一种在线学习的目标跟踪与检测方法

针对现有在线学习跟踪方法缺乏监督机制的缺点,提出一种新的跟踪框架。以随机森林在线学习理论构造分类器作为目标检测器,用SURF特征点匹配方法作为目标跟踪器,跟踪过程中用可靠跟踪的结果形成对检测结果的监督机制,不对低置信度样本或错误样本进行学习,避免了分类器分类精度的逐渐下降,同时在跟踪失败时用目标检测器对目标进行重新捕获,形成跟踪、学习、检测三者有机结合的跟踪框架。对不同视频序列的测试结果表明,本文算法能有效避免目标出现较大外观变化或被大面积遮挡等复杂情况下的跟踪失败问题。     

基于假设理论的序列图像中多目标检测和跟踪

本文提出一种基于目标检测的多维假设多目标检测和跟踪方法,此算法对于序列图像的照明变化和遮蔽现象具有很高的鲁棒性.首先,对序列图像进行背景抑制、时域滤波和杂波剔除的预处理,得到单帧的初始目标检测结果.对于初始检测中存在的漏检和误检现象,采用基于假设理论的跟踪概率模型优化初始检测轨迹;将目标的跟踪信息反馈于目标检测模块,形成一闭环自适应跟踪系统,达到多目标的最优检测和跟踪.实验结果表明了所提出的方法在多目标检测和跟踪中的可行性和有效性.     

基于机器视觉的药品包装生产线自动检测系统

目的提高包装药品效率,保证包装过程的正确率和安全性。方法在充分研究药品包装生产线现状的基础上,将机器视觉应用于药品包装生产线药品的自动检测,采用基于最大熵阈值,设计一种图像分割方法;同时采用自适应高斯引导图像滤波算法,设计一种图像去噪算法。结果通过实验验证,该系统可以实现药品包装生产线的自动检测,并能自动剔除不合格药品,保证生产安全。结论研究的药品包装生产线自动检测系统具有自动化程度高、效率高的优点,具有广阔的市场应用前景。     

基于机器视觉的改进线束导线排序检测系统设计

目的 解决现有工业线束导线排序检测方法中存在的效率低、混色导线检测效果差等问题。方法 基于机器视觉技术设计一种线束导线排序检测装置,并结合图像处理技术和深度学习原理提出一种混色导线排序检测方法。首先根据线束图像中选择的感兴趣区域,分割出线束连接器图像和导线图像,并采用模板匹配和颜色定位方法完成连接器正反面的识别和单色导线的识别定位;然后采集并制作PE混色导线数据集,研究Faster R−CNN、SSD、YOLOv3和YOLOv5m等4种不同目标检测算法对PE混色导线的检测效果。结果 实验结果表明,YOLOv5m检测模型的检测速度和准确率兼顾性最好;改进系统后,检测时间减少了18.55%,平均识别准确率为98.83%。结论 改进后检测系统具有良好的检测效率和可靠性,适用于种类丰富的工业线束导线排序检测。     

Improving the Detection Rate of Rarely Appearing Intrusions in Network-Based Intrusion Detection Systems

In network-based intrusion detection practices, there are more regular instances than intrusion instances. Because there is always a statistical imbalance in the instances, it is difficult to train the intrusion detection system effectively. In this work, we compare intrusion detection performance by increasing the rarely appearing instances rather than by eliminating the frequently appearing duplicate instances. Our technique mitigates the statistical imbalance in these instances. We also carried out an experiment on the training model by increasing the instances, thereby increasing the attack instances step by step up to 13 levels. The experiments included not only known attacks, but also unknown new intrusions. The results are compared with the existing studies from the literature, and show an improvement in accuracy, sensitivity, and specificity over previous studies. The detection rates for the remote-to-user (R2L) and user-to-root (U2L) categories are improved significantly by adding fewer instances. The detection of many intrusions is increased from a very low to a very high detection rate. The detection of newer attacks that had not been used in training improved from 9% to 12%. This study has practical applications in network administration to protect from known and unknown attacks. If network administrators are running out of instances for some attacks, they can increase the number of instances with rarely appearing instances, thereby improving the detection of both known and unknown new attacks.     

