基于计算机视觉的增强现实演示系统

实现一种基于计算机视觉的增强现实演示系统。通过强像设备卖时采集真实场景图像,检测运动目标,通过对运动目标的运动跟踪获取运动目标位置,生成虚拟物体,根据运动目标的运动状态采用碰撞模型控制虚拟物体的运动,将虚拟物体和真实场景图像合成,并显示在通用显示器上,实现用运动目标控制虚拟物体运动的增强现实演示效果。实验证明,该系统能实现增强现实的演示效果。     

基于Meanshift算法的实时目标跟踪系统

设计了一种基于TMS320C6455与FPGA的实时图像跟踪系统,该系统首先采用MAX9526采集图像,利用FPGA对图像进行均值滤波,滤波后数据采用乒乓方式传输给DSP。Mean Shift跟踪算法采用图像像素灰度距离中心点的距离作为目标特征建立核函数,实现对目标的实时跟踪。实验表明,该系统具有良好的实时性与稳定性。     

视觉跟踪算法研究

视觉跟踪算法是实现视觉目标有效跟踪的关键技术之一,通过观测图像序列,推理获得目标运动参数,实现运动目标跟踪,主要有基于区域跟踪、基于特征跟踪、基于变形模板跟踪和基于模型跟踪等四个类型的跟踪算法,并各具不同的适用范围及优缺点。     

基于运动粒子的粒子群目标跟踪算法

为兼顾目标跟踪的准确度和目标跟踪时图像的处理速度,文章提出一种基于运动粒子的粒子群目标跟踪算法。该算法首先对目标跟踪区域提取HSV特征得到目标特征向量;然后以高斯分布的形式撒下n个粒子构成粒子群,通过梯度收敛算法可以快速准确地搜索到最佳的目标位置,并以此位置作为跟踪点,进行下一帧跟踪。实验结果表明,在精确度方面文章提出的算法是CSK算法的1.52倍、MS算法的1.57倍,在速度方面文章提出的算法是Struck算法的22.87倍、KCF算法的1.11倍,有效地兼顾了目标跟踪的准确度和处理速度。     

一种基于显著性区域的运动目标跟踪方法

根据目标跟踪中遇到的实际问题,在深入研究视觉注意理论的基础上,提出了一种基于视觉注意模型的运动目标检测模型,在该模型下提出了一种基于动态显著性区域的运动目标跟踪方法,该方法利用基于动态显著性特征的运动目标检测模型检测到目标的位置,然后通过自适应窗调整策略,对Mean Shift算法进行改进,可以有效进行目标跟踪,方法能快速准确的检测和跟踪运动目标。     

基于均值漂移的运动目标跟踪算法研究

为了实现在复杂环境下运动目标跟踪,提出了一种基于均值漂移的运动目标跟踪算法.该算法用帧间差法在复杂背景中获取目标模型,引入卡尔曼滤波器减少均值漂移算法迭代次数、解决遮挡问题,通过调节核函数带宽来改变跟踪窗口大小,以保证获取目标完整信息.实验结果表明,该算法不需要目标的先验知识即能实现复杂背景下对运动目标稳定、准确的跟踪,对目标遮挡有很好的鲁棒性.     

基于计算机视觉的运动目标研究分析

对视频中的运动目标进行跟踪、识别、检测,并对目标行为进行研究、分析,这就是基于视觉运动目标分析。检测与跟踪运动目标是理解与分析目标行为的前提。文章以计算机视觉为基础,分析了其检测与跟踪运动目标等问题,该研究对于检测和跟踪视觉运动目标的算法分析意义重大。     

基于全景视觉和常规视觉融合的目标跟踪技术

全景视觉和常规视觉协同利用进行运动目标检测与跟踪是图像处理中的一个重要课题,具有广泛的应用前景。文章基于全景视觉与常规视觉融合的目标跟踪技术,采用全景视觉和常规视觉协同方式,由全景发现目标后报警,将目标在空间中的水平和垂直角度信息传递给常规视觉系统,实现目标的跟踪。     

基于矩阵像素阈值判定的运动目标检测

针对运动目标检测所存在的不能完整分割运动对象、对光照和外部条件造成的场景变化比较敏感、容易出现许多伪运动目标点等情况,以背景差分算法为基础,提出了一种基于矩阵像素阈值判定的运动目标检测算法.该算法通过对图像进行预处理,增强图像中目标和背景图像的对比度,并去除采集和传输图像时产生的噪声,再将每个像素点的矩阵进行差分运算,以确定像素灰度变化的情况,利用灰度变化阈值确定最终的运动目标.与现有的背景差分算法检测到的运动目标相比,该算法的准确度更高.     

一种基于Volterra系统的LCD运动图像去模糊方法

LCD由于其＂采样-保持＂工作特性与人眼视觉系统（HVS）的运动跟踪效应会引起的运动图像模糊现象,这种现象在频域中可用sinc-1模型近似地描述。本文采用了sinc-1模型的近似系统：Volterra系统来实现预补偿。仿真结果表明,此系统在减小LCD运动图像模糊性能方面优于原sinc-1系统。     

基于单目摄像机的无人机动态目标实时跟踪

文章针对四旋翼无人机与动态目标组成的系统协同作业的任务,研究四旋翼无人机与动态目标的目标识别和目标跟踪问题。设计由单目相机、视觉计算机(树莓派3B)和飞行控制系统组成的自主跟踪控制系统框架,利用Camshift运动目标识别算法对目标位置进行识别并预测动态目标运动轨迹,通过Mavlink协议将无人机的位置信息实时发送给飞行控制系统,从而控制无人机进行动态目标跟踪。实现无人机对动态目标的目标识别,目标跟踪。     

无人值守变电站异常目标自动跟踪系统设计

针对目前无人值守变电站监控系统自动化程度低、实时性差等问题,研发了一种以高性能DSP芯片TMS320C6416为核心处理器的异常目标自动跟踪系统.软件采用独创的方向判别与速度预测算法来检测异常运动目标的运动参数,并以此控制摄像机自动跟踪异常运动目标.硬件采用嵌入式技术,实现了摄像头、云台、控制器的一体化设计.现场试运行结果表明,系统具有良好的跟踪性能和稳定性.     

