基于活体人脸检测的智能门禁系统设计

近年来,随着科学技术的不断发展,安全防盗设备以及智能家居知识的不断普及,自动识别技术的应用显著增多。为了保证识别的安全性,以生物特征作为识别依据的技术产品走进了日常生活中。在生物识别中,比较典型的有人脸识别。文章主要介绍了活体人脸检测技术在智能门禁系统中的应用。     

基于深度特征表达与学习的视觉跟踪算法研究

该文针对视觉跟踪中运动目标的鲁棒性跟踪问题,将深度学习引入视觉跟踪领域,提出一种基于多层卷积滤波特征的目标跟踪算法。该算法利用分层学习得到的主成分分析(PCA)特征向量,对原始图像进行多层卷积滤波,从而提取出图像更深层次的抽象表达,然后利用巴氏距离进行特征相似度匹配估计,进而结合粒子滤波算法实现目标跟踪。结果表明,这种多层卷积滤波提取到的特征能够更好地表达目标,所提跟踪算法对光照变化、遮挡、异面旋转、摄像机抖动都具有很好的不变性,对平面内旋转也具有一定的不变性,在具有此类特点的视频序列上表现出非常好的鲁棒性。     

基于概率主成分分析的人脸识别

人脸自动识别是模式识别和图像处理等学科的一大研究热点,在身份鉴别、信用卡识别、护照核对以及监控系统等方面有着广泛的应用。提出一种基于概率主成分分析方法(PPCA)的人脸识别,该方法与传统的主成分分析(PCA)相比,克服了简单的“丢弃”其他非主成分因子,在PPCA中将“丢弃”因子作为噪声成分进行估计．同时PPCA方法是一种基于概率模型的方法,因此很容易延伸为混合模型,对于PPCA概率模型参数,提出利用EM算法对其进行估计。用两个不同的数据集(姿势表情变化集和光照变化集),将PPCA人脸识别算法和传统的PCA算法进行比较,基于PPCA的人脸识别算法中的“丢弃”方差的收敛速度快于传统的PCA算法。实验结果表明．无论是姿势表情变化集,还是光照变化集,PPCA算法的识别率都优于传统的PCA识别算法。     

基于CS-LBP特征融合的人脸智能识别方法研究

传统人脸智能识别方法存在识别正确率低的问题,为此提出了一种基于CS-LBP特征融合的人脸智能识别方法。通过分析人脸表情特征提取流程,设计CS-LBP特征融合目标计算,获取模糊特征LBP阈值。并结合不同LBP算子距离,均衡人脸图像灰度,以此提高人脸识别图像的清晰度。同时,绘制人脸识别标准纹路模型,计算经过识别后的人脸纹路与标准纹路的垂直距离,判断距离是否符合高斯单元线性组合规律,若符合规律可输出识别参数与结果,完成人脸的智能识别。采用设计实验的方式,验证了提出方法在实际识别应用中,可提高人脸图像识别正确的次数,证明了设计方法更具备实际应用价值。     

基于时序特性的自适应增量主成分分析的视觉跟踪

当前基于增量主成分分析(PCA)学习的跟踪方法存在两个问题,首先,观测模型没有考虑目标外观变化的连续性;其次,当目标外观的低维流行分布为非线性结构时,基于固定频率更新模型的增量PCA学习不能适应子空间模型的变化。为此,该文首先基于目标外观变化的连续性,在子空间模型中提出更合理的目标先验概率分布假设。然后,根据当前跟踪结果与子空间模型之间的匹配程度,自适应调整遗忘比例因子,使得子空间模型更能适应目标外观变化。实验结果验证了所提方法能有效提高跟踪的鲁棒性和精度。     

基于智能视觉的变电站设备状态智能巡视

为了缩减变电站维修成本,提出基于智能视觉的变电站设备状态智能巡视方法,设计巡视系统。通过分析智能视觉基本结构,构建智能视觉巡视坐标系,给出机器人在变电站中的最优巡视路线,巡视路线的重要参数包括最优距离和机器人巡视角度。介绍了巡视系统中图像智能解析、无线通信、伺服管理、机器人导航和远程遥控五项基本功能,并以此拟定系统巡视方案,设计系统结构。实验结果证明,与市面上广泛应用的巡视系统相比,依据该方法设计的巡视系统的巡视准确程度更高。     

一种改进的基于主成分分析的人脸识别技术

人脸识别的研究内容主要包括人脸特征提取和识别两部分。文章基于传统的PCA(主成分分析)人脸识别原理及优缺点,采用KPCA(核主成分分析)实现人脸识别的改进。该算法通过非线性映射,把原始图像数据变换到特征空间,再利用PCA实现人脸识别。在MATLAB环境下,进行基于ORL(Olivetti研究实验室)人脸库的实验仿真,KPCA能较好地提取非线性成分,其识别性能优于传统的PCA方法。     

基于智能视觉的建筑空间合理性分析

为了提高建筑空间的分布合理性,提出一种基于采用计算机智能视觉成像特征融合的建筑空间合理性规划设计方法。首先利用光学视觉图像采集方法进行建筑空间的视觉信息采集,对采集的建筑空间视觉成像进行自适应局部降噪处理,提高建筑空间的视觉呈现能力。然后进行建筑空间光学视觉图像的格型模板匹配,提取仿射不变矩特征,采用成像特征融合方法实现建筑空间的感官性信息融合,提高空间设计的合理性。仿真测试结果表明,采用该方法进行建筑空间设计,能更好地融合人类视觉的感官性特征信息,提高建筑空间设计的分布合理性。     

