基于CMOS的医学图象处理系统软件设计

本文选用CMOS OV7640为图像传感器来采集实际图像,利用USB2.0总线接口技术和OpenCV计算机视觉库,以VisualC 6.0作为开发平台设计了基于CMOS的视频采集及边缘检测系统.提出了一种基于数学形态学的多尺度边缘跟踪的算法.该算法在抑制噪声的同时能够有效地检测出图像的边缘,基于OpenCV计算机视觉库编写了视频图像边缘检测的软件.     

基于OpenCV 的人脸识别应用

在Linux平台下开发一人脸识别系统,通过QT来开发用户界面,调用OpenCV图像处理库对相机进行采集和处理采集图像,从而实现了人脸检测、身份识别、简单表情识别的功能。     

利用计算机视觉库的Android平台系统道路识别

利用计算机视觉库OpenCV和Android NDK编译技术在Android平台上实现道路识别的处理过程。首先简要介绍了开源计算机视觉库OpenCV及其移植到Android平台上的方法,该方法使Android平台的应用更加广泛,能够更好地实现各种复杂图像的处理。图像处理部分采用OpenCV的霍夫变换算法以及对象跟踪技术,经过Android平台上的测试,取得了较好的效果。     

利用OpenCV实现在Android系统下的人脸检测

本文提出一种基于开源计算机视觉库 OpenCV（Open Source Computer Vision）实现 Android 系统下人脸检测的方法。简单介绍了开发环境搭建以及利用 Android 程序框架实现此应用程序的过程,同时详细阐述了利用 JNI（Java Native Interface）调用 OpenCV 相关函数的具体步骤,以及采用 Android NDK（Native Development Kit）生成共享库的关键过程。实验结果表明此 Android 应用程序人脸检测功能性能良好。     

利用OpenCV实现人脸检测

OpenCV全称是指开放的计算机视觉资源代码,它具有统一的结构和功能定义、强大的图像和矩阵运算能力、方便灵活的接口等特点。在Visual C＋＋2005环境下,给出了利用OpenCV函数库开发人脸检测程序编程实现的方法,简单、方便,并具有较强的实用价值。     

一种图像处理和计算机视觉的开发工具

该文探讨了可用于图像处理与计算机视觉编程的强大类库OpenCV，该类库使用起来极为方便，利用OpenCV中的数字图处理和计算机视觉的函数处理相关问题变得很简单。该文首先介绍OpenCV的强大功能以及研究的意义，然后介绍了OpenCV新版本的一些特点，并且讨论在VC＋＋环境下的软件设置问题，最后给出了典型的图像处理的实例。随着计算机视觉和数字图像处理技术不断深入各个领域，OpenCV为VC＋＋编程处理数字图像提供了极大的方便，具有广阔的应用前景，该文对于图像处理与计算机视觉方面的应用设计以及研究开发都将具有重要参考价值。     

基于嵌入式Linux的便携式自动人脸检测与跟踪系统的应用研究

随着嵌入式微处理器、嵌入式Linux操作系统以及数字图像处理技术的深入发展,自动人脸检测和识别技术在具有嵌入式Linux操作的嵌入式开发平台中得到了发展和实现。本文在基于IntelPXA270嵌入式硬件开发平台和嵌入式Qt和开源计算机视觉库OpenCV软件开发平台基础上,对基于嵌入式Linux的便携式自动人脸检测和跟踪系统的应用进行了研究。     

一种改进的基于彩色图像的幻想算法

随着现代社会信息化技术的发展,人脸研究成了计算机视觉、模式识别以及计算机图形图像等领域研究的热点问题.论文将四元数的彩色模型应用到人脸图像的超分辨率重构技术中,采用一种改进的基于四元数彩色模型的彩色图像幻想算法对人脸图像超分辨率技术进行研究,实验结果表明,改进算法得到的人脸图像噪声较少,并且更加忠实于原始高分辨率图像,得到了理想的结果.     

基于OpenCV的汉字绘制研究

OpenCV是一种开放源代码的计算机视觉库,在图像处理领域有着广泛的应用.但OpenCV只提供了西文字符的输出,并不支持汉字的输出,这就给某些基于OpenCV的图像处理系统的开发带来了一定的困难.在对OpenCV研究的基础上,基于FreeType的字库提取技术实现了OpenCV中汉字的输出.该方法和传统的汉字处理方法相比,有很好的可移植性,可运行与Windows/Linux等系统,对于其它环境下汉字的输出实现也有一定的指导意义.     