Automatic Detection of Weapons in Surveillance Cameras Using Efficient-Net

The conventional Close circuit television (CCTV) cameras-based surveillance and control systems require human resource supervision. Almost all the criminal activities take place using weapons mostly a handheld gun, revolver, pistol, swords etc. Therefore, automatic weapons detection is a vital requirement now a day. The current research is concerned about the real-time detection of weapons for the surveillance cameras with an implementation of weapon detection using Efficient–Net. Real time datasets, from local surveillance department's test sessions are used for model training and testing. Datasets consist of local environment images and videos from different type and resolution cameras that minimize the idealism. This research also contributes in the making of Efficient-Net that is experimented and results in a positive dimension. The results are also been represented in graphs and in calculations for the representation of results during training and results after training are also shown to represent our research contribution. Efficient-Net algorithm gives better results than existing algorithms. By using Efficient-Net algorithms the accuracy achieved 98.12% when epochs increase as compared to other algorithms.     

基于机器视觉技术的瓶盖划痕检测

目的 针对当前国内瓶盖划痕检测算法在较复杂背景条件下,存在精度不高、瓶盖划痕图像灰度值变化剧烈,且影响因素较多,无法准确定位检测的问题,提出一种基于机器视觉技术的瓶盖划痕检测方案,以实现在对比度较低的背景下对细微划痕快速准确的检测。方法 对标准图像作预处理创建模板,对样本图像进行滤波降噪、基于形状的模板匹配、提取感兴趣区域（ROI）、高斯差分滤波增强划痕拉开对比度、二维Otsu阈值分割、形态学处理、特征提取划痕。通过获取300幅瓶盖表面图像,与差影法、大津法、人工检测法进行了划痕检测对比实验。结果 实验结果表明,提出的算法能快速、准确、高效地提取瓶盖划痕,检测1幅图片的平均时间为113 ms,检测准确率为98.3%。结论 该方案与人工检测、差影法、大津法相比,检测精度更高、速度更快、鲁棒性更好,可以满足工业上的生产需求。     

An Automated Player Detection and Tracking in Basketball Game

Vision-based player recognition is critical in sports applications. Accuracy, efficiency, and Low memory utilization is alluring for ongoing errands, for example, astute communicates and occasion classification. We developed an algorithm that tracks the movements of different players from a video of a basketball game. With their position tracked, we then proceed to map the position of these players onto an image of a basketball court. The purpose of tracking player is to provide the maximum amount of information to basketball coaches and organizations, so that they can better design mechanisms of defence and attack. Overall, our model has a high degree of identification and tracking of the players in the court. We directed investigations on soccer, basketball, ice hockey and pedestrian datasets. The trial comes about an exhibit that our technique can precisely recognize players under testing conditions. Contrasted and CNNs that are adjusted from general question identification systems, for example, Faster-RCNN, our approach accomplishes cutting edge exactness on three sorts of recreations (basketball, soccer and ice hockey) with 1000×fewer parameters. The all-inclusive statement of our technique is additionally shown on a standard passer-by recognition dataset in which our strategy accomplishes aggressive execution contrasted and cutting-edge methods.     

