视频监控中的图像拼接与合成算法研究

视频监控常用云台摄像机或多个静止的摄像机监控视场范围比较大的区域,分别研究了多摄像机的视频合成算法和云台摄像机的视频拼接算法.对于多个摄像机的情况,采用高斯混合模型对各个视频序列进行背景建模.然后根据背景图像计算各个摄像机的单应矩阵,并将多个视频序列合成为一个大的视频序列.对于云台摄像机跟随拍摄的情况,提出了一种基于关键帧的视频拼接算法.根据重叠区域的大小和纹理信息的丰富程度选取关键帧,并把各帧图像对准到其前面最近的关键帧,同时更新重叠区域内的背景模型参数.由于关键帧之间具有比较高的对准精度,因而该方法能够较好地重建运动目标所经过的场景的背景图像.     

基于视频流的车牌识别研究及系统设计

该文深入研究从视频流中提取运动车辆进行车牌识别的问题,提出了一种车牌识别算法,根据该算法开发了基于MFC的视频流车牌识别可视化系统。算法采用三帧差分与背景消减相结合的方法提取含有运动车辆的关键帧,对关键帧进行灰度化,采用Sobel算子进行边缘检测,融合形态学处理对关键帧进行去噪,从而实现车牌的定位,用投影法结合字符特征对车牌字符进行精确分割,采用BP神经网络算法提取字符特征,输出字符识别结果,由此完成车牌字符识别。通过对50组不同的车辆视频进行检测识别,识别率(包含汉字)达到96%以上。     

基于机器视觉的装配动作自动分割与识别

在对装配作业人员进行动作分析的过程中,动作的识别和记录一般通过手工操作完成,这种方法不仅工作量大,而且效率低。为解决该问题,提出了一种新的基于机器视觉的装配动作自动分割与识别方法。首先利用基于内容的动态关键帧提取技术提取视频流中的关键帧,实现动作的自动分割;然后提取感兴趣区域的尺度不变局部特征点,据此得出关键帧的特征向量;最后,基于支持向量机构建特征向量分类器对动作进行分类。装配线上样本视频的实验结果表明,所提方法达到了96%的正确识别率。     

基于关键帧的轻量化行为识别方法研究

针对目前双流卷积神经网络通常使用堆叠RGB帧和光流图分别提取视频的表观信息和运动信息,存在信息冗余和计算复杂度高的问题,基于时域分割网络提出了一种结合光流图、差分图像和并行卷积神经网络的行为识别算法。首先通过分析行为视频中存在的运动模糊现象,设计了一种基于图像特征量的关键帧选取算法,同时构建了一个包含表观信息流和运动信息流的改进时域分割网络,将关键帧RGB图像、非关键帧光流图像和差分图像并行地输入特征提取网络计算分类得分,最后将关键帧与非关键帧的行为类别得分进行平均融合后输入SoftMax层得到视频类别概率。为进一步降低算法的参数量和计算复杂度,设计了一种轻量化卷积神经网络作为特征提取网络。本文算法在UCF101数据集的识别准确率为94.7%,在HMDB51数据集的识别准确率为69.3%,推理速度相比于时域分割网络快了45.3%。实验结果表明,该算法能够高效利用视频的表观信息和运动信息,且具有较高的行为识别准确率。     

基于ORB关键帧匹配算法的机器人SLAM实现

针对复杂环境下机器人的同时定位与地图构建(SLAM)存在实时性与鲁棒性下降等问题,将一种基于ORB特征点的关键帧闭环检测匹配算法应用到定位与地图构建中。研究并分析了特征点提取与描述符建立、帧间配准、位姿变换估计以及闭环检测对SLAM系统的影响,建立了关键帧闭环匹配算法和SLAM实时性与鲁棒性之间的关系,提出了一种基于ORB关键帧匹配算法的SLAM方法。运用改进ORB算法加快了图像特征点提取与描述符建立速度;结合相机模型与深度信息,可将二维特征图像转换为三维彩色点云;通过随机采样一致性(RANSAC)与最近迭代点(ICP)相结合的改进RANSAC-ICP算法,实现了机器人在初始配准不确定条件下的位姿估计;使用Key Frame的词袋闭环检测算法,减少了地图的冗余结构,生成了具有一致性的地图;通过特征点匹配速度与绝对轨迹误差的均方根值对SLAM系统的实时性与鲁棒性进行了评价。基于标准测试集数据集的实验结果表明,ORB关键帧匹配算法能够有效提高SLAM系统建图速度与稳定性。     

