消除二值化图像干扰方法的研究

在智能车牌识别系统中，对通过图像获取技术得到的复杂灰度图像进行二值化处理后，在图像中存在许多干扰白点。提出一种“高斯滤波”的方法去除这些白点，使二值化图像平滑、少毛刺，并具有较好的连通性。     

人眼检测及瞳孔定位

提出一种自动定位瞳孔的方法。该方法利用人眼在人脸的位置分布设置人眼的搜索区域,通过Adaboost（The Adaptive Boosting Algorithm）算法搜索先前设置好的区域,可以得到人眼所在粗略位置,利用图像二值化和Canny算法提取图像轮廓,通过对提取的轮廓进行椭圆拟合即可得到人的眼球中心坐标,即瞳孔的位置。实验结果表明该方法能准确定位瞳孔,对光照、姿态具有一定的鲁棒性。     

一种对图像进行快速二值化处理的方法

对图像进行二值化处理，最重要的工作是选取合适的二值化阈值。使用直方图同高斯滤波相结合的方法来求取二值化阈值，对图像进行二值化处理，速度快、精度高，适合应用于对速度要求较高的工业控制中     

基于灰度直方图的几何特征人眼定位方法

在定位人脸的基础上,采用一种新颖的方法计算人脸二值化阈值,根据灰度直方图信息进行一次计算便可得到分割阈值,打破了现有算法对二值化阈值需做多次调整的约束.截取二值人眼区域之后,利用图像尺寸归一化几何约束条件定位人眼,实验结果表明该算法在多种复杂条件下均能成功定位人眼,具有更加快捷的特点.     

基于颜色特征的车牌定位

汽车牌照的自动定位是智能交通系统中的重要组成环节之一,是实现车牌识别（LPR）系统的一项关键技术。本文利用颜色特征对图像选取合适的二值化算法,并结合一种相对重要性滤波算法筛选车牌候选区域,最后根据牌照的特征对车牌进行准确定位。     

浅谈车牌定位前的车辆图像预处理

随着我国国民经济的高速发展,国内高速公路、城市道路、停车场的建设越来越多,车牌识别系统(LPR)作为智能交通系统(ITS)的一部分起着举足轻重的作用,它的广泛应用必将有助于我国交通管理自动化的进程。一般来说,整个车牌识别系统分为图像采集、车牌定位、字符分割、字符识别四大部分。该文在现有研究算法的理论基础上,详细阐明了车牌定位前的预处理工作,即车辆图像灰度化、二值化、边缘检测以及中值滤波等。     

基于方向信息的指纹图像预处理

预处理是自动指纹识别技术的基础,它的好坏直接影响着指纹自动识别系统的效果。本文从方向图、滤波、二值化和细化等几个方面详细介绍了自动指纹识别系统中的预处理过程,并具体实现了指纹图像的预处理。该方法取得了良好的效果,保留了指纹纹线的关键信息,为下一步的特征提取工作打下了良好的基础。     

基于形态滤波器组的图像分割预处理算法

研究了基于形态滤波器组的图像分割预处理算法。首先用形态开闭滤波器组产生分割的参考图像，然后提出一个二值门限确定方法，用二值化方法提取区域初始标记的预处理方法。它已应用于多个视频序列的首帧初始目标分割，实验结果证明了该方法的有效性。     

基于笔画相关加权的视频图像文字识别

为了提取影视视频图像中的字幕信息,提出一套鲁棒的方法：首先采用图像的边缘特征对字幕信息进行区域定位,并给出结合边缘信息的方法对图像文字进行二值化;其次,采用投影法和区域生成方法定位单个文字;最后,充分考虑到文字笔画的拓扑结构,进行相邻子网格笔画结构相关性的判定,并采用笔画模糊隶属度完成弹性网格特征的提取。该方法在复杂的背景图像中能够有效得到文字的二值图像,并保证了提取特征的稳定性、健壮性,对二值化后的影视字幕的识别率达到92.1%,实验结果表明了方法的有效性。     

基于方向特性的指纹图像预处理

以图像块的灰度均值与标准偏差的比值为判定标准对指纹图像进行分割,本文提出了改进的点方向图计算方法,针对指纹图像方向性强的特点,构造了间隔22．5°的八方向的滤波模板对指纹图像进行方向性滤波,并采用数学形态学的方法进行图像平滑,以自适应阈值法对图像进行二值化。实验结果证明,用该方法进行图像预处理,能大大减少指纹图像中的伪结构,有利于后续的指纹特征抽取和识别,有较高的使用价值。     

基于眼睛特征跟踪的眼睛状态跟踪

眼睛状态的跟踪具有广泛的应用,如在面部表情分析和驾驶疲劳报警系统的应用方面,此时需要跟踪的不仅仅是人眼的位置,而且还需要返回眼睛的状态,以及眼睛模型的参数.基于眼睛特征跟踪的眼睛状态跟踪方法是先检测出表征眼睛状态的眼睛特征,然后通过跟踪这些特征达到跟踪眼睛状态的目的.在实验平台是PⅡ/500微机,256M内存,Windows 2000操作系统中处理速度是接近每秒7帧.对214图像序列进行了实验测试,跟踪精度达到97.6%.     

