仿人足球机器人目标定位与追踪算法改进

对于仿人足球机器人来说,视觉功能是极其重要的。在足球机器人的各种关键技术中,机器视觉是应用范围最广,最为基本的技术之一。移动机器人视觉的研究主要集中在颜色模型建立、目标识别、定位以及跟踪等方面。仿人机器人视觉系统的识别与定位算法也是目前的研究热点,目标的实时识别与定位是足球机器人在足球赛中精确踢球的前提。文章主要是针对目前足球机器人在视觉系统上所存在的问题进行了颜色模型建立及目标定位算法的改进,加入了目标追踪算法,确保目标识别与定位的准确。在i Kid足球机器人上进行试验并调试,试验结果具有较好的实时性和准确性。     

一种基于视觉感知的舰船目标智能化识别方法

为有效识别视觉系统采集的可见光图像中的舰船目标,提出了基于YOLO（You Only Look Once）网络模型改进的10层的卷积神经网络（Convolutional Neural Network,CNN）用于水面舰船目标的智能识别,通过反卷积的方法可视化CNN中不同卷积层提取到的舰船目标特征。按照传统目标识别方法提取了舰船目标的四类典型人工设计特征,将所提CNN的舰船目标识别结果与YOLO网络模型及四类人工设计特征结合支持向量机用于舰船目标识别的结果进行比较。实验结果表明,与YOLO网络模型相比,综合精确率、召回率和效率3个舰船目标识别的性能指标,改进后的CNN性能更好,从而验证了所提方法的有效性。不同数据量下采用典型特征识别舰船目标与基于深度CNN识别舰船目标的识别结果比较说明了不同类型目标识别算法的优劣势,有利于推动综合性视觉感知框架的构建。     

基于计算机视觉的车辆目标检测算法研究

计算机视觉技术在车辆目标检测领域已有重要的应用。本文以计算机视觉技术为基础,深入研究和分析运动目标识别与追踪算法的性能。在此基础上,提出车辆目标检测算法,并通过实验验证算法的实用性和可行性。实验结果表明,车辆目标检测算法能够大幅提高检测精度,减少误报率和漏报率,同时具有良好的运行效果。这项算法具有较强的实用性和应用价值。     

基于OpenCV的运动目标定位跟踪系统软件设计

目标定位跟踪技术一直是计算机视觉领域的一个研究热点。为了更好地改进目标跟踪算法的跟踪特性,设计一种基于OpenCV的目标定位跟踪软件系统。通过对Camshift跟踪算法的研究和改进,以实际的跟踪环境为背景,利用VS2008软件平台和OpenCV库函数,设计一种可以控制云台并实时定位跟踪运动目标的软件系统。实验证明,本系统定位跟踪精确,为运动目标的定位跟踪的研究和应用提供了方便,具有一定的实际意义。     

融合CNN与时空分离ViT的人体行为识别算法研究

目前在计算机视觉领域,视频行为识别技术已经取得了一定的发展,但仍有一定改进的空间。为解决当下行为识别领域的识别精度问题,提出一种融合CNN与时空分离ViT的网络模型,来提高行为分类识别的准确率。该模型主要将传统ViT模型的编码器结构演变为时间编码器和空间编码器,将时间和空间编码器串联提取视频特征后与CNN卷积所提取的特征进行融合来提高识别效果。实验的结果表明,融合CNN与时空分离ViT的网络模型在识别效果上具有一定的优越性,为人体行为识别算法设计提供了新思路。     

基于免疫克隆高斯过程隐变量模型的SAR目标特征提取与识别

作为一种非线性维数约减算法,高斯过程隐变量模型(Gaussian process latent variable model,GPLVM)由于其适合处理小样本、高维数据,因而在模式识别、计算机视觉等领域得到了广泛应用.基于此,提出一种基于改进GPLVM的SAR图像目标特征提取及自动识别方法,其中利用改进的GPLVM进行特征提取,高斯过程分类进行目标识别.传统GPLVM使用共轭梯度法对似然函数进行优化,为避免梯度估值易受噪声干扰、步长对算法影响严重等缺点,提出基于免疫克隆选择算法的GPLVM,利用其具有快速收敛到全局最优的特性提高算法性能.实验结果表明,该算法不仅降低了特征维数,且提高了识别精度,从而验证了算法用于SAR图像目标识别的有效性.     

