生物识别中的运动目标视觉分析

在以IT技术和生物技术为主流科技的知识经济时代，身份的鉴定有了来自生物体自身的密匙，横跨这两大科技领域的生物特征识别技术正愈益显示出其旺盛的生命力和远大前景。其中对运动目标的视觉分析是生物识别的重要内容之一，它在虚拟现实、视觉监控、感知接口中均有广泛的应用。本文介绍视觉分析中图像序列的检测，分类，跟踪，识别，并回顾运动分析目前的发展水平和常用的处理方法。     

基于双目视觉的目标识别与定位

给出一种双目视觉系统结合SURF(Speeded Up Robust Feature)特征的目标识别与定位方法,分析了采用SURF特征实现目标识别的方法,利用双目视觉的原理求取识别出的目标物体的三维坐标信息,从而实现目标物体的识别与定位,与传统的基于SIFT(Scale Invariant Feature Transform)特征或基于颜色形状特征的目标识别与定位方法相比,该方法更具有鲁棒性和实时性.实验结果证明了该方法进行目标识别与定位的可行性,具有一定的应用价值.     

基于视觉感受野特性的自适应图像去噪算法

针对图像去噪中边缘细节信息丢失的问题,提出一种基于视觉感受野特性的图像去噪算法。该方法基于视觉神经电生理研究结果,模拟视觉初级视皮层自适应机制和感受野的响应特性来实现对图像的去噪。使用小尺度模板对噪声进行检测;根据噪声的大小采用ON/OFF感受野模板去噪处理,对图像进行亮度调整。实验结果表明,与现有的流行算法比较,该算法去噪效果较为有效,并能更好地保留图像纹理和边缘细节信息,在峰值信噪比和均方误差等客观定量评价指标上优于其他算法。     

浅谈产品设计的视觉识别

从产品识别概念出发,论述产品识别与人的认知心理,得出可供设计遵循的基本视觉识别规律,最后举例说明视觉识别在企业形象和产品设计中的成功案例,渗透出产品视觉识别对企业和产品设计的重要研究价值。     

响应和滤波器偏差感知约束的无人机目标跟踪算法

针对无人机视觉跟踪任务中目标外观变化大、视野角度多变问题,提出基于响应和滤波器偏差感知约束的无人机实时目标跟踪算法.该算法根据视频帧间响应差和滤波器变化的一致性,通过建模前后帧响应差和滤波器的变化,建立基于响应偏差感知和帧间滤波器偏差约束机制的目标函数,学习目标的外观变化和滤波器的帧间变化.引入辅助变量构建优化函数,采用交替方向乘子法（ADMM）将计算目标问题转化为求相关滤波器和辅助变量的最优解.采用跟踪准确度和成功率指标,将所提算法与其他9种算法在DTB70、UAV123@10 fps和UAVDT等3个无人机视频数据库上进行对比实验.实验结果表明,所提算法对遮挡、形变、角度变化等干扰属性均具有良好的鲁棒性,跟踪平均速度达到39.0帧/s,能够有效跟踪无人机目标.     

基于星图识别算法的空间小目标识别

基于星形星图识别算法,利用星对距离和星对角距2个特征进行匹配识别,实现了快速识别空间小目标的目的,并可对该目标实时追踪。Matlab仿真表明,该算法识别过程简单,对星图噪声和伪星具有较好的抵抗力,具有识别率高且稳定、识别速度快的优点。     

基于空洞卷积金字塔的目标检测算法

作为目标检测领域最突出的问题,遮挡和多尺度严重影响了算法的召回率和准确率。针对以上问题,该文从感受野入手,提出了一种基于空洞卷积金字塔网络(ACFPN)的目标检测算法。首先,将不同尺寸的空洞卷积层引入特征金字塔网络(FPN)中,构建混合感受野模块(HRFM),旨在控制参数量的条件下,通过增大感受野获取更多全局特征信息,解决目标的遮挡问题;其次,改进FPN的结构,设计低层嵌入特征金字塔模块(LEFPM),将浅层特征细节信息和高层特征语义信息相融合,提高特征图的丰富度和表征能力,增强模型的尺度适应性;特别地,针对漏检问题,引入FCOS算法中的无锚框(AF)机制,减少了候选框的冗余,进一步提高了定位精度。最后在公开数据集上进行测试,该算法在检测精度上大幅提升。     

足球机器人视觉图像分割算法

为提高机器人在比赛中对多目标提取及识别的准确度和效率,采用离线的自适应阈值颜色分类法,同时识别不同颜色的多个目标物,对颜色的变化有一定的适应性;然后用改进的数学形态学中的膨胀腐蚀算法对颜色分类后的图像滤波,该方法在保证图像处理效率的同时提高分割精度;最后使用种子填充法来实现同时分割和多目标特征提取,减少像素点遍历次数,提高算法效率。实验证明,通过上述方法可以使足球机器人适应一定的光照变化,准确快速地分割多个目标。     

一种高性能目标识别融合算法

考虑到目标类型和传感器扫描次数对识别的影响，提出了一种改进的多传感器多目标识别相关算法，导出了新的累积融合公式。对多传感器多目标识别融合作了计算机模拟，模拟结果证实了改进的算法在性能上有明显的提高。     

基于核Fisher判别分析的目标识别

核Fisher判别分析是基于Fisher线性判别提出的一种非线性分类方法,其主要思想是首先把样本映射到某一特征空间,然后在此特征空间进行Fisher线性判别,这样就隐含地实现了原输入空间的非线性判别. 分析了核Fisher判别方法的分类机理,然后基于此方法对三类实际的船舶目标噪声谱进行了识别,并与神经网络、支撑矢量机等其他分类方法做了比较. 实验结果表明,核Fisher判别分析(加上一线性支撑矢量机做阈值估计)的识别效果优于其他分类算法.     

