基于机器视觉的切割机轨线实时跟踪算法

本文从视觉跟踪系统的特点出发，研究了各种跟踪算法，提出了切向追踪、法向靠近的视觉跟踪算法．通过对法向距离的有效控制，提高了系统的跟踪精度和跟踪速度，实验结果表明该算法具有良好的跟踪性能．     

基于机器视觉的健身操运动员姿态跟踪识别系统

现有的跟踪识别系统由于跟踪识别算法对于边缘检测的处理效果不好,导致运动员跟踪识别精度较低.针对上述问题设计一种基于机器视觉的健身操运动员姿态跟踪识别系统.系统的硬件方面设计了一体化快速球形摄像机,根据其参数利用齐次坐标对图像、像素坐标系之间的变换进行表示,标定摄像机;软件部分主要对跟踪识别算法进行优化,使用了时空图卷积...     

基于机器视觉的足球射门视频图像轨迹跟踪方法

为提高对足球射门视频图像的自动识别和动作纠正能力,提出一种基于机器视觉和特征提取的足球射门视频图像轨迹跟踪方法。通过视觉信息融合和模糊跟踪识别方法进行足球射门视频图像的轨迹线跟踪识别,建立足球射门视频图像的关键动作特征点提取模型,通过空间三维信息融合方法进行机器视觉下的图像信息融合和有效动作特征点检测,结合角点的动态分布特征提取方法,实现足球射门视频图像的相关性动作特征点提取和轨迹跟踪。仿真结果表明,与传统方法相比,采用该方法进行足球射门视频图像轨迹跟踪的准确性最高达到0.8,该方法的准确性较高,特征提取能力较好,提高了足球射门视频图像识别和动作纠正能力。     

交互式多模型算法的MT-R机器人视觉跟踪

针对机器人的视觉跟踪问题,提出了一种基于交互式多模型算法的视觉跟踪方法。该方法采用HSV颜色模型,通过交互式多模型算法进行滤波估计,获得目标的运动属性。利用交互式多模型算法对目标的位置进行一步或者N步预测,在获得下一帧的观测值后,在预测位置的区域进行目标搜索,可减少搜索区域,节省搜索时间,增加了跟踪的实时性。使用该方法对机器人足球比赛中的红色球进行搜索跟踪。实验结果表明,应用该方法可获得目标的运动属性,能快速搜索到运动目标,并能进行准确跟踪。     

基于机器视觉的水产养殖计数研究综述

养殖计数是水产养殖过程中的重要环节,计数结果为水产动物的饲料投喂、养殖密度调整和经济效益估算等方面提供重要依据。针对传统人工计数方法耗时费力且易造成较大误差的问题,大量基于机器视觉的方法与应用被提出,极大地推动了水产品无损计数的发展。为深入了解基于机器视觉的水产养殖计数研究,整理和分析了至今三十多年来国内外的相关文献。首先,从数据采集方面对水产养殖计数展开综述性介绍,并对机器视觉所需数据的获取方法进行概括;其次,从传统机器视觉和深度学习两方面对水产养殖计数方法进行分析与总结;然后,对各种计数方法在不同养殖环境的实际应用进行对比分析;最后,从数据、方法和应用三方面总结了水产养殖计数研究的发展难点,并提出了计数方法研究和装备应用的未来发展方向。     

基于视觉的增强现实运动跟踪算法

增强现实系统不仅具有虚拟现实的特点同时具有虚实结合的新特性，为实现虚拟物体与真实物体间的完善结合，必须实时地动态跟踪摄像与真实物体间的相对位置和方向，建立观测模,墼是而通过动态三维显示技术迅速地将虚拟物体添加到真实物体之上，然而目前大多数增强现实系统的注册对象均匀静物体，运动物体的注册跟踪尚很少有人涉足。该算法通过标志点的光流场估计真实环境中运动物体的运动参数，根据透视投影原理和刚体的运动特性确定摄像机与运动物体间的相对位置和方向，实现增强现实系统的运动目标跟踪注册。该算法构架简单、实时性强，易于实现，扩展了增强现实系统的应用范围。     

基于Mean Shift的视觉目标跟踪算法综述

基于Mean Shift的视觉跟踪算法具有计算复杂度低、调节参数少、稳健性较好和易于工程实现等优点,是目前视觉跟踪领域的重要研究方向。首先介绍了经典的Mean Shift跟踪算法,分析了此跟踪框架存在的缺陷。然后从目标模型表达、模型更新、尺度与方向佑计、抗遮挡跟踪和快速目标跟踪等J个方面详细地综述了Mean Shift跟踪算法的发展与改进。针对上述每个方面,对典型方法与最近研究成果进行了介绍与评述。最后展望了Mean Shift跟踪今后的研究方向与发展趋势。     