基于机器视觉的注射液针头胶帽缺陷检测

目的 封装检测是保证流水线上产品质量的关键。针对预罐装注射液,提出一种基于机器视觉的注射液针头胶帽缺陷的实用检测算法。方法 算法首先采用以灰度分布概率作为度量标准的直方图双峰法,对图像进行阈值分割;随后依据以特征角点为中心延伸出的4个象限区域进行特征分析,定位胶帽下边沿左、右角点,以计算胶帽高度;将对称轴点集进行分段直线拟合,得到对称轴所有可能的斜率和截距,基于边缘信息计算最优对称轴和胶帽倾斜角。结果 采用多组图像检验算法缺陷检测,实验结果显示检测成功率达到97.86%。结论 该算法能够对针头胶帽的多种缺陷进行检测,对不合格产品进行分类。     

基于视觉的某炮弹药筒退弹槽槽底宽度精确测量研究

目的某炮弹药筒退弹槽底宽检测速度和精度要求比较高,传统的手工测量适应不了自动化生产的需要。方法用DH-SV1410型CCD摄像机及可调LED光源构建图像采集系统,并在VS2010平台上用C#语言编写一套基于机器视觉的测量系统。采用亚像素边缘轮廓提取方法精确定位退弹槽的边缘轮廓,并设计一个针对退弹槽底宽检测算法。结果通过对一个零件相同部位进行重复对比实验和多个零件测量对比试验表明,该系统在微米级上有误差,但最大误差最大不超过2μm。结论该系统的检测精度能够达到10μm,完全能满足某炮弹药筒在线测量的速度和精度要求,且测量结果不受主观因素的影响。     

图案布匹瑕疵的在线视觉检测

为实现图案布匹瑕疵的在线实时检测,提出了一种基于机器视觉的实时检测方法。离线训练时,通过无瑕疵图像的叠加距离函数以及极值权重分析精确求取图案纹理基元周期,提取标准基元后创建无瑕疵标准基元偏移序列,提取特征用以构建模糊分类器;在线检测时,基于创建的偏移序列求取待检测图像块特征,采用模糊分类器分类,若存在瑕疵则继续构建精确分类器分类。实验表明,所提出的方法对任一批图案不同布匹只需对无瑕疵图案布匹学习一次,即可实现在线检测,检测一帧图像平均时间为200 ms,准确率达99%以上,实时性高且误检率低。     

一种快速运动目标检测与跟踪算法

运动目标的检测与跟踪是计算机视觉和图象编码研究的主要内容,有着广泛的应用领域。基于光流场的检测与跟踪是其常用的方法之一,但其计算结果和效率是不能令人满意的。提出了基于帧间差阈值法和光流场相结合的快速运动目标检测与跟踪算法,诸结果表明该算法简单实用、运算速度快,克服了单纯光流场方法的不足。     

芯片载带缺陷的机器视觉检测方法

目的 针对芯片包装载带在生产过程中经常出现的型腔底部和边缘变形、穿孔等缺陷的检测问题,提出一种机器视觉检测方法。方法 首先离线准备配准模板及标准模板图像,然后根据模板在生产过程中进行在线检测。在检测过程中由传感器触发采集待检测型腔图像,然后通过模板匹配方法配准模板图像和待检测图像,并进行异或运算检测两图像差异从而定位缺陷。结果 实验证明边缘变形检测最大错误率为0.45%,底部变形检测最大错误率为0.50%,穿孔检测最大错误率为0.35%,每帧图像检测平均耗时为0.22 s,满足用户错误率不超过1%和每帧耗时不超过0.5 s的要求。结论 该方法能够实时检测芯片载带边缘变形、穿孔等缺陷,有效地实现载带加工生产过程中的质量监控。     

基于机器视觉的玻璃瓶口缺陷检测方法

目的为提高玻璃瓶口缺陷检测精度,确保生产线包装效率。方法基于机器视觉设计一种瓶口缺陷检测方法,并简要介绍检测系统的整体框架。分别论述基于最大熵值法的图像分割方法、瓶口定位方法以及图像特征提取方法,其中图像特征主要包括周长、圆形度、相对圆心距离。利用BP神经网络实现瓶口缺陷的准确识别,将瓶口破损程度转换为具体数值,最后进行实验验证。结果文中检测方法对破损瓶口的检测成功率为99%,对于不同的破损类型均有较高的检测准确度。结论基于机器视觉的玻璃瓶口缺陷检测方法能够满足生产线对准确性和实时性的要求。     

