基于单目序列图像的车辆三维信息的获取

本文介绍了一种基于单目序列图像的车辆三维信息的获取方法.在获取交通视频的基础上,根据摄像机的线性成像模型,对摄像机参数进行标定,建立空间中点与图像上点的映射关系.利用空间中点到图像上点的投影关系,以及车身上点在路面上的垂直投影,计算车身上特征点的三维坐标,进而恢复车辆的空间位置和三维信息.以实际交通录像为仿真对象,证明了该算法的有效性.     

多传感器信息融合的前方车辆检测

为提升辅助驾驶系统对于道路环境中车辆的感知能力,通过机器视觉与毫米波雷达信息融合技术对前方车辆进行了检测。融合系统中对摄像头和毫米波雷达进行了联合标定,借助三坐标测量仪确定两者的数据转换的关系,优化了深度学习算法SSD的候选框,提高了车辆的检测速度,选用长焦和短焦两种摄像头进行前方图像采集,并将两者重合图像进行融合,提升了前方小目标图像的清晰度,同时对毫米波雷达数据进行了处理,借助雷达模拟器确定合适阈值参数实现对车辆目标的有效提取,根据雷达有效目标数据对摄像头采集的图像进行选择与建立感兴趣区域,通过改进的SSD车辆识别算法对区域中的车辆进行检测,经过测试,车辆的检测准确率最高达到95.3%,单帧图像平均处理总时间为32 ms,该算法提升系统前方车辆检测的实时性和环境适应性。     

基于航迹插值和模型匹配的三维目标识别

提出一种先估计姿态后识别目标的新方法,克服了传统三维目标识别算法的多义性问题.首先根据航迹三次样条插值函数估算目标姿态,避免了复杂的图像处理过程,计算速度快;然后在虚拟环境中将候选目标调整到该姿态并生成相应的二维模型;最后根据不变矩特征的欧氏距离识别出目标.实验表明,该方法具有较好的准确性和实时性,对于提高三维目标识别...     

基于三维重构的空间目标进动参数估计方法

空间目标进动参数的估计在目标姿态确定、再入后落点预测和目标识别等方面具有重要意义.针对存在稳定散射中心的进动空间目标,提出了一种基于宽带雷达观测的进动参数估计方法.该方法的优点是无需利用目标形状信息,只利用3个以上非共面散射中心的一维距离历程就可以对空间目标进动参数进行估计.推导了进动目标的运动学模型,利用多散射中心径向距离历程的关联结果获得了目标的三维运动和三维成像结果,基于三维运动的欧式重构采用序列二次规划优化和非线性最小二乘循环迭代的方法估计目标的进动参数.最后,利用电磁仿真数据验证了算法的有效性.     

基于Zernike矩的三维目标多视点特性视图建模

目标的模型化是三维目标识别的一个重要环节。由于从多视点特征法建立的模型能够避免从二维图像中恢复目标的三维结构．在三维目标识别中应用比较广泛。使用镶嵌式多面体分割视觉空间以得到三维目标的多视点投影图像,采用较小的镶嵌单元尺寸以完备地描述目标各种姿态的信息。Zernike矩具有旋转不变性,并能够方便地由各阶矩重建图像。计算多面体各个单元的投影图像的Zernike矩．所需的矩的最高阶次由重建图像与原图像的差别确定,通过聚类方式合并那些图像的矩变化很小的投影对应的几个小单元．每个新单元可以提取一幅特性视图．实现较小数目的多视点特性视图的建模。实验证明了这种方法的可行性。     

雷达目标多维特性分析与应用

实际目标的雷达特性是多维空间中的函数,但雷达观测只能获得多维特性在低维空间中的切片或投影,深入分析有限的雷达观测数据蕴含的目标特性信息,对提升目标检测识别性能有重要意义.从三维散射率分布函数出发,推导了不同维度雷达图像与散射率分布函数积分投影的傅里叶变换对关系,并通过分析该关系所隐含的近似条件,指出实际目标散射特性的复杂性,得出了多维空间中形式化的散射模型.基于散射中心和雷达图像从不同的角度对多维散射模型的低维映射进行分析,给出了若干目标特性分析实例,包括棱形结构的相位逆转现象、多次散射的极化相位关系、空间目标腔体结构的色散现象、柔性结构的图像散焦效应等.形式化多维散射模型和低维映射研究方法为分析复杂目标的雷达散射特性提供了参考.     