基于计算机视觉的仰卧起坐计数算法

为了解决目前对于仰卧起坐计数的体能考核和训练中采用穿戴式设备及人工监督带来的误差大、效率低的问题,设计了仰卧起坐计数算法。这个算法通过提取人员的关键点,并根据这些关键点的坐标来计算仰卧起坐的次数。针对实时计数这一要求,对YOLOv7-Pose进行了一系列的轻量化改进,在几乎不损失精度的前提下,使得参数量降低到原来的1/5,达到了预期的实时性。     

基于多表观模型竞争的视觉跟踪算法

在视觉跟踪中,如何适时地更新目标模型是影响跟踪算法跟踪精度和鲁棒性的关键性因素,也是当前研究中面临的重点和难点问题。对此,提出了一种基于多表观模型竞争的模型更新策略,通过多表观模型中各子模型的贡献度大小确定竞争优势排序,当最优子模型的贡献度满足多表观模型更新阈值时,对各子模型及其对应的系数进行更新,否则,仅对部分子模型进行更新。在此基础上,以粒子滤波算法为跟踪框架,提出了基于多表观模型竞争的视觉跟踪算法。实验结果表明,所提算法能够较好地处理视觉跟踪中的模型更新问题,跟踪性能较无模型更新策略的粒子滤波算法有明显提高。     

基于机器视觉的零件加工瑕疵图像识别算法

由于传统瑕疵图像识别算法存在识别时间长、准确率较低的问题,研究基于机器视觉的零件加工瑕疵图像识别算法。使用最小误差法分割图像阈值,获取并处理瑕疵零件图像;提取瑕疵图像的全局特征与局部特征,经多维向量特征值排序后得到零件加工瑕疵的最终特征;利用形态学细化法提取图像边缘轮廓,结合机器视觉细化边缘像素,实现瑕疵图像识别。测试结果表明:使用机器视觉识别零件加工瑕疵图像算法,当图像数量增加到1000张时,图像识别平均所用时间为78.3 s,平均准确率则为95.817%,可以提高零件加工瑕疵图像识别的准确率。     

基于机器视觉的打磨工件跟踪方法研究

为克服在自动化生产中跟踪打磨工件时受尺度变化、部分遮挡等因素影响跟踪效果的问题,提出了一种基于机器视觉的打磨工件长时间目标跟踪算法。该算法对传统的KCF目标跟踪算法做了尺度估计、质心位置预测和质心修正重定位的改进,首先在与传统KCF算法结合的基础上,计算出运动目标质心位置的同时引进尺度金字塔来进行目标尺度估计;然后提出一种质心位置预测方法估计其质心运动;最后为了防止目标丢失使用质心修正重定位方法进行质心重定位,提高了跟踪的稳定性。实验证明,在工件发生尺度变化、部分遮挡等的情况下,本文方法具有良好的检测效果,并具有较强的鲁棒性。     

基于机器视觉的弧形件检测算法

为快速准确地对弧形零件特征参数进行检测,提出了一种基于机器视觉技术检测弧形件的各种特征参数的方法。该方法先采用Canny算子检测图像边缘,然后用三次样条插值方法对图像边缘进行插值并计算其亚像素坐标,最后采用基于切线方向的方法计算曲率值。对离散曲率数据进行处理,计算其均值和方差以及弧形件的弧长、夹角、面积等特征量。实验结果证明：该算法不仅精度高、速度快,而且稳定性好,能满足弧形零件特征参数的检测要求。     

基于机器视觉算法的水稻秧苗状态识别

根据秧苗发育形态调节育秧环境中的光照、温度、湿度能够避免徒长,这对水稻优质高产十分重要。针对水稻秧苗在恒温箱封闭式育秧环境下因监测不及时导致的徒长情况,提出了一种基于机器视觉算法识别秧苗发育状态的方法。采用恒温箱对东农426和东农428水稻进行育秧研究,利用协方差聚类算法对秧苗RGB彩色图像进行分割,再选用连续腐蚀开操作结合Hough变换进行预处理。根据提取与秧苗徒长直接相关的形态指标参数信息,如株高、叶面积、着生角、生长速率,进行曲线拟合,最后将结果显示在软件界面上。实验结果表明,该方法可以正确的识别秧苗并准确提取形态指标参数,准确率为87.5%,秧苗形态参数识别误差不超过7%,适用于封闭式育秧环境中对秧苗的监测,该方法为研究水稻工厂化立体育秧提供了有效参考。     

基于机器视觉的色差检测算法

针对金属印刷质量中的色差检测问题,采用机器视觉的技术对色差检测算法进行了研究。通过在金属印刷品的留白区域印刷色标,使用工业CCD相机采集金属印刷产品上的色标区域,使用数字图像处理技术提取色标。使用了基于HSV颜色空间的色差检测算法和基于CIELAB颜色空间的色差检测算法,分析了两种颜色空间下色差检测的实验结果,采用两种颜色空间检测算法相结合的方法,实现对色差合理有效的快速检测,同时能保证检测结果的准确性。     

