一种埋弧焊视觉跟踪系统

论述了一种埋弧焊缝视觉跟踪系统的原理，重点讨论了跟踪系统的参数选择和视觉跟踪控制处理部分的组成，实验表明，本系统具有景深大、工作距短、控制准确、可靠性高等特点。     

基于颜色计算显著特征的彩色图像质量评价方法

目的从颜色这个角度研究新的全参考图像质量评价方法。方法首先在Lab色空间内基于颜色信息提取2个图像特征,即颜色和对比度特征。然后将颜色特征和图像梯度相结合,对比度特征和图像局部范围相结合,分别提出不同的图像质量评估方法。结果采用该领域内4种常用的参数来评估文中算法和14种其他经典算法的表现,结果显示文中提出的2种基于图像彩色信息的算法总体上优于其他算法。结论从颜色计算显著特征出发来研究图像质量评价方法是一个有效的途径。     

基于YOLOv3检测和特征点匹配的多目标跟踪算法

针对传统多目标跟踪算法中行人检测速度慢、易受光照变化、行人快速移动及部分遮挡因素的影响造成行人目标跟踪性能差等问题,提出一种根据经典的Tracking-by-Detection模式,采用深度学习YOLOv3算法检测行人目标,然后利用FAST角点检测算法与BRISK特征点描述算法对相邻帧间的行人目标进行特征点匹配,实现多...     

基于局部特征组合的目标跟踪算法

为了克服目前大多数观测模型在小样本空间中鲁棒性不高的弱点,文中在粒子滤波框架下提出基于局部特征组合的粒子滤波视频跟踪算法。局部特征能更有效描述目标模板细节信息,可降低特征匹配中目标形变、光照变化和部分遮挡的影响。该方法借鉴混合高斯模型思想,采用多模式描述有效局部观测信息,这种融合策略更加准确可靠,能够较好地通过最新观测减轻了粒子退化现象,从而提高目标跟踪效率。小样本空间一定程度上降低了粒子数量和计算代价。实验结果表明该算法相比单一特征或一般多特征融合跟踪算法具有优越性,并能实现复杂场景下的目标跟踪。     

结合颜色和结构信息的粒子滤波跟踪算法

单纯依靠颜色信息往往使得目标跟踪不稳定.为了在复杂背景和光照变化等干扰情况下,能够准确地跟踪到感兴趣的目标,本文提出了将颜色和结构信息相结合的方法.该方法在基于颜色直方图的粒子滤波跟踪框架中,利用目标的灰度图像建立结构模型,通过结构相似性质量因子衡量目标在两帧图像之间的相似性.实验表明,该算法在使用相同粒子数目的情况下较传统的基于颜色直方图的粒子滤波跟踪算法鲁棒性更高,可以用于特定场合可疑目标的跟踪.     

基于眼动的内饰造型特征认知与品牌识别研究

目的 分析汽车内饰造型特征的品牌识别过程,指导内饰设计师理解用户认知方式并应用于设计实践中,使设计意象有效传达,为内饰心理认知研究提供借鉴。方法 以眼动实验为主,问卷法和访谈法为辅,定性与定量分析相结合对内饰视觉认知中的造型特征识别过程进行分析。结果 划分内饰造型区域特征并编码,中央空调出风口、车门开关、方向盘是用户关注时间最长和最先关注的特征。有经验者观察目标明确,注重整体感知,无经验者目标注视点分散,注重局部特征。结论 中央空调出风口、车门开关、方向盘是传递品牌意象的重要造型特征区域,该部分的设计有助于提升内饰的品牌识别度。造型特征识别过程从认知心理的角度解释了不同用户对内饰人机系统认知的区别。     

基于自适应特征融合的多尺度相关滤波跟踪

为了减小目标跟踪中目标变形、光照影响、运动模糊以及目标旋转对跟踪效果的影响,在相关滤波KCF基础上,提出了一种基于自适应特征融合的多尺度相关滤波跟踪算法。首先,提取VGG19网络中conv2-2、conv3-4、conv5-4层的特征以及CN特征,并在conv2-2层加入CN特征;然后,将这3个特征分别代替HOG特征进行滤波学习,得到3幅响应图;进而对3幅响应图进行加权融合预测目标位置。最后,在尺度方面引入多尺度相关滤波器进行尺度的确定。该算法比KCF跟踪算法精确度和成功率分别提高了13.6%和11.8%。与现有的其他优异跟踪算法相比,该算法在应对运动模糊、背景杂乱、目标变形、平面旋转方面更具有较好的跟踪效果。     