一种基于运动检测的粒子滤波跟踪方法

针对传统粒子滤波的建议分布没有利用到当前观测信息的不足,本文提出了一种基于运动检测以改进建议分布的粒子滤波跟踪方法.该方法利用系统的状态转移密度分布,结合目标当前时刻的运动信息共同决定目标的先验分布.首先从一阶自回归的状态转移模型中生成部分粒子,然后采用单高斯背景建模进行局部运动检测,在检测到的运动区域中采样其余粒子,由此得到粒子的先验分布.用该方法分别对动态背景和存在完全遮挡情况下的运动目标进行跟踪,实验结果表明该方法有较高的跟踪精度和较强的稳定性.     

基于机器视觉的商品条码质量检测方法

目的针对EAN-13商品条码,运用机器视觉技术进行商品条码质量检测,实现一体化、自动化、智能化检验。方法根据检测要求,设计商品条码图像采集装置,通过系统标定完成初始化。条码检测时,采集待测条码图像,进行畸变矫正;通过边缘检测、形态处理和轮廓匹配,找到条码准确位置,分割出条码图像区域,对其旋转校正,分为条码区域和数字区域;对条码区域,水平采样获取反射曲线,计算光学特性参数和译码数据,通过几何特征分析,结合标定参数,计算出相关结构参数;对数字区域,通过字符分割、模版匹配,完成字符识别;最后,通过比对分析,获取全部检测数据。结果分别采用该方法和传统方法,对100个EAN-13条码样本进行了检测对比,试验表明该方法的检验结果符合国家标准,检测数据准确可靠;该方法操作快捷,精度更高,检测速度大幅提高。结论文中方法实现了商品条码质量检测的一体化、自动化、智能化处理,显著提高了检验水平和工作效率。     

一种基于视觉模型的边缘检测阈值选择策略

按照仿生学原理,通过分析人眼的阈值亮度比曲线和weber比曲线,将图像根据背景亮度 划分为低暗区、中间区和高亮区,分别采用不同的公式计算边缘阈值。仿真表明,该方法能够根据边缘所处背景亮度自适应地选择阈值,从而检测出与人的主观视觉更为一致的图像边缘。     

红外弱小目标检测跟踪并行处理系统

针对红外弱小目标的实时检测与跟踪,本文设计了一套基于4×ADSP TS201S-600处理器的多DSP并行处理系统.该系统拥有LVDS数字视频输入输出接口,利用TS201S的链路口构建了松耦合并行处理系统,支持多DSP间的两两交叉互联和板级互联,定点运算的峰值速度可达19.2 GMAC@16 bit/s,浮点运算的峰值速度可达14.4 GFLOPS.实验结果表明,该并行处理系统具有高实时性、良好的适用性和扩展性等特点,可以实现对大画面,高帧频的红外弱小目标实时检测跟踪.     

基于机器视觉的红酒灌装品质检测

目的对红酒灌装后液位、杂质、瓶体裂纹等进行快速检测。方法运用机器视觉技术,选择合理的检测器件,构建红酒灌装品质的机器视觉检测系统,并利用Matlab R2015a软件设计液位、杂质与裂纹的算法程序,采用竖直方向上Sobel算子检测液位,采用差影法检测杂质与裂纹。结果通过Soble算子边缘检测对红酒灌装后的液位检测识别率为97%,差影法对瓶内杂质检测识别率为98%。结论该实验对于红酒灌装后的液位和杂质检测具有一定的可操作性。     

机器视觉技术在彩色印刷品质量在线检测中的应用

介绍了彩色印刷品质量在线检测的机器视觉系统、印刷品质量检测软件及其处理流程,并通过试验证明了该软件有较高的处理速度和精度。探讨了2种彩色图像分色处理的方法、优缺点以及适应领域;介绍了2种常用的模板匹配算法,并根据试验结果,提出了在印刷品质量检测中,模板匹配算法的优化应以提高速度为主。