一种基于视频的手势识别算法

研究了一种基于视频的手势识别算法,该算法利用均值法去除噪声,根据物体颜色配合最大类间方差法对目标和背景进行区分,并使用BP神经网络进行手势的分类.实验表明,该算法对部分典型手势识别的准确率达到74.7％,具有较高的实际应用价值.     

基于视觉注意的视频可伸缩ROI算法

如何合理进行码率分配达到充分利用码率资源目的,提高视频的主观视觉质量一直是视频编码领域研究的关键问题。本研究首先提出一种基于人眼视觉注意检测模型,该模型的核心思想是针对人眼不同时间段内进行眼动策略分析;然后结合显著计算得到图像注视区域结果得到SVC增强层码率分配算法。实验测试结果表明本研究提出的算法与现有其他算法相比具有更为有效的模拟人眼视觉注意的特性,在有限网络带宽条件下使得人眼视觉效果得到显著提升。     

基于人类视觉系统的自适应水印嵌入算法

为了保证水印算法的良好性能，在许多文献中提出自适应水印技术。但是，大多数算法根据单一参数对图像块进行分类，无法实现最优嵌入。为此，提出了一种新颖的基于DCT变换域的自适应数字水印嵌入算法。该算法首先将原始图像块按照图像块的多个特性参数分成不同的类，在嵌入过程中考虑到人类视觉系统（HVS）的特点，在不同类的块中嵌入不同的水印能量，从而使算法具有自适应能力。仿真实验表明，该算法对常见的一些数字图像处理操作具有较强的鲁棒性，同时能保证含水印图像的质量。     

基于人眼特性的视频稳定方法

在分析人眼视觉稳像原理和特性的基础上,提出了一种基于特征块匹配的视频稳定算法。该算法采用均匀分布的方式确定特征块。根据视频图像抖动特性对运动矢量进行预测,确定运动搜索的起始点。采用大钻石与小钻石搜索模板结合的方式,在阈值和搜索空间的约束下完成特征块匹配。然后通过运动平滑选择有效的运动矢量。利用仿射变换矩阵对原始图像进行配准,得出稳定视频序列。实验表明,该算法有效地稳定了图像序列,并且满足快速性和实时性的要求。     

Hand gesture tracking algorithm based on visual attention

In the majority of the interaction process, the operator often focuses on the tracked 3D hand gesture model at the "interaction points" in the collision detectionscene, such as "grasp" and "release" and objects in the scene, without paying attention to the tracked 3D hand gesture model in the total procedure. Thus in this paper, a visual attention distribution model of operator in the "grasp", "translation", "release" and other basic operation procedures is first studied and a 3D hand gesture tracking algorithm based on this distribution model is proposed. Utilizing the algorithm, in the period with a low degree of visual attention, a pre-stored 3D hand gesture animation can be used to directly visualise a 3D hand gesture model in the interactive scene; in the time period with a high degree of visual attention, an existing "frame-by-frame tracking" approach can be adopted to obtain a 3D gesture model. The results demonstrate that the proposed method can achieve real-time tracking of 3D hand gestures with an effective improvement on the efficiency, fluency, and availability of 3D hand gesture interaction.     

基于BIRCH的木材缺陷识别

提出了一种新的基于分层的平衡迭代归约及聚类(balance iterative reducing and clustering using hierarchies,BIRCH)算法的木材缺陷识别方法,讨论了关于分支因子(B,L)、阈值T的选取及非缺陷类判别问题。该方法通过在一定阈值内构建CF树,产生初始聚类,对初始聚类进行非缺陷类判别,自动识别木材缺陷类及位置并标记。实验结果表明,该算法能有效地进行木材缺陷识别,平均识别查准率约为86.3％,平均识别查全率约为90.1％。     

Convolutional neural networks recognition algorithm based on PCA

To improve the insufficiency of Synthetic Aperture Radar(SAR) labeled training data for Convolutional Neural Networks(CNN) and the recognition rate for large variations, a novel CNN recognition algorithm is proposed. Firstly, a set of features is extracted from the original data by unsupervised training based on PCA as the initial filter set for CNN. Secondly, in order to accelerate the training speed while avoiding over-fitting, the Rectified Linear Units(ReLU) is adopted as the non-linear function. Thirdly, to strengthen robustness and mitigate the defects of pooling upon features, a probabilistic max-pooling sampling method is introduced and local contrast normalization is exploited on features after the convolutional layer. Experiments demonstrate that our algorithm outperforms the original CNN in recognition rate and achieves better robustness for large variations and complex background.