基于深度学习的目标检测与跟踪的方法研究

随着大数据时代的兴起，计算机视觉领域在深度学习的推动下不断进步。目标检测与跟踪是计算机视觉领域的重要研究内容，实现高精度和高实时性的追踪一直广受关注。本文提出了一种改进的目标检测与跟踪模型，融合了Yolo检测模型和Deepsort跟踪算法，将Yolo的主干网络进行优化，将改进后的Yolo模型作为Deepsort的检测器，提高检测速度和回归精度，降低模型深度。结果表明，本文算法的实时性和准确度有了提升，可适应复杂的跟踪场景。     

基于YOLOv5算法的足球训练识别系统

随着全民健身时代的发展,体育运动分析越来越重要。文章设计了一个基于YOLOv5目标检测算法的足球识别系统,该系统通过预先准备的足球训练集对YOLOv5训练得到初步目标检测算法模型之后,再通过K-means算法进行二次算法模型分析,对图像聚类分析改进算法对图像特征。在算法训练结束后,文章对此目标检测算法模型进行测试,测试结果表明：聚类分析后的目标算法模型对足球漏检的情况显著变少,而且对足球的实时检测效果表现良好,提升了算法识别速度和识别准确度;其mAP平均精度达到了98.6%,与原改进前提升了1%。     

基于双通道图像的电力设备智能监测技术研究

以目前变电站电力设备故障监测为背景,以变电站绝缘子为对象,利用机器视觉技术,重点开展了基于双通道的图像采集技术、电力设备目标识别以及红外感兴趣区域(ROI)自动定位测温技术的研究。通过硬件设计获取双通道(可见光、红外)图像信息,建立了绝缘子数据库,利用Mask R-CNN算法对绝缘子进行有效识别,利用红外测温技术对红外ROI区域进行自动测温,搭建了一套基于双通道图像的电力设备智能监测系统。实验结果表明:本文提出的算法可以实现精确的绝缘子目标识别,为电力设备的智能监测提供了可行的视觉监测技术途径。     

基于计算机视觉算法的图像处理技术分析

本文以计算机视觉算法为基础,针对图像处理技术展开研究,对现有图像校正效果进行有效改善,并给出以计算机视觉算法为基础的针对性处理技术。基于此,分别对计算机视觉算法、图像处理技术中的图像类别特征和专业技术特点展开说明,经研究论证,以计算机视觉算法为基础的计算机视觉显示系统和图像畸变矫正功能使用效果良好,具备进一步研发价值和推广价值,希望本次研究可以为同领域工作者提供合理参考。     

基于多目标Camshift手势识别

基于单目视觉下的手势识别技术一般由手势建模、特征提取、手势匹配等几个关键技术构成。手势跟踪算法目前主流的是粒子滤波算法和Camshift算法。系统采用Camshift算法,将人手图像由RGB空间转换到HSV空间后,在HSV空间利用半自动预定义模板颜色对人手进行分割,并对其进行改进实现多目标跟踪,由于Camshift算法为半自动算法,在对手势进行跟踪前需对手势进行手动标定,系统采用了手势跟踪与手势识别技术结合的方法,改进了Camshift算法,解决了Camshift的半自动问题和实现多目标跟踪,实现双手的手势识别。     

基于OpenCV的三维重建研究

以计算机视觉中热门课题——三维重建技术为研究对象,分析了开放计算机视觉函数库OpenCV中的三维重建模型,通过6个步骤,主要是摄像机标定和立体匹配中极线约束方法的使用,给出了基于OpenCV的三维重建算法.该算法充分发挥了OpenCV的函数库功能,提高了计算的精度效率,具有良好的跨平台移植性,可以满足各种计算机视觉系统的需要.     