移动机器人混合的半稠密视觉里程计算法

为了提升快速运动环境中移动机器人视觉里程计的精度,提出一种移动机器人混合的半稠密视觉里程计算法。首先,利用鲁棒性强且适用于相机快速运动的特征点法快速追踪相机位姿,并根据深度不确定性分别建立3D-2D的重投影误差以及3D-3D几何误差,提出改进的运动位姿求解方法,为半稠密直接法提供更准确的初始位姿;其次,采用Sobel卷积核获取图像中梯度明显的像素点,进而通过最小化光度误差对关键帧进行配准,有效估计关键帧间相对运动;最后通过位姿图对关键帧位姿以及相邻帧间变换进行局部优化,减少轨迹漂移。两种公开数据集以及实际在线场景实验验证,本文算法可有效提高视觉里程计位姿精度,可以满足快速运动场景中自主定位的要求。     

一种基于计算机视觉的无人机实时三维重建方法

针对机器人(或无人机)实时的三维重建中面临的噪声干扰和计算量大的问题,提出一种实时的鲁棒性的同时定位和建图的方法:用RGB-D相机精确估计相机位置的同时重建三维环境。关键思想是测量残差函数——用于估计当前帧的移动量,同时用金字塔模型一步步去逼近真实值。提出一种新的衡量标准用于建立关键帧。然后通过与相邻关键帧的三角化投影给全局地图增加地图点。此外,应用图优化来实现全局优化以获取更高的精度。     

结合图像内容匹配的机器人视觉导航定位与全局地图构建系统

为了解决机器人室内定位时的绑架问题和相似物体的干扰,设计了一种具有图像内容匹配功能的视觉系统,从而使机器人能有效提取关键帧序列构建室内全局地图并实现自主定位。考虑影响图像内容匹配的主要干扰是机器人视角和位移造成的图像畸变,本文通过对室内物体的图像畸变建模与特征分析,设计了一种图像内容匹配方法。该方法以图像重叠区提取、基于子块分解匹配的重叠区重建两部分为核心,可将待匹配的两帧图像畸变调整为一致后再进行内容匹配并准确解算它们的相似度。其能有效利用各个房间内不同的景物和布局信息来消除相似物体的影响,从机器人学习环境时采集的视频中提取空间间距大且重叠相连的关键帧序列建立整栋建筑内部的全局导航地图。机器人工作时,实时视觉的图像内容与地图关键帧序列匹配,提取出与每个时刻视觉图像最相似的关键帧对机器人实施定位。在由3个房间和2条走廊组成的实验区进行了实验测试,结果表明:机器人可有效消除相似物体的干扰,绑架发生时仍可通过与全局地图匹配实施准确自主定位,匹配准确率≥93%,定位精度误差(RMSE)0.5m。     

动态场景下基于实例分割和三维重建的多物体单目 SLAM

针对大多数SLAM系统在动态环境下相机位姿估计不准确与环境语义信息利用不充分的问题,提出一种基于实例分割的关键帧检测和贝叶斯动态特征概率传播的动态物体检测算法,并对环境中存在的静态物体三维重建,以此构建一个动态环境下的多物体单目SLAM系统。该系统对关键帧输入图像进行实例分割与特征提取,获取潜在运动物体特征点集合与静态物体特征点集合;利用非运动物体特征点集合获取帧间位姿变换,普通帧利用贝叶斯对动静态特征点进行概率传播,利用静态特征点集实现对相机位姿的精准估计;在关键帧中对静态物体进行联合数据关联,数据充足后进行多物体三维重建,构建多物体语义地图,最终实现多物体单目SLAM。本文在TUM与Boon公开数据集上的实验结果表明,在动态场景下,相较于ORB-SLAM2算法,绝对位姿误差的均方根误差平均降低54.1%和58.2%。     

虚拟人动作编辑器关键技术研究

针对现有虚拟人运动生成技术的不足,采用关键帧技术,捅值算法,三维空间中模型的拾取算法,开发出虚拟人动作编辑器系统。该系统可实现虚拟人在虚拟环境中各种动作仿真,现已成功应用于某城市列车驾驶模拟仿真器的视景仿真系统。     