Visual Relationship Detection with Contextual Information

Understanding an image goes beyond recognizing and locating the objects in it, the relationships between objects also very important in image understanding. Most previous methods have focused on recognizing local predictions of the relationships. But real-world image relationships often determined by the surrounding objects and other contextual information. In this work, we employ this insight to propose a novel framework to deal with the problem of visual relationship detection. The core of the framework is a relationship inference network, which is a recurrent structure designed for combining the global contextual information of the object to infer the relationship of the image. Experimental results on Stanford VRD and Visual Genome demonstrate that the proposed method achieves a good performance both in efficiency and accuracy. Finally, we demonstrate the value of visual relationship on two computer vision tasks: image retrieval and scene graph generation.     

基于视觉引导和超声测距的运动目标跟踪和抓取

提出了装配机器人系统中一种基于视觉引导和超声测距的运动目标跟踪和抓取方法。介绍了运动目标的跟踪原理 ,采用图像雅可比矩阵进行机器人运动控制 ,跟踪运动的目标。利用视觉引导技术 ,获取目标在图像平面中的位置与方位 ,进行平面跟踪 ,然后引导超声波测距装置测取目标深度信息。实验结果验证了本文提出的这种方法的可行性和有效性     

窗口自适应更新的柔性目标视频跟踪

运动人体目标的跟踪一直是视频监控中研究的重点.本文主要侧重柔性目标变形的方面,以HSI颜色模型进行模板的学习,在当前帧中得到模板,并且统计每一帧图像的信息量,然后在一下帧中进行Kalman预测.将预测到的区域与模板比较判断之后再决定是否更新模板,减少了一定的计算量,为了约束窗口的变化,引入信息量的概念,信息量由HSI颜色空间的I的特征点计算得到.这样,一直更新模板和窗口直至准确有效地跟踪人体目标.实验表明,在人体发生较大形变的过程中,会持续的跟踪人体,不会发生跟踪丢失的问题.     

基于眼动追踪技术的汽车造型特征提取与认知研究

目的从用户角度出发研究汽车造型特征提取和品牌识别模式,帮助汽车造型设计师理解用户认知并应用到设计实践中。方法主要以眼动仪为实验工具,问卷调查法、访谈法作为辅助研究方法,进行特征提取实验和品牌识别模式分析。结果得出了汽车造型区域特征提取结果并进行编码和用户品牌识别模式的初步框架。结论以眼动仪为工具,可以从特征面的角度进行特征提取和认知分析,为以后的实验改进和研究提供更多的思路和参考。     

An Improved DeepNN with Feature Ranking for Covid-19 Detection

The outbreak of Covid-19 has taken the lives of many patients so far. The symptoms of COVID-19 include muscle pains, loss of taste and smell, coughs, fever, and sore throat, which can lead to severe cases of breathing difficulties, organ failure, and death. Thus, the early detection of the virus is very crucial. COVID-19 can be detected using clinical tests, making us need to know the most important symptoms/features that can enhance the decision process. In this work, we propose a modified multilayer perceptron (MLP) with feature selection (MLPFS) to predict the positive COVID-19 cases based on symptoms and features from patients’ electronic medical records (EMR). MLPFS model includes a layer that identifies the most informative symptoms to minimize the number of symptoms base on their relative importance. Training the model with only the highest informative symptoms can fasten the learning process and increase accuracy. Experiments were conducted using three different COVID-19 datasets and eight different models, including the proposed MLPFS. Results show that MLPFS achieves the best feature reduction across all datasets compared to all other experimented models. Additionally, it outperforms the other models in classification results as well as time.     