基于人眼鼻孔特征的眼动跟踪方法

提出了一种基于人眼鼻孔特征跟踪眼动的算法。首先利用Adaboost的层叠式分类器定位人脸、眼睛和鼻子;然后采用梯度Hough变换检测圆的方法精确定位瞳孔虹膜;最后利用几何方法建立椭圆跟踪模型,实现瞳孔的快速跟踪。实验结果表明,该方法定位眼睛嘴角快速准确,同时对眼睛的跟踪具有较好的鲁棒性和实时性。     

基于单目视频运动跟踪的三维人体动画

针对传统人体动画制作成本高、人体运动受捕获设备限制等缺陷,提出了一种基于单目视频运动跟踪的三维人体动画方法。首先给出了系统实现框架,然后采用比例正交投影模型及人体骨架模型来恢复关节的三维坐标,关节的旋转欧拉角由逆运动学计算得到,最后采用H-anim标准对人体建模,由关节欧拉角驱动虚拟人产生三维人体动画。实验结果表明,该系统能够对人体运动进行准确的跟踪和三维重建,可应用于人体动画制作领域。     

基于视频图像的动态水平测控系统

本文介绍了一种基于视频图像的动态水平测控系统。本系统采用图像传感器实时摄取两互相垂直的重力水平仪的图像，通过亚像素相关匹配算法，快速检测图像中重力水平仪中黑球的位置，以确定系统的水平度，并自动进行调节。此系统可靠性强，具有理想的测量精度。     

视频图像中的车型识别

文章介绍一种在固定单摄像头拍摄交通图像序列中检测车辆的方法。处理过程大致分为以下三步:重建不含运动目标的自然背景及图像分割;摄像机标定;目标区域的跟踪和车型识别。实验证明方法是可行的。     

基于粒子Mean Shift迁移的红外人体目标跟踪算法

提出了一种基于粒子Mean Shift迁移过程的红外人体跟踪方法.算法通过采样粒子迁移和聚类动态建立目标的状态模型和量测模型.在被跟踪区域随机布撒粒子,以各粒子对应像素的亮度作为特征值进行Mean Shift收敛性分析,使用收敛后的粒子集表达目标的当前状态;以状态粒子的坐标位置为特征值对其进行Mean Shift聚类,作为对目标的量测.连续跟踪时,下一帧的采样粒子基于上一帧的量测结果产生.与传统的基于序贯重要性采样的粒子滤波方法相比,算法不需要目标的相似性测度计算,仅用少数粒子即可实现对目标的可靠跟踪.     

非接触动态实时视线跟踪技术

视线跟踪技术是智能眼动操作系统的关键技术,是实现先进眼动操作系统作为高级人机交互应用的基础和前提。较为完整地阐述了非接触式视线跟踪技术的发展历程,并详细介绍了现有的实现视线或注视点实时动态跟踪测量的非接触视线跟踪技术,包括2D视线跟踪方法、3D视线跟踪方法和基于3D模型的视线跟踪方法。通过分析和比较现有的三类方法的最新进展,介绍了视线跟踪技术目前面临的科学问题,提出了基于双目立体视觉的头戴式自由空间视线跟踪测量方法,指出了视线跟踪技术应满足基于眼动操作系统的智能人机交互方法向自由空间操作发展的需求,朝着高精度、易配置、更大视线活动范围的自由空间视线测量方向发展。     

多场景视频监控中的人物连续跟踪

针对多场景监控,提出一种能在非重叠的多摄像机之间,实时地检测与被跟踪行人（目标）的视频监控系统。该系统分别对每个摄像机视频进行背景建模、前景检测以及运动目标的特征提取,当目标离开摄像机视域的时候,根据已知的拓扑关系向相关摄像机发布监控任务,当有目标进入处于有效监控状态的摄像机视域时,进行目标匹配,从而实现在多摄像机系统中对行人目标的持续跟踪。实验表明,该系统在非重叠摄像机场景中能实现实时的、鲁棒的目标跟踪。     

基于多目摄像机的鲁棒眼动跟踪技术研究

为改进单个远程传感器采集眼动数据时存在视场小、容易被遮挡物遮挡的缺点,研究了一种多目摄像机眼动跟踪技术,以更好地采集眼动数据。应用多个摄像机对人体头部姿态和眼球信息进行采集,通过分割视频帧提取瞳孔图像和计算被测用户头部姿态角度,将瞳孔图像放入卷积神经网络进行训练得到注视点坐标,并基于头部姿态信息计算每个摄像机的注视点权重,从而加权融合得到更精确的注视点信息。研究结果表明:在头部姿态角较大时,多目眼动追踪技术的精度比单目传感器的精度高30%~50%。该技术具有灵活性和通用性,在驾驶舱设计、用户用眼习惯评估和驾驶学员眼动绩效分析中具有重要的应用和推广价值。     

一种基于区域的视频车辆跟踪系统

基于区域跟踪法提出一种视频车辆跟踪系统,改进了系统中涉及的多个方法。以车辆的提取检测结果为基础,提出基于混合差分的车辆检测方法,使检测更快速,检测结果质量更高。通过设计堆栈搜索技术和车辆识别规则,提高了基于差分法的识别准确率,改进了区域跟踪效果。实验结果证明了系统的可行性与实用性。