基于LabVIEW的运动目标跟踪系统的研究

主要对创新实验室二维视觉跟踪转台的算法进行改进。传统的算法只能实现在白色背景下对黑色目标的识别与跟踪,为实现对不同目标复杂背景的跟踪,针对跟踪系统设备和系统指标要求,确定了图像预处理、图像分割、形心跟踪等算法。针对目标的特点,根据识别的目标用形心跟踪算法进行跟踪。文中所有控制程序都基于LabVIEW,在MFC框架下用C++编写图像处理程序。结果表明,在LabVIEW平台下的识别跟踪过程中,二维转台最终实现良好的控制,使整个系统快速、准确的跟踪运动的特征物体,完成了二维目标视觉检测与跟踪的目的。     

危险气体罐车液位计算机视觉监控识别报警系统设计

在计算机视觉环境下,对危险气体罐车液位的检测识别,保障车辆运输安全。结合视觉图像处理技术,采用嵌入式超声无损检测方法,进行危险气体罐车液位计算机视觉监控识别报警系统设计。首先进行液位检测原理分析,构建系统装置的总体结构模型,进行危险气体罐车液位计算机视觉监控识别报警系统的硬件模块化设计和软件设计,设计了计算机视觉监控识别报警系统的超声信号A/D采样电路、时钟电路、滤波电路、程序加载电路和电源电路。基于计算机视觉监测方法,进行危险气体罐车液位内部状态特征的视觉监测。实验结果表明,该系统具有较好的液位检测性能,实现危险气体罐车液位的有效监控识别与报警,性能可靠稳定。     

二分光反射模型在中医舌苔润燥分析中的应用

二分光反射模型能客观地反映物体的光反射机理,将其应用于计算机视觉领域,可以实现反射光斑的识别.本文深入研究了舌苔表面的光反射属性和其图像特征,在我们已提出的舌苔润燥分析算法[2-4]的基础上进行改进,提出了一种新的基于二分光反射模型的舌苔润燥分析算法,大大提高了识别正确率.     

基于多特征的视频中单人行为识别

基于视频流的运动人体行为识别是一项既具有挑战性同时又非常具有广阔应用前景的研究课题。行为识别是基于人体目标识别和人体跟踪更高级的计算机视觉部分,研究出一种健壮的行为识别算法具有重要的理论意义和广泛的应用前景。利用在视频的基础上提取出位置分布图、大小分布图等一系列的属性将人的行为进行分类。采用基于帧间差分和改进混合高斯模型的运动人体分割算法,解决了复杂背景下的运动目标检测问题。实验数据对提出的新的行为描述方法进行了各种指标的讨论,验证了本文提出的算法的合理性与高效性。     

下期要目

正复杂场景中战斗机的鲁棒跟踪算法研究一种改进的安全曲面生成算法制导引信一体化信息融合技术无人机自适应平滑切换姿态融合算法研究基于非监督网络的军事目标识别算法的研究抗遮挡与尺度自适应的长时间目标跟踪算法对地攻击型无人机作战效能多核RVM评估模型深度学习的无人机双目视觉避障研究     

基于计算机视觉的课堂实时考勤系统设计

本文基于计算机视觉技术设计了一种课堂实时考勤系统,首先根据MVC架构搭建系统整体结构,然后设计了基于深度学习的计算机视觉模型用于人脸检测和识别,并建立了关系型数据库模型,最后通过Web服务实现实时考勤功能。本系统有利于学校课堂教学管理,具有一定的发展前景。     

基于改进的ResNet的人脸表情识别系统

表情识别已成为人机交互中的一种重要方法,成为计算机视觉研究的热点。目前,关于深度学习的方法已被广泛应用于面部表情识别,深度模型的训练和优化引起了人们的广泛关注。在此背景下,文章使用改进后ResNet网络模型,在Fer2013数据集和CK+数据集上进行了训练,得到了准确且高效的人脸表情识别模型。并在此基础上结合Opencv计算机视觉库的视频读取功能和人脸检测模型,构建了人脸表情识别系统。由于改进后的网络模型更加的轻量化,所以构建出来的人脸表情识别系统,具有体积小、计算量小和识别快速的特点。     

采用改进型AlexNet的辐射源目标个体识别方法

针对辐射源目标精确识别需求,结合以深度学习为代表的机器学习理论技术,提出将改进型AlexNet作为特征提取器,实现目标细微特征提取固化,形成智能化识别网络模型。以广播式自动相关监视（ADS-B）信号为实验对象,在机场实地采集了13个目标的ADS-B脉冲信号数据作为辐射源目标个体识别的训练和测试样本,利用AlexNet和改进的AlexNet验证了算法的有效性。结果表明,改进的AlexNet网络训练时间更快,综合识别率达到98.32%.