基于电磁特性SAR图像目标识别模板的建立

针对SAR图像目标识别过程中识别模板形成的缺点和难点,提出了基于电磁散射特性SAR图像目标识别模板的数学模型和成像原理。采用一种混合算法计算了复杂目标的雷达截面(RCS),由目标的散射系数σ或RCS值,通过宽带合成孔径原理求出物体散射特性的空间分布,建立了SAR图像目标识别模板。实验验证了其正确性、有效性,以及具有近实时性、目标姿态连续性和精确性等特点,为快速准确地获取SAR图像中的目标信息提供技术支持。     

利用三维点云的圆锥状弹头目标参数估计

以激光雷达三维点云对弹头目标形状、姿态、位置估计与目标识别为应用背景。针对导弹弹头的形状特点,将其近似建模为一个圆锥,并可通过6个参数来表征。提出了基于激光成像雷达得到的三维点云与Levenberg-Marquardt(L-M)算法的圆锥状目标参数估计方法,并指出这种方法也可用于对圆锥状目标的识别。通过仿真实验,给出了弹头参数估计误差与三维点云的距离分辨率、点云规模的关系。仿真和实测数据的实验结果表明:该方法在一定的观测距离分辨率下可以较精确地估计出圆锥状弹头目标的参数,并可以根据得到的参数以及对目标函数的优化结果,对目标进行识别。     

基于轮廓像的舰船目标识别方法研究

研究了舰船目标轮廓像形成原理,基于轮廓像的舰船目标识别方法不仅利用了雷达一维回波信息,还利用了回波序列间的相关性信息。建立了3种舰船模型,仿真获取回波序列形成的轮廓像数据,转化为二维灰度图像,提取多种特征进行描述。采用类间距离和类内距离作为依据讨论了特征选择的问题。仿真分析了信噪比、目标姿态角对识别结果的影响,给出了符合识别要求的信噪比范围以及建立模板库需要考虑的目标姿态角情况,结果表明采用轮廓像技术识别舰船目标具有良好的效果。     

基于三维模型的前视红外目标匹配识别方法

针对前视红外图像中地面固定目标的识别问题,提出了一种基于三维模型的匹配识别方法.首先由场景的3D数据建立目标三维模型,并以人工标记的方式进行编号以保留交界线信息;然后根据实时观测参数进行二维投影绘制得到目标的二维模板图像;最后提取边缘加权HOG特征在观测图像中进行匹配.对大量实测数据的实验结果表明,该方法识别精度高、对...     

一种基于多传感器时间—空间信息融合的红外小目标识别方法

为了提高强干扰条件下的红外弱小目标识别的可靠性，提出了一种基于多传感器时间－空间信息融合的红外小目标识别方法，并采用D－S证据合成理论对来自多个红外双波段成像传感器的实际图像信息了仿真融合计算。仿真结果表明该方法对强干扰条件下的红外弱小目标具有较高的识别效率。     

可视化与非可视化特征融合超声3D目标识别研究

目前常用的超声3D目标识别方法主要是利用传感器在空间一点或多点获取一维回波,通过信号处理得到目标体3D信息以实现3D目标体识别。这些方法普遍存在识别率低和鲁棒性差的问题,制约了该项技术的推广和应用。为此,文中提出了一种基于可视化和非可视化特征融合的超声3D目标体识别方法,该方法将目标体回波信号处理方法与合成孔径方法相结合,将提取的目标体信息在特征层进行了融合,然后经BP神经网络实现了分类识别,可使现有方法的不足得到显著改善。通过对3类人工靶标的实验表明,该方法可显著提高缺陷的3D识别率,能够保持在90%以上,且鲁棒性也得到明显改善。     

A method of face recognition using 3D facial surfaces

Face recognition is one of the most rapidly developing areas of image processing and computer vision. In this work, a new method for face recognition and identification using 3D facial surfaces is proposed. The method is invariant to facial expression and pose variations in the scene. The method uses 3D shape data without color or texture information. The method is based on conformal mapping of original facial surfaces onto a Riemannian manifold, followed by comparison of conformal and isometric invariants computed in this manifold. Computer results are presented using known 3D face databases that contain significant amount of expression and pose variations.     

面向目标识别的图像融合效果评价方法

在融合效果主观评价的基础上,针对目标探测识别领域,概括出一些重要的融合效果评价指标,即标准差、熵、交叉熵、互信息和模糊Choquet积分等,并提出了一种基于目标提取的图像融合效果客观评价方法.鉴于实验评价方法的局限性,指出应结合分析评价方法才能实现更全面的融合效果评价.     