一种基于OV7670视觉系统的类人机器人设计

为解决类人机器人双机械臂抓取目标过程中,存在目标识别不准确、目标识别单一、双机械臂运动不协调等问题,文章设计了一款基于OV7670彩色摄像机视觉系统及高仿真机械臂的类人机器人。通过OV7670和STM32主控模块对图像信息进行采集与处理,使用RGB-SHL颜色空间转换模型提取目标对象的图像特征,产生控制指令,然后将协调控制每一个舵机的运动参数发送给舵机驱动模块,以实现类人机器人识别目标、定位目标、协调运动和精确控制等功能。通过实验验证和参加华北五省(市、自治区)大学生机器人大赛,表明该机器人具有对目标识别准确、协调运动精确可靠的优点。     

基于序列图像的人体目标行为识别研究

近些年来,伴随着图像视频的处理技术与人工智能技术的飞速发展,计算机的视觉图像处理技术也得到快速地发展并应用到各个学科领域。在已有成果的基础上,以运动目标的检测与跟踪为突破点,并借助相关算法进行研究:检测并提取被监控的场景中的运动目标;基于检测到的运动目标的有效特征,寻找最优的匹配算法,找到与目标模板相似的序列图像定位。     

基于惯性稳定与快速跟踪双模式的安防机器人

针对现有安防侦察机器人在稳定成像与大范围敏捷跟踪等方面的不足,提出了一种基于惯性稳定与快速跟踪技术双模式的安防侦察机器人系统。通过总体方案设计、结构设计,硬件与软件设计、加工与装配、集成与测试实验,实现了安防侦察机器人无线驱动行走、姿态扰动隔离、动态惯性稳定成像、静态长时伺服监视、大范围快速目标捕捉等主要功能目标。实验表明:该机器人既可在危险场合静态监视,又可在逼近目标过程中动态获取高清晰图像。     

基于颜色和形状的机器人运动目标跟踪

针对类人足球机器人存在识别运动目标效果差、容易受光照变化影响等问题,提出了一种基于颜色和形状的运动目标跟踪算法:在HSI空间执行基于颜色信息的快速阈值分割,获取目标信息,加入自适应阈值更新,以增加算法的鲁棒性;利用卡尔曼滤波预测运动目标下一帧的位置,在局部范围根据目标形状信息执行优化边缘检测识别目标,获取目标准确的位置信息,然后继续跟踪.实验证明:该算法能够对运动目标进行准确跟踪,可满足实时性的要求.     

基于DSP的视频快速特征匹配跟踪算法研究

以TMS320C6418芯片(DSP)为主体,设计了一套视频模板匹配跟踪设备,实现一种稳定快速跟踪复杂背景下目标的算法。算法通过边缘增强、统计分割等去除背景影响,分割出具有特征目标图像信息,再进行模板图像快速特征匹配。本文提出的算法对传统的匹配算法进行了改进,不仅提升了匹配算法的运算速度,还增强了目标跟踪稳定性。     

基于MOT模型的安全着装检测方法

在工业生产和建设中,安全帽作为个人头部的防护用品可以承受和分散散落物的冲击力,因此按规定,工人进入施工现场必须佩戴安全帽。文章针对监控作业现场中工人佩戴安全帽的情况,提出了工业现场安全帽佩戴监测方法。首先检测出待测场景中的人体目标;接着对检测到的人体运动目标进行目标跟踪和标记;最后截取人体目标中的头部图像区域,进行安全帽目标检测,判断该人是否佩戴安全帽。文章将联合目标检测及目标跟踪应用于工业作业现场安全监控中,能够更高效、更准确地监测到工业现场中工作人员的穿戴规范进行检测。     

基于图像配准坐标定位的目标跟踪方法

SIFT算法在图像配准方向得到了较为成熟的应用,本文通过优化高斯金子塔,降低了SIFT算法的计算复杂度,保证了算法的实时性。使用SIFT算法匹配中的坐标位移变换来确定跟踪方位,实现对目标的跟踪。实验结果表明,基于图像配准坐标定位（Coordinate Based on SIFT,简称C-SIFT算法）的目标跟踪方法具有较好的实时性。     

融合边缘检测的四帧差分运动目标检测

传统的三帧差分运动目标检测算法易出现空洞及虚假边缘等现象,为了对其进行改进,本文提出了一种融合边缘检测的四帧差分运动目标检测算法。首先对四帧连续图像采用Canny边缘检测算子快速提取边缘图像,然后对四帧连续的边缘图像进行四帧差分运算,最后通过阈值分割和形态学处理完成对运动目标的提取。实验结果表明,该算法计算简单,连通性好且准确率高,可满足实时检测的要求。