基于无人机双目图像的线目标测量的研究

利用无人机双目图像实现线目标的测量对输电线路巡检具有重要的意义。为提高无人机双目图像下线目标的测量精度,改进Census立体匹配算法,在代价聚合过程中,首先对聚合窗口中的初始匹配代价进行异常筛选,然后计算聚合代价值进而生成视差图,实验证明改进立体匹配算法,提高图像立体匹配精度,且平均误匹配率为5.79%;在线目标测量方面,针对线目标视差图存在的缺陷,提出一种基于目标识别的线目标视差图优化算法,该算法依据目标识别获取线目标视差图,然后根据四个原则进行优化处理,最后将优化后的线目标视差图用于测量,实验证明采用优化后的线目标视差图测量得到结果要优于直接采用视差图得到测量结果。     

基于复合时空特征的人体行为识别方法

为了有效地表征人体行为中的姿势信息和运动信息,提高行为识别算法的准确率,提出一种融合三维方向梯度直方图特征与光流直方图特征的复合时空特征,并利用其进行人体行为识别.首先采用复合时空特征综合描述三维时空局部区域的像素分布和像素变化;然后构建复合时空特征词典,并根据该特征词典完成对人体行为序列特征集合的描述;最后采用主题模型构建人体行为识别算法,对行为序列中提取的复合时空特征进行分类,实现人体行为的识别.实验结果表明:该方法能有效地提高人体行为识别准确率.     

基于特征融合的步态识别算法研究*

提出一种融合步态运动中的人体形状信息特征和下肢运动信息特征的步态识别算法：利用边界跟踪算法获取人体轮廓边界线,并采用傅里叶描述子表达人体轮廓特征;依据人体解剖学的知识定位下肢关节点,并提取下肢角度特征;分别对两种特征进行匹配,然后采用特征融合的方法对匹配结果进行处理。实验结果表明,本算法的性能较基于单个特征的步态识别算法有明显的改善。     

基于近红外TOF传感器的姿势识别研究

现有的姿势识别系统普遍存在算法复杂度较高,不便嵌入式移植等问题.提出一种基于深度图像的姿势识别方法.SR4000获取深度图像进行前期预处理得到人体目标并骨骼化,计算各端点坐标和离地高度及离质心的骨架线距离,根据骨架线距离识别各端点属性,结合特定动作的特征可识别出大量姿势.用该算法成功识别交通警察的8个指挥动作作为例子,验证算法的有效性.实验表明:该算法复杂度低,识别率高.     

基于监控系统的人体行为识别技术研究

针对传统行为识别技术实时性、鲁棒性较差等问题,提出了一种高效鲁棒性的人体行为识别算法。通过基于Meanshift和Kalman滤波相结合的跟踪算法来跟踪定位人体目标;利用肢体特征和区域特征来提取运动特征;利用基于OAA的支持向量机分类识别。仿真实验表明,该算法实时性好、鲁棒性高,能有效应用于监控系统中。     

基于Kinect骨骼数据的人体动作姿势识别方法

针对现有的复杂背景下人体动作姿势训练与识别中存在识别准确率不高和实时性不强等问题,提出一种基于Kinect骨骼数据的人体动作姿势识别方法。从Kinect获取骨骼姿势特征点数据,计算姿势特征矢量;将当前的实时姿势特征矢量与预设的标准姿势特征矢量进行匹配比较,实时反馈两者姿势的匹配度,达到姿势识别的目的。实验结果表明,该方法能有效地进行人体动作姿势的匹配识别,识别准确率较高、实时性较强,具有良好的可扩展性。     

基于粗精立体匹配的双目视觉目标定位方法

针对双目视觉系统定位精度较低的问题,提出一种基于粗-精立体匹配的双目视觉目标定位方法。该方法采用粗-精匹配策略：在粗匹配阶段使用基于Canny-Harris特征点的随机蕨算法对左右图中的目标进行识别,提取目标矩形区域的中心点,实现中心匹配;在精匹配阶段建立一种基于图像梯度信息的二值特征描述子,将中心匹配得到的右中心点作为估计值,设定像素搜索范围,于该区域中找出左中心点的最佳匹配点。最后,将得到的中心点匹配对代入平行双目视觉的数学模型中,实现目标定位。实验结果表明,在500 mm距离范围内,所提出定位方法的定位误差控制在7 mm内,平均相对定位误差为2.53%,相比其他方法具有定位精度高、运行时间短的优点。     

面向大屏幕投影环境的场景漫游交互技术

为提高交互的自然性和降低认知负担,针对大屏幕投影环境提出一种无标识的基于人体空间定位和姿势识别的虚拟场景漫游交互方法.通过已标定的双摄像头实时检测运动人体前景,应用立体视觉方法定位人体空间位置,采用向量进行姿势表示和识别.基于行走隐喻将人体空间位置和姿势作为交互输入信号,借助有限状态机实现交互状态间转换.实现的原型系统表明,该方法可实现自然的虚拟场景漫游交互.     

