计算目标的识别置信度简单易行,可用于实际工程中电磁目标的识别。     

基于机器视觉的动态环境运动目标智能识别研究

运动目标自动识别是当前的一个重要研究课题,当前运动目标识别方法存在耗时长、效率低、准确性差等缺陷,为了解决当前动态环境运动目标识别过程存在的缺陷,提高运动目标识别正确率,提出了基于机器视觉的动态环境运动目标自动识别方法.首先研究了运动目标识别进展,分析运动目标识别效果不理想的原因,然后引入机器视觉技术提取运动目标识别的...     

雷达目标一维距离象多分辨特征描述和快速匹配法研究

文中首先阐述了信号奇异性与小波变换模极大值的关系、含噪非平稳信号在小波变换下信号与噪声的不同特性;然后提出了可用于高距离分辨力雷达目标识别的一维距离象多分辨分解和目标结构特征的多分辨描述方法.根据目标结构特征的多分辨描述,定义了距离象的相异度概念,利用相异度可以实现目标的快速匹配识别.     

低照度双目立体显著目标距离测定方法与实现

针对位置已固定的双目立体装置,提出了一种基于非平行模式测距原理的双目系统光轴-光心参数标定方法,减小了光轴-光心位置误测量带来的测距误差;为解决低照度下双目立体视觉中存在的立体匹配误匹配点多、目标识别度低的问题,采取了最大熵法结合整体光强变化的阈值选取方法提取显著目标,提高了目标识别率,搭建了显著目标测距系统.结果表明:采用文中的系统标定与阈值选取方法的双目立体视觉装置在低照度下具有较高的测距精度及目标识别率.     

应用于校正扩展视场偏差的红外成像测量方法

介绍了一种可扩展视场红外光学系统的工作原理,针对系统初始化后由于楔形镜装配误差引起的视场偏差对成像的影响,设计了一种校正该光学系统视场偏差的红外成像测量方法。通过计算机视觉技术在目标运动轨迹测量中的应用,把该技术与红外成像系统进行结合;用红外成像系统对运动目标成像,将目标的运动轨迹视为序列离散点,利用计算机视觉技术对这些离散点进行轨迹检测,并采集这些目标连续运动过程中的离散点图像。后期通过对采集的目标运动轨迹原始图像进行像图像处理,运用编程仿真构造目标的实际运动轨迹,最终完成了可扩展视场红外光学系统视场偏差的校正。结果表明,基于计算机视觉技术的红外成像测量方法能够很好地实现运动目标的轨迹测量。     

雷达目标三维特征的提取与识别研究

以逆合成孔径雷达(ISAR)成像技术和计算机视觉理论为基础，提出了一套新的从动态目标ISAR成像序列中提取目标散射点三维结构信息，以此作为目标特征的识别方法。这一研究方法包含了4个重要环节：动态目标的ISAR像序列的获得；“散射点像元”质心的检测、跟踪和匹配；基于光流分析的目标散射点三维结构特征的提取；目标三维特征的识别。由于经过了时间和空间上信息的积累，目标的散射点的三维结构特征具有稳定和直观的特点。作为一种新的目标识别的依据是很有效的，且只需要较少的训练样本就可以获得较高的识别率。     

An Optical Flow-Based Approach to Robust Face Recognition Under Expression Variations

Face recognition is one of the most intensively studied topics in computer vision and pattern recognition, but few are focused on how to robustly recognize faces with expressions under the restriction of one single training sample per class. A constrained optical flow algorithm, which combines the advantages of the unambiguous correspondence of feature point labeling and the flexible representation of optical flow computation, has been developed for face recognition from expressional face images. In this paper, we propose an integrated face recognition system that is robust against facial expressions by combining information from the computed intraperson optical flow and the synthesized face image in a probabilistic framework. Our experimental results show that the proposed system improves the accuracy of face recognition from expressional face images.     