基于机器视觉的非结构化道路检测算法研究

提出了一种提高非结构化道路边缘检测实时性和准确性的算法。该算法中首先对原始道路图像进行中值滤波,抑制随机噪声,并选择基于双峰法的多阈值Otsu方法进行图像分割,使分割效果和分割时间得到优化。通过Canny算子进行初次边缘检测,然后,采用数学形态学修正,从而得到完整、清晰的道路边缘图像。仿真结果表明:该非结构化道路检测方法具有良好的实时性和准确性。     

基于计算机视觉的可变形手势跟踪算法改进研究

手势是人们最为常用的、最为自然的表达方式,人机交互的方式迎合了社会的需要。其成本低、适用性强、操作方便,也符合了人们的要求,得到了越来越广泛的关注。传统的手势跟踪算法仅停留在静态的手势跟踪上,当手势变形移动时,会导致跟踪目标从摄像头等设备的视野中消失,导致手势目标消失。本文对传统的CAMSHIFT算法进行了进一步的改进,并对可变形的手势图像的预处理及特征提取做出了研究。有效去除小的零值噪声点和提高了手势跟踪的准确率,这个算法对系统的资源要求不高,并且在仿真实验中有体现出了很好的鲁棒性。仿真实验表明,本文提出的方法有效的解决了一些不确定性问题,能够广泛应用。     

基于视觉与电弧多信息传感的焊缝跟踪算法

随着焊接传感技术以及信号处理技术的快速发展,人们越来越注重对焊接过程质量控制的研究,而多传感器信息融合技术是焊接质量控制的一种重要的方法,采用该技术实现熔化极气体保护焊(MIG)脉冲焊接质量的自动控制。该技术采用了视觉传感器和电弧传感器将采集的不同的描述信息进行了有效的特征提取和传输,并运用多传感器信息融合算法进行焊缝的跟踪。视觉传感器利用工业电荷耦合元件(CCD)获取图像信息控制焊炬的横向偏差信息,电弧传感器利用数据采集卡获取电流信息控制焊炬的高度互补偏差信息和横向的冗余信息,将两种传感器得到的冗余信息和互补信息在特征层下进行融合实现焊接过程横向和高度的纠偏控制。冗余信息的融合可以实现视觉传感的图像去噪,而互补信息的融合可以进一步提高焊缝跟踪的精度。实验结果表明,所提算法能够较好地提高焊接的质量,从而也验证了算法的有效性和合理性。     

基于机器视觉的多铆钉自动检测算法研究

为了克服传统人工铆钉检测工效低、精度不易控制等弊端,提出了一种基于机器视觉的多铆钉非接触式自动检测算法。采用改进的OTSU算法对采集到的铆钉图像进行分割,有效地减少了污点区域的误划分。为解决铆钉方位的随机性对检测过程造成的影响,采用最小外接矩形法定位铆钉轮廓主轴,克服了复杂工业环境中的不确定因素。通过计算铆钉轮廓各点在两侧支撑区间内曲率的方法识别轮廓特征点,有效减少了噪声在曲率计算中的权重,并提高了识别精度。实验表明:该系统检测精度高,且误检率低,能满足铆钉生产在线检测的要求。     

基于机器学习的小目标检测与追踪的算法研究*

本文提出了基于机器学习的小目标检测与追踪算法DT。算法首先使用多结构闭运算重构对图像进行预处理,然后利用Harris角点检测与改进的多cell、多block的HOG (Histogram of Oriented Gradient)算法结合SVM(Support Vector Machine)对视频帧中的小目标进行检测,最后采用基于改进的孪生网络的追踪算法对检测到的目标进行追踪。实验证明,该方法不仅适用于天空背景,在相对均匀的地面背景下也有一定的追踪能力。而且该算法对于小目标的尺度变化、消失重现等问题具有很好的鲁棒性。     

基于机器视觉的最大内接矩形快速检测算法

在进行皮革裁切、板材边角料再利用、PCB板布线等过程时都会遇到求解不规则图型最大内接矩形的问题;当前工厂的裁定手段普遍由人工估测来完成,这种作业方式不仅主观性强,而且效率低下;在研究了基于数字图像处理的遍历法、中心扩散法、遍历中心扩散法后,结合以上方法提出一种高效实用的最大内接矩形快速检测算法:边界排序生长法;实验结果证实:遍历法无法正确适用于凹多边形;中心扩散法虽然可适用于任意不规则图型,但其检测效果不够理想;遍历中心扩散法的检测结果较为理想,但该方法耗时巨大;而边界排序生长法在保证高效率的同时依旧可以拟合出理想的内接矩形.