一种应用于双目移动机器人目标跟踪的新型立体匹配算法

针对移动机器人目标跟踪对立体匹配准确性和实时性的要求,提出了一种基于平行配置系统的改进WTA算法;首先提取图像的边缘点和两幅视图间存在较大差异的点作为特征点;然后对特征点采用WTA算法进行立体匹配,而对非特征点仅进行简单的验证,其视差值为邻近像素的视差值;最后得到致密的视差图;该算法提取的特征点集中于视差不连续区域,实验结果表明该算法匹配精度与现有其它算法相当,但计算速度很好地满足了实时性的要求,并且边缘特性较好,是一种匹配准确、实时性好的立体匹配算法。     

运动场景下的多目标人体姿态估计

为提高群体活动场景下细粒度人体姿态估计的准确率,优化网路中人体识别及姿态估计算法,在现有研究的基础上,提出一种结合多尺度预测以及改进并行注意力模块的多目标人体姿态估计算法。在充分利用不同尺度特征信息的基础上,实现高质量的人体姿态估计;针对运动场景下多目标人体姿态数据集较少,提出一种数据集CUPB Sport Dataset。实验结果表明,该算法在公开基准数据集和自制数据集上分别达到了81.4 mAP和79.7 mAP,验证了该算法在运动场景下针对多目标的高效性。     

基于CANNY算法的道路交通标线识别方法

现如今在智能交通领域,车道线及交通标志的识别已经发展得较为成熟,但缺乏对于交通道路中标线识别的研究。为了解决道路交通标线识别中标线分类复杂以及精确程度不高等问题,提出了一种基于CANNY算法的道路交通标线识别方法。针对视频中道路交通标线的提取及其识别,提出通过结合阈值分割提取颜色特征及使用CANNY算法检测标线边缘特征等信息,定位出标线所在原始图像的位置,并将ROI定位区域标定分割,得到初步的检测区域,将ROI定位区域标定分割后结合SURF算法提取出图中的特征点,最后基于快速近似最近邻搜索匹配方法对标线进行识别。实验发现,此方法剔除了后期检测时冗余的特征点,减少了处理时传输量,加快了识别速度,对现实场景中车道线的识别效果良好。     

基于自适应极线距离变换的立体匹配

针对极线距离变换对噪声的敏感性及其在不连续区域匹配的不确定性,提出一种基于自适应极线距离变换的立体匹配算法.自适应极线距离变换利用图像结构特征,提出迭代目标尺度算法与区域不连续图来自适应选择极线距离变换参数,将图像的强度信息转化为沿着极线局部分割区域的相对位置信息,在区分低纹理区域像素点的同时保持了图像边缘信息;采用局部极小窗口均值计算分割线长度,有效地提高了低纹理区域对噪声的鲁棒性.对多幅真实图像的实验结果表明,自适应极线距离变换对低纹理区域以及不连续区域是有效的,且采用变换后图像计算视差的立体匹配算法,有效地降低了图像边缘点和噪声点等不连续区域的误匹配率,提高了图像匹配精度.     

基于姿势估计与显著性目标检测的衣物提取算法

针对衣物识别对服饰购物图像搜索的影响,分析了网络服饰购物图像的特点,将姿势估计和显著性检测结合,提出了一种基于姿势估计与显著性目标检测的衣物提取算法。该算法对图像进行姿势估计,实现姿势的适应性,将姿势估计融入显著性目标检测的区域检测部分,将二者优势互补,得到结合姿势估计的显著性检测图,衣物区域得以自动定位,通过迭代的图割方法提取出衣物。实验结果表明,所提算法可以较为准确地提取出复杂背景中的衣物,说明了衣物提取中引入姿势估计和显著性检测的有效性;同时适用于大部分服饰购物图像,具有较好的通用性。     