嵌入式人体步态自动识别系统

提出了基于双目立体视觉进行步态识别,并且利用数据融合方法对由光流场中提取出的步态特征进行数据融合,然后对融合后的有效特征进行步态识别,并给出了评估步态识别的有效性与错误率。利用Renesas 32位嵌入式系统在总体结构上对步态自动识别系统进行了设计,以符合大多数场合的需要。     

Recognition of Multifunctional Coded Target in Single-camera Mobile 3D-vision Coordination Measurement

Single-camera mobile-vision coordinate measurement is one of the primary methods of 3D-coordinate vision measurement, and coded target plays an important role in this system. A multifunctional coded target and its recognition algorithm is developed, which can realize automatic match of feature points, calculation of camera initial exterior orientation and space scale factor constraint in measurement system. The uniqueness and scalability of coding are guaranteed by the rational arrangement of code bits. The...     

微型仿生扑翼飞行器机载单目视觉系统的设计

近年来仿生扑翼飞行器利用视觉系统自主飞行成为一个具有广泛前景的研究方向,然而,其有限的带载能力对视觉传感器的类型、尺寸和重量提出了严格要求。目前商用图像处理模块的尺寸和重量较大,且需要回传图像信息至地面控制系统处理,文章旨在设计一款轻量化机载单目视觉系统,帮助微型仿生扑翼飞行器获取外界信息并实现智能自主的飞行。相比于其他图像处理模块,此系统以国产高算力芯片K210为核心进行设计,可脱离电脑端完成图像处理,尺寸仅为2.2 cm×2.3 cm,重量仅为3 g,内部兼容轻量化网络模型实现分类识别,通过串口进行信息交互,控制扑翼飞行器实现手势识别和目标追踪。     

仿人足球机器人目标定位与追踪算法改进

对于仿人足球机器人来说,视觉功能是极其重要的。在足球机器人的各种关键技术中,机器视觉是应用范围最广,最为基本的技术之一。移动机器人视觉的研究主要集中在颜色模型建立、目标识别、定位以及跟踪等方面。仿人机器人视觉系统的识别与定位算法也是目前的研究热点,目标的实时识别与定位是足球机器人在足球赛中精确踢球的前提。文章主要是针对目前足球机器人在视觉系统上所存在的问题进行了颜色模型建立及目标定位算法的改进,加入了目标追踪算法,确保目标识别与定位的准确。在i Kid足球机器人上进行试验并调试,试验结果具有较好的实时性和准确性。     

基于多目标Camshift手势识别

基于单目视觉下的手势识别技术一般由手势建模、特征提取、手势匹配等几个关键技术构成。手势跟踪算法目前主流的是粒子滤波算法和Camshift算法。系统采用Camshift算法,将人手图像由RGB空间转换到HSV空间后,在HSV空间利用半自动预定义模板颜色对人手进行分割,并对其进行改进实现多目标跟踪,由于Camshift算法为半自动算法,在对手势进行跟踪前需对手势进行手动标定,系统采用了手势跟踪与手势识别技术结合的方法,改进了Camshift算法,解决了Camshift的半自动问题和实现多目标跟踪,实现双手的手势识别。     

基于主动红外视觉探测的激光跟踪仪目标跟踪恢复方法

为实现激光跟踪仪的自主快速跟踪恢复,提出了一种基于主动红外视觉的跟踪恢复方法。首先,对所采用的跟踪恢复原理进行了分析。其次,充分利用激光跟踪仪合作目标靶球的强反射特性,设计了主动红外视觉探测系统。该系统采用红外SLED作为主动光源,利用SLED大发散角、红外相机的视场角远大于激光跟踪仪PSD探测范围的综合优势,实现合作目标靶球的大范围主动探测。然后,对红外图像中目标的快速识别与定位算法进行了研究,提出了基于合作目标特征评分的快速识别方法。最后,构建了跟踪恢复系统实验装置,并在算法的处理速度与识别准确度、系统的跟踪恢复范围和跟踪恢复速度等方面开展了针对性验证实验。实验结果表明,算法的平均处理速度约为每秒28帧,同时95.4%的目标中心像素坐标定位偏差低于5个像素值;在合作目标靶球距离3 m的情况下,跟踪恢复系统能够在1.8 s内实现直径0.5 m空间范围内的跟踪恢复。