基于卷积神经网络的大姿态人脸对齐方法

大姿态人脸对齐是人脸识别和三维人脸重构等很多重要视觉任务的先决条件.现有的对齐方法大多使用二维界标位置来进行对齐,且使用的界标数量有限,影响大姿态人脸对齐的准确性.提出一种采用三维形变模型(3DMM)来表示二维人脸图像,将具有任意姿态的人脸对齐问题建模为基于3DMM的拟合问题.采用基于卷积神经网络(CNN)的级联回归方...     

Vehicle Real—time Location Based on Visual Perception Model

Vehicle recognition system(VRS) plays a very important role in the field of intelligent transportation systems.A novel and intuitive method is proposed for vehicle location.The method we provide for vehicle location is based on human visual perception model technique.The perception color space HIS in this algorithm is adopted.Three color components of a color image and more potential edge patterns are integrated for solving the feature extraction problem.A fast and automatic threshold technique based on human visual perception model is also developed.The vertical edge projection and horizontal edge projection are adopted for locating left-right boundary of vehicle and top-bottom boundary of vehicle,respectively.Very promising experimental results are obtained using real-time vehicle image sequences,which have confirmed that this proposed location vehicle method is efficient and reliable,and its calculation speed meets the needs of the VRS.     

融合整体和局部信息的三维人脸识别

针对三维人脸识别中单一特征信息不足,采用一种基于整体信息和局部信息相融合的识别算法,以提高识别率。首先将预处理的三维点云用多层次B样条曲面拟合,获取精确的人脸曲面拟合函数,将控制点映射为深度图像,并根据人脸曲面函数和生理特征提取过鼻尖的中分轮廓线和水平轮廓线;其次对深度图像采用二维主元分析(2D-PCA)算法提取整体信息,对轮廓线采用改进的ICP算法匹配,作为局部信息;最后用加权求和法在决策级进行信息融合。采用CASIA3D人脸库完成识别测试,实验结果表明,本文算法明显优于单一特征信息下识别算法,且对姿态有较好的鲁棒性,同时不增加算法复杂度。     

图像融合在空间目标三维重建中的应用

图像融合可以获取目标更加丰富的层次和细节信息，有利于对探测目标信息的有效地获取，在包括空间目标的三维重建等应用中有着重要意义。针对空间目标的宽动态范围提出了一种多次曝光的图像融合方法，利用信息熵的非线性压缩判定图像融合权重，并引入双边滤波残差加强弱纹理的分配权重，有效地增加了图像的特征信息，提高了三维重建点云的数量。利用提出的融合方法开展了空间目标模拟成像试验，采用融合的图像对目标三维重建，并与多种不同曝光程度以及采用其他融合图像的方法进行了对比，提出的方法得到的重建点云数量相对恰当曝光状态提高了35%，重建结果优于其他方法。结果表明:将图像融合引入到三维重建中，能有效地加强了重建图像信息，避免了光照条件对目标三维重建的不利影响，获得较高质量的重建效果，该方法可以很好地应用到基于图像序列的空间目标三维重建应用中。     

基于曲面类型与深度学习融合的三维掌纹识别技术

传统的2维掌纹识别在图像采集时容易受到干湿度、残影和压力等影响,使得其鲁棒性和准确性降低.为解决这些问题,3维掌纹识别技术应运而生.现有的3维掌纹身份认证技术需要将掌纹的特征提取与匹配识别分开进行,不仅延缓了识别时间,更增加了不同方法优化组合的难度.该文提出一种基于曲面类型(ST)与深度学习融合的3维掌纹识别方法.该方...     

基于时空多特征融合网络的三维人体姿态估计北大核心CSCD

目前,常见的三维(3D)人体姿态估计算法在表征学习上取得很好的效果,但是在人体骨架关节点处依然存在估计精度不佳等问题,因此,如何从单目RGB图像中利用冗余的二维(2D)姿态序列时空信息来估计人体姿态的有效方式是一个研究的难点。本文提出一种基于时空多特征融合网络的三维人体姿态估计算法,具体是结合一种图像外观信息和运动时序信息时空多特征融合层级方法,该方法利用一种紧凑的卷积神经网络(convolutional neural network, CNN)学习时空信息将二维关节点位置信息建模为三维关节点位置。实验结果表明,本文所提出的方法能实现较为先进的端对端姿态估计精度,而且不需要任何后处理阶段的姿态优化方法,本文得到的姿态估计在平均精度上得到有效的提升,证明本文方法能够有效提高人体姿态估计的准确性。