基于LBP和HOG特征分层融合的步态识别

针对步态能量图（GEI）在提取人体信息时只描绘出了轮廓信息,而丢失了内部特征的局限性,提出一种基于人体目标图像的局部二值模式（LBP）与方向梯度直方图（HOG）分层融合的GEI识别算法。该算法步骤包括：首先用光流法提取步态周期,获得一个周期的步态能量图（GEI）;然后分三层提取GEI的LBP特征,得到三层的LBP图像;依次提取每层LBP图像的HOG特征,最后将每层提取的LBP和HOG特征融合,得到每层的新特征;最后将三个新特征依次融合成可以用于识别的最终特征。通过几种方法对CASIA和USF步态数据库的实验对比,提出的算法取得了更高的识别率。     

基于Kinect的人体实时三维重建及其应用

目前,人体三维重建技术在建模前一般需要采集从多个视角观察人体的数据,并限定人体的姿势,不能很好地用于需要人体模型的交互式应用中.针对这个问题,提出一种基于单个Kinect的渐进式人体重建方法.首先结合特征点检测算法和校错处理,对深度视频帧中人体上的特征点进行定位;其次对身体尺寸进行测算或估算,并在对视频流的处理中渐进式地补充与完善;最后根据以上信息对人体进行分块参数化建模和合成,得到人体模型.实验结果表明,在尺寸不完整的情况下,该方法即可重建包含肢体结构语义的完整人体,易于实现局部模型或姿势的修改,并在虚拟试衣应用中体现出良好的实时性和交互性.     

多特征融合的人体目标再识别

在非重叠的多摄像机监控系统中,人体目标再识别是需要解决的主要问题之一。针对当前人体目标再识别使用目标的外观统计特征或者通过训练获取目标特征时存在的问题,提出一种无需训练,对视角、光照变化和姿态变化具有较强鲁棒性的基于多特征的人体目标再识别算法。首先根据空间直方图建立目标整体外观表现模型对目标进行粗识别,之后将人体目标分为3部分,忽略头部信息,分别提取躯干和腿部的主色区域的局部颜色和形状特征,并通过EMD(earth movers distance)距离进行目标精识别。实验结果表明,本文算法具有较高的识别率,且不受遮挡和背景粘连的影响。     

基于径向基神经网络的立体匹配算法*

针对双目视觉中的图像立体匹配问题,提出了一种基于径向基神经网络的立体匹配算法。该算法提取图像的尺度不变特征变换（SIFT）特征建立特征匹配矩阵,对特征匹配向量进行约简,最后将约简的特征匹配向量输入径向基神经网络进行识别输出。仿真和实际图像实验表明,该算法的匹配正确率比标准的SIFT有所到提高。     

一种基于光流的多区域分割在步态识别中的应用

人体目标分割的质量对步态识别的性能有直接的影响。提出了一种鲁棒性的步态表示方法,即利用光流特征提取视频中的运动信息,并将目标人体区域部分按人体结构特点划分为多个子区域,每个子区域通过基于光流特征的椭圆模型进行拟合,建立多区域椭圆模型的人体结构模型。识别过程中将模型参数作为步态特征,结合动态时间规整技术解决了动态模式的相似度量和匹配问题。实验表明,该算法可以有效地提高识别算法的鲁棒性,并且具有较好的识别性能。     

卷积神经网络用于关节角度识别与姿势评估

为了快速准确地输出各种工作姿势风险评估结果，提出采用Kinect v2与卷积神经网络识别人体各关节角度，并输出标准姿势风险的评估得分。首先使用亚像素角点提取的棋盘标定算法标定Kinect两个摄像头，其次使用改进后的双边滤波对深度图像去噪，使用卷积神经网络识别人体关节二维位置，结合深度信息获取实际三维坐标并计算人体关节角度，最后输出姿势风险评估得分。通过两种实验分别验证了提出的Kinect角度识别与姿势评估的准确性，表明该方法关节角度识别与姿势风险评估的准确率均较高，是一种低成本、高可靠性的姿势评价方法，具有一定的科学意义和工程应用价值。     

基于人脸识别与光流追踪的移动机器人视觉导航方法

针对移动机器人视觉导航中跟踪目标丢失的问题,提出了基于人脸识别与稀疏光流算法(KLT)结合的移动机器人视觉导航方法(FR-KLT视觉导航方法)。采用OpenCV库中的Haar特征提取人脸识别算法实时检测识别目标人脸,通过Harris角点检测获取目标人体特征点,对目标人体进行精准定位;KLT光流追踪法测算目标移动趋势,并预测目标下一刻大致位置。目标人体位置变动时移动机器人对目标进行实时追踪导航。通过Pioneer-LX机器人在真实环境下试验,验证了该方法准确识别并跟踪目标的实时性和有效性。