基于非单色背景下的人脸彩色图定位算法与实现技术

针对非单色背景下的人脸,本文提出了一种新的人脸定位算法.该算法包括两个部分:首先进行肤色分割,该文采用迭代算法计算cb、cr阚值,进行自动分割,可完整地分割出人脸部分;然后进行人脸定位,由于嘴唇具有较高的cr值,可去除嘴唇部分以消除嘴唇对其它图象部分的影响,利用水平、竖直灰度特性确定人眼坐标,将人脸图象规范化.实验结果证明了该算法的有效性.     

基于MATLAB的静态手势分割与识别研究

设计了手势的分割与识别程序系统,采用USB摄像头作为单目视觉下的视频输入设备,结合MATLAB软件对采集的目标图像进行识别。结合基于运动的手势分割与基于肤色的手势分割2种手势分割方法,提取运动肤色区域,通过计算此区域的均值与方差矩阵更新高斯模型,设定合理的肤色相似度阈值检测出图像中的肤色区域,从而将手势图像从背景中分割出来。最后,利用模板匹配的方法,对分割出来的手势进行快速识别。实验证明,程序具有很好的分割效果,在复杂环境下对裸手手势识别的成功率大于90%。     

基于圆形梯度的手势分割算法的设计与实现

为了在复杂动态背景下分割出完整的手势目标,借鉴于Canny算子,设计一种结合复杂动态背景模型、HSV空间肤色检测和圆形梯度边缘探测的手势分割算法。该算法首先利用复杂动态背景模型提取前景区域后,在HSV空间进行肤色检测,去除非手势区域,然后在手势区域提取出边缘探测的种子点,并以种子点为中心利用圆形梯度算子进行肤色边界探测,以填补手势空洞,完善手势边缘。该算法以圆形梯度幅值作为手势边界的判断标准,极大地减小了阴影和高光等不利因素对手势分割的影响。多场景试验表明,该算法手势分割的准确度高,且实时性较好。     

开放式环境非接触低分辨率采集下的掌纹识别

提出一种开放式环境下、非接触采集下的掌纹识别算法.采用一种低分辨率的普通摄像头进行掌纹图像采集,人手只需自然张开、中指竖直向上放在摄像头前一定范围内.首先建立肤色模型将人手从复杂背景中提取出来;然后提出一种简单有效的关键点定位算法找到指根点,并以此建立坐标系提取掌纹ROI;接着提出一种基于统计的纹理基元算法进行掌纹特征提取,该算法不用对掌纹ROI进行归一化,计算速度较快并且对光照具有一定的鲁棒性;最后利用余弦相似度进行特征匹配实现掌纹识别.在自建的小型掌纹图像库上进行了相应的识别实验,实验结果表明所提出的算法能够在动态环境下达到理想的识别效果.所开发的实验系统能够快速实现掌纹图像采集与识别,适合在线实时系统应用.     

无线同步仿生机械手系统的设计

针对大多数机械手只具有微机控制或程序控制,无法实现与人手动作同步的不足,设计了15自由度无线同步仿生机械手系统。采用体感机械手套实时采集人手动作并无线发送给仿生机械手。15自由度仿生机械手采用微分算法调节舵机转动角度,实现同步模仿人手抓取等动作。经过测试分析,无线同步仿生机械手系统抓取不规则形状或柔软物体用时均小于2 s,每根手指抓取误差均小于0.9°。     

气动柔性五自由度手指的神经网络控制

基于气动柔性弯曲关节和球关节,设计了仿人类大拇指的五自由度气动柔性手指,通过对手指运动的分析,建立了手指控制模型。根据BP神经网络算法对手指进行控制,通过位置控制网络层计算驱动气压,并作为下层网络的输入,驱动器控制网络层控制数字比例阀的输入电压来控制手指的驱动气压,实现对手指的控制。系统仿真和实验结果表明,该算法能很好地实现手指运动的精确控制。     

面向增强装配中手部特征检测的改进算法

针对增强装配引导过程中手部识别检测的问题,提出一种改进自适应均值漂移的特征检测算法。该算法对装配环境中的人手进行跟踪检测,迭代计算中心距获取搜索框,动态优化检测区域,得到包含手指信息的手部完整信息。为得到手指特征点,利用图像增强处理过后的手部轮廓进行等距特征点采样,对不同部位的特征点计算曲率信息,聚类分析得到指尖特征点。以增强装配系统中的三维注册为例开发原型系统,验证了所提方法具有可行性、有效性和较好的鲁棒性。     

三自由度自适应抓持仿人手的设计研究

设计完成了用于仿人形机器人上的具有自动适应被抓持物体几何特征的三自由度仿人手。论文首先设计了具有自适应抓持能力的手指机构，进一步对该手指机构各关节之间的运动耦合关系进行了分析研究，并通过虚拟样机技术验证了所设计的仿人手机构传动系统的正确性和自适应抓持的可行性，最后提出了衡量仿人手抓持能力的指标，分析了所设计的仿人手的抓持能力。所有结果都表明手指机构是合理实用的，所设计完成的仿人手达到了设计要求。     

基于肤色采样点筛选的视频手势分割算法

为了实现视频手势的实时分割与定位,提出一种基于肤色采样点筛选的视频手势分割算法对视频中的运动手势进行实时分割与定位。首先,对视频的每一帧通过图像预处理获取肤色采样点;其次,融合运动信息对肤色采样点进行初步筛选;然后,通过区域生长法再次筛选肤色采样点提取特征点;最后,通过特征点实现视频手势的分割与定位。实验结果表明,该方法具有良好的手势分割效果和较高的定位准确度。     

基于斜率差的激光雷达环境特征提取方法

在利用激光雷达获取数据进行特征提取时,大多采用迭代计算的方法,且对阈值敏感,计算复杂度高,计算量较大。针对该问题,提出了一种通过计算相邻扫描点的斜率差进行直线段分割与特征点提取的算法。通过实验验证,该算法在直线段分割和特征点提取方面可以获得与手工分割相同的结果,而且对阈值不敏感。与实际测量结果的对比分析结果表明,该算法无论是提取特征线段的长度还是斜率均可获得较高的正确率。