基于对抗网络人脸超分辨率重建算法研究

由于受到光照和成像设备等条件因素的影响,采集到的单帧人脸图像分辨率低,无法进行准确人脸识别,所以需要图像超分辨率重建。而利用SRGAN模型在进行人脸超分辨率重建过程中,易出现梯度消失或爆炸的问题,严重影响了重建图像的精度和质量。针对上述问题,提出了基于生成对抗网络的改进人脸超分辨率重建算法,在SRGAN结合WGA-N的基础上引入Wasserstein散度,并将其最大化得到最优化标量函数[T],实现去掉Lipschit-z约束能够直接得到Wassertein距离,并通过最小化Wassertein距离得到生成网络的目标函数,最终改进的模型提高了重建图像的质量。实验结果表明,该方法能够生成高分辨率的人脸图像,在主观视觉和客观评价指标均同比优于DRCN、FSRCNN、SRGAN_WGAN、VDSR和DRRN模型。     

基于开源计算机视觉库OpenCV的图像处理

讨论了OpenCV(Open Source Computer Vision Library)相对于现有的计算机视觉软件包所具有的优势,描述了OpenCV的环境配置、数据定义、图像元素访问方式.OpenCV成为一种源码开放、包含丰富的高级数学计算函数、图像处理函数和计算机视觉函数、不断更新和平台无关性的计算机视觉软件包.给出了两个实例,表明了其部分特性.     

可远程监控的刷脸开锁保险箱的研究与开发

随着科技发展,越来越多的企业、家庭使用刷脸开锁箱,为使其更加安全及方便使用者管理,提出可远程控制的刷脸开锁箱;可远程监控的刷脸开锁保险箱基于面部识别技术,利用硬件与软件结合的方式,其中包括图像采集、电机驱动、视频及运动采集等,通过上传到云端并且与终端设备连接,达到远程监控的目的,以此开发新型智能保险箱;随着人脸识别技术的成熟和微型电脑的发展,为设计这样的智能保险箱提供了较好的环境与条件;经试验证明,该保险箱基于pcDuino微型电脑开发平台展开研究与开发,并通过OpenCV与Face++云识别平台协作,实现了远程监控、云端面部识别、控制开关的功能;可远程监控的刷脸开锁箱可以为更多个人、企业及家庭提供帮助。     

家庭视觉智能防盗监控系统

基于ARM9处理器S3C2440芯片硬件平台,设计和开发了一种家庭视觉智能防盗监控系统。服务器以裁剪的Linux为软件平台,移植了多种设备驱动程序,综合利用多线程、socket等编程技术,通过调用OpenCV图像处理库、Libjpeg内存数据编解码库设计摄像头应用程序,着重分析了Linux下V4L的工作原理以及基于特征脸的人脸识别原理。该系统实现了在嵌入式Linux开发板上的人脸识别与身份验证主系统,实现在PC上Web浏览功能,提高了防盗系统的安全性。     

OpenCV下嵌入式轨道检测小车图像采集处理系统研究与设计

在线路基础设施建设中,轨道安全维护是急待解决的薄弱环节,而轨道状态检测是保障列车安全运行的重要手段。应用OpenCV图像处理集,搭载嵌入式计算平台,对轨道图像采集处理,快速的分割并识别出轨道图像中的关键设备状态,是解决现有轨道检测技术成本高,效率低的一个重要研究课题。为研究该课题,设计了嵌入式轨道检测小车图像采集处理系统,包括整体系统结构设计、硬件选型与电路设计、软件运行结果测试。选用Linux平台作为处理核心,用Cadence设计STM32单片机同步采集触发电路,设计供电系统电路、优化正交编码电路与信号调理电路,在μC/OS-II系统下编写同步触发采集程序,完成小车采集系统配置安装与测试,验证了OpenCV程序在嵌入式平台上的工作稳定性以及算法的实用性。     

基于MobileNetV2与树莓派的人脸识别系统

人脸识别技术在安防,商业,金融等领域都有广泛的应用.针对目前人脸识别系统成本高,易用性低等现象,提出了基于树莓派(Raspberry Pi)实现人脸识别的方案.首先利用OpenCV计算机视觉库中的Harr级联方法,对图像中的人脸进行定位;然后利用改进的MobileNetV2网络模型对人脸进行特征提取和分类,得到一个优化的人脸识别模型;最后将模型移植到Raspberry Pi进行人脸识别.该模型对图库中的人识别准确率为95％,对陌生人识别准确率为80％.实验结果表明该系统进行人脸识别工作稳定,识别速度快,应用场景广.     

基于OpenCV的运动目标定位跟踪系统软件设计

目标定位跟踪技术一直是计算机视觉领域的一个研究热点。为了更好地改进目标跟踪算法的跟踪特性,设计一种基于OpenCV的目标定位跟踪软件系统。通过对Camshifl跟踪算法的研究和改进,以实际的跟踪环境为背景,利用VS2008软件平台和OpenCV库函数,设计一种可以控制云台并实时定位跟踪运动目标的软件系统。实验证明,本系统定位跟踪精确,为运动目标的定位跟踪的研究和应用提供了方便,具有一定的实际意义。     

基于C＋＋和OpenCV的人脸识别系统的设计与实现

人脸识别是通过对人的脸部特征信息进行身份识别的一种生物识别技术.研究现实基于人脸识别的身份验证系统具有重要意义.提出一种基于C＋＋和OpenCV的人脸识别系统的设计与实现方法.系统实现的功能模块包括人脸图像采集、图像预处理、人脸检测与定位、人脸特征提取与识别、人脸数据库管理等.系统中人脸检测采用基于Haar-like特征的Haar 分类器,人脸识别采用Eigenfacae算法.系统经过运行测试,结果表明该系统能够满足一般的基于人脸识别的身份验证需求.