分离式上架在岸边集装箱起重机上的应用

文中从分离式上架产品切入,描述其在码头运行过程中的几大工况,将青岛某港及中远阿布扎比港所采用的分离式上架作为案例,阐述其分离式上架使用过程中所出现的共性问题,最后从设计的角度提出单起升上架改装为分离式上架的技术要点,为后续的分离式上架的设计、研究及改造提供借鉴及参考。     

分布式视频编码中虚拟信道模型的动态估计

基于Slepian-Wolf理论和Wyner-Ziv理论的分布式视频编码,是一种全新的视频编码框架。分布式视频编码系统中,解码端对虚拟信道模型估计的准确性是影响压缩性能的关键因素之一。针对虚拟信道的时域动态特性,提出了新的解码端帧级虚拟信道模型的动态估计算法。利用边信息内插阶段所获得的双向运动矢量,对当前帧前后的关键帧进行运动补偿,通过前后关键帧的运动补偿误差来估计当前帧的虚拟信道模型。针对虚拟信道的空域动态特性,提出了子块级虚拟信道模型的动态估计算法。通过对视频帧进行分块,对每个分块都进行参数估计,即可动态地完成各子块对应的虚拟信道模型的估计。实验证明所提出的两种虚拟信道模型的估计算法都有效降低了视频编码系统的传输码率,提高了系统的率失真性能。     

解析网页中框架的使用

随着网络信息化技术的迅速发展,网络已经成为我们日常生活中不可缺少的一部分.网络的发展使得网页制作也蓬勃发展起来,我们都知道网络信息的传播载体就是网页.在制作网页时需要应用到框架.框架可以使网页风格统一、加快浏览的速度并且可以减少网页制作者的工作量.其中框架也分为普通框架和内嵌式框架,如何使用好框架这是本文解析的重点.     

基于时空张量融合的人体骨架行为自适应识别方法

针对人体行为的空间复杂性和时间差异性问题,提出了一种基于时空张量融合的人体骨架行为自适应识别方法。 首先 充分利用人体行为骨架序列的帧内空间关系和帧间时间关系,构建相邻帧时空特征张量;其次通过计算相邻帧时空特征张量的 差异性获取关键相邻帧时空特征张量并组成行为时空特征张量;之后利用行为时空特征张量的空间特征差异和多尺度时间卷 积构建行为时空特征张量自适应注意力机制,完成行为时空特征融合;最后,使用深度随机配置网络根据行为时空特征融合张 量识别人体行为。 使用 NTU RGB-D 数据集进行实验仿真,识别准确率达到 84. 57% ,并且设计相应的系统进行实际应用验证, 结果表明本文所提方法是一种适合应对人体行为空间复杂性和时间差异性问题的人体行为识别方法。     

.Net技术在快速成型制造系统中的应用

基于Microsoft.Net平台的快速成型制造系统,运用B/S三层框架结构,实现了进行远程的快速成型制造系统的各个工作流程,具有适应性强、安全性好、整体性能好的优点.最后介绍了建立这一系统的关键支撑技术.     

承重托架CAD/CAE集成设计系统

介绍了承重托架参数化设计和强度分析的CAD/CAE集成设计系统,它包括三维参数化造型、有限元强度分析及工程图和材料清单自动生成3个子系统.应用UG软件提供的接口进行二次开发实现三维模型参数化和二维图纸的自动生成.用有限元软件来实现对托架的强度分析,其关键是合理布置受力点并符合实际.     

基于小波分解与多约束改进的序列图像配准

序列图像配准是光学影像超分辨率重建应用中的关键技术,针对如何提高序列图像超分辨率重建过程中配准的速度和精度问题,提出了一种基于小波分解和改进的多约束准则相结合的配准方法.首先对参考帧和待配准帧进行小波分解,生成小波图像金字塔以缩小搜索空间.其次,从金字塔最高层开始利用由局部灰度熵准则、灰度相似性准则和简化欧式距离比例不变准则构成的改进多约束准则提取同名特征点对,利用最小二乘法计算初始配准参数,然后逐层向下,对配准参数进行修正,实现由粗到精的配准.最后,利用模拟生成图像序列与实际获取图像序列进行测试.实验结果表明该方法在参数获取达到较高精度的情况下能有效提高配准速度,具有较好的效果.