包装物料形状特征提取和识别方法

目的为了提高包装过程物料抓取成功率,采用机器视觉设计一种物料识别和定位方法。方法以串联机械手臂为载体搭建一种基于机器视觉的物料识别、定位、抓取平台,包括物料传送模块、图像采集模块、视觉分拣模块、机器人控制模块和抓取模块等。重点论述相关图像处理算法,包括基于双边滤波的图像预处理方法,基于Canny算子的图像边缘检测,图像特征提取和质心定位等。最后进行实验研究。结果实验结果表明,码垛机器人的物料形状正确识别率可以达到99.25%,抓取成功率能够达到99.5%。结论所述物料形状识别和抓取定位方法可有效解决图像特征提取、定位等问题,具有识别率高、抓取准确等特点,能够满足包装搬运要求。     

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。     

融合颜色和轮廓的粒子滤波人脸跟踪

实际人脸跟踪过程中,光照和姿态的变化、背景颜色干扰等因素都会极大地削弱颜色特征的有效性,从而造成跟踪的不稳定.针对该问题,本文提出了一种以颜色和轮廓分布为线索的粒子滤波人脸跟踪算法.该算法主要有三个方面的特点:第一,在粒子滤波基本框架下,引入新的用直方图描述人脸轮廓的方法,有效解决了光照、人脸旋转、部分遮挡问题对跟踪的影响,并且能及时有效地重新捕获由于大面积遮挡等原因而丢失的目标.同时采用实时调整每帧图像特征点个数,有效提高了跟踪效率.第二,针对背景干扰问题,提出了一种抑制相似背景颜色干扰的方法.第三,本文还提出实时更新模板的方法来提高跟踪的准确性.实验证明本文算法对人脸跟踪具有很好的效果.     

包装设计的时间和空间特征

时间和空间是包装的表层效果，论述时间和空间特征，以使在包装设计过程中加强认识，更好地发挥其功能作用。     

复杂背景下车辆跟踪的改进算法及逆行检测

针对复杂背景下车辆跟踪准确率低的情况,提出了一种改进的算法,采用多边形车辆跟踪窗口和更准确的预测搜索区域,进行多特征匹配车辆的跟踪算法,并应用于道路的车辆逆行检测.实验结果表明,该算法在满足实时性和稳定性的前提下,提高了车辆跟踪的准确率.     

视觉意象与列车内装产品造型特征元素的关联研究

目的解析意象认知与产品造型的相关性,为造型参数的量化研究提供参考。方法提炼主要视觉凝视区域,获取列车内装的主要造型特征要素。在此基础上,应用数量化分析的基本方法,统计内装照片为样本的实验数据,归纳出不同内装设施形态特征元素对视觉意象的影响趋势。结论总结不同造型特征元素对视觉意象认知的影响度。     

基于小波-双谱分析的视觉诱发脑电特征提取

针对脑电信号非平稳性、非线性和非高斯性特点,利用小波变换和双谱分析相结合的方法提取视觉诱发脑电特征.采用Oddball实验范式,采集视觉诱发脑电数据.首先,对脑电信号进行少次相干平均以去除自发脑电;然后,选择合适的小波函数和分解层数,进行小波分解与重构,并对重构后细节系数进行白化处理;最后,利用双谱分析提取视觉诱发脑电特征.结果表明:该方法可以提取蕴涵于脑电中丰富的高阶时频信息,并且在处理脑电非线性和抑制高斯噪声方面具有较强的优越性.     

Multiple Pedestrian Detection and Tracking in Night Vision Surveillance Systems

Pedestrian detection and tracking are vital elements of today’s surveillance systems, which make daily life safe for humans. Thus, human detection and visualization have become essential inventions in the field of computer vision. Hence, developing a surveillance system with multiple object recognition and tracking, especially in low light and night-time, is still challenging. Therefore, we propose a novel system based on machine learning and image processing to provide an efficient surveillance system for pedestrian detection and tracking at night. In particular, we propose a system that tackles a two-fold problem by detecting multiple pedestrians in infrared (IR) images using machine learning and tracking them using particle filters. Moreover, a random forest classifier is adopted for image segmentation to identify pedestrians in an image. The result of detection is investigated by particle filter to solve pedestrian tracking. Through the extensive experiment, our system shows 93% segmentation accuracy using a random forest algorithm that demonstrates high accuracy for background and roof classes. Moreover, the system achieved a detection accuracy of 90% using multiple template matching techniques and 81% accuracy for pedestrian tracking. Furthermore, our system can identify that the detected object is a human. Hence, our system provided the best results compared to the state-of-art systems, which proves the effectiveness of the techniques used for image segmentation, classification, and tracking. The presented method is applicable for human detection/tracking, crowd analysis, and monitoring pedestrians in IR video surveillance.