一种易于初始化的类卷积神经网络视觉跟踪算法

该文针对视觉跟踪中运动目标的鲁棒性跟踪问题,基于主成分分析(PCA)和卷积神经网络(CNN),提出一种易于初始化的类CNN提取深度特征的视觉跟踪算法。该算法首先利用仿射变换对原始图像进行处理,然后对归一化尺寸的图像进行分层PCA学习,将学习得到的PCA特征向量作为CNN结构中的各阶滤波器,完成特征提取网络的初始化,再利用特征提取网络获取目标的深层次表达。最后结合粒子滤波,利用一个简单的逻辑回归分类器通过分类估计实现目标跟踪。结果表明,利用这种易于初始化的CNN提取到的深度特征能够有效地区分目标和背景,具有很好的可区分性,提出的视觉跟踪算法对光照变化、尺度变化、遮挡、旋转和摄像机抖动等都具有良好的适应性,在许多视频序列上表现出了较好的鲁棒性和准确性。     

基于Camshift的改进人脸跟踪算法

文中利用目标加速度运动位移方程,预测下一时刻目标可能移动的位置,使用预测位置误差方程,估测运动目标搜索范围,并且通过启动多个Camshift跟踪器的方法,改进Camshift算法。仿真实验表明,该方法有效地克服了Camshift算法自身的缺陷,即使是加速运动的目标,也可准确地预测运动目标的位置,并且有效提高了对遮挡目标跟踪和多个人脸目标跟踪的鲁棒性。     

基于单片机的智能循迹小车设计

智能循迹汽车是汽车电子、人工智能、机械制造等多种学科领域的结合体,具有较高的应用价值.智能循迹小车运用单片机为基础进行设计,同时利用传感器进行识别赛道的信息,接着在利用传感器检测智能车的加速度及其速度,实现快速稳定的循迹进行行驶.智能汽车研究也越来越受到关注,智能汽车的适应能力较强,可按照事先的轨道进行自行运作,不需要路径管理,即可完成预期目标.在科技发展迅猛的现代化社会,汽车普及率也已经处于高峰状态,不少汽车制造商提出无人驾驶的概念,比如:特斯拉,因此设计具有很高科研价值.     

一种改进的基于ASM模型的人脸跟踪算法

ASM主动形状模型是一种基于点分布的模型。在该模型中,外观相似的物体,可以通过一定数量的关键点坐标来表示出位置和相对应的顺序。在常规的基于ASM模型的人脸跟踪技术中,会发生拟合点漂移的现象,造成定位的不准确。文中提出一种结合了Adaboost人脸跟踪和传统的ASM模型的算法,能够有效地减少在传统ASM模型中出现的跟踪漂移现象。     

基于机器视觉技术的智能停车管理系统的研究

基于机器视觉技术的智能停车管理系统的研究是为了解决城市停车场激增、停车管理效率低下而涉及的一种智能交通系统的应用发展领域。现提出了一种由车辆检测模块、车牌识别模块、车位查询模块及车辆跟踪模块所构成的智能停车场管理系统,并对其中的车牌定位检测及识别以及车位查询模块进行了相应测试,结果较为合理。     

基于机器视觉的FPC智能对位系统的研究

针对传统对位装置对位精度低、速度慢的缺点, 设计并开发了基于机器视觉的柔性印刷电路(FPC)智能对 位装置。装置利用高分辨率工业CCD相机采集图像,配合机械和电气系统,控制运动控制卡 完成FPC智 能抓取、采集、处理和对位。在关键的定位算法中,通过改进的一维Otsu阈值分割方 法对FPC图像 进行阈值分割,利用提出的三椭圆平均拟合法提取定位圆圆心坐标,采用累计概率Hough直 线变换测量 旋转的角度;进而将计算的相对于标准位置的偏移量传送至运动控制卡,利用闭环反馈控制 伺服系统进行纠偏。在开发的样机上进行大量的在线实验结果表明,本文装置稳定性强, 对位精度高,对位误差不超过±0.06mm,角度误差不超过0.001rad。     

基于生物视觉的地面目标识别与跟踪锁定

图像中待攻击目标的自动识别与跟踪锁定是图像制导的基本任务,也是图像制导技术的难点所在。由于获得图像的角度和位置的不同,同一目标在不同图像中会有较大的变形,如何正确地识别出该目标是至今未能很好解决的问题。相比之下,人和动物在复杂的环境中,几乎在各种角度和位置的情况下,均可以可靠地识别出目标,并能完成对该目标的跟踪锁定。因此生物视觉的工作机理成为了当前学者研究的热点,在继承和发展了当前国际上该领域的最新研究成果的基础上,实现了生物视觉原理下的目标识别与跟踪算法,经过大量真实图像的试验,证明了该算法的鲁棒性。     

基于STM32的智能循迹往返小车设计

本设计针对智能交通系统,采用STM32F103作为主控芯片,辅以路面检测模块、显示模块等外围器件,构成了一个完整的车载控制系统,能够在直线方向上完成调速、急刹车、停车、倒车返回等各种运动形式,并且可以自动记录、显示一次往返时间和行驶距离,同时用蜂鸣器提示返回到了起点。另外,经过MATLAB仿真后,成功地实现了从最高速降至低速的平稳调速     

基于智能视觉导航的盲人指路设备设计

为了保障盲人行路安全,设计基于智能视觉导航的盲人指路设备。介绍了设备设计方案,为智能视觉模块选择CMOS单片机和OV单片机,周期性地采集盲人行路图像,通过对比图像灰度值确定路面是否存在障碍物。采用PFGA控制智能视觉模块时序,计算障碍物位置,进而提供导航线路,通过串口通信电路将导航线路传给语音模块进行播报。通过对比实验证明,基于智能视觉导航的盲人指路设备具备较强的实时性和鲁棒性。