基于高光谱成像技术的运动人脸姿态识别方法

运动人脸姿态受到不规则光谱分布的干扰导致检测的准确性不好,提出基于高光谱成像技术的运动人脸姿态识别方法。采用高光谱视觉成像技术进行运动人脸姿态图像视觉信息采样,采用多层特征分解方法提取运动人脸姿态高光谱图像的边缘轮廓特征量,结合视觉信息重构的方法进行运动人脸姿态光谱特征检测,建立运动人脸姿态的光谱分布结构模型,采用活动轮廓套索模型进行运动人脸姿态高光谱图像角点信息标记,根据角点特征提取结果进行人脸的关键特征点标注,根据运动人脸姿态高光谱图像的特征分布实现运动人脸姿态识别。仿真结果表明,采用该方法进行运动人脸姿态识别的准确性较高,特征分辨能力较强,提高了运动人脸姿态信息检测和特征提取能力。     

基于三维激光点云的运动图像动态目标识别方法

当前的动态目标识别方法在场景复杂的图像中,因为无法采集足够多的特征信息,导致识别结果应用性受限。基于三维激光点云提出一种运动图像动态目标识别方法。利用三维扫描系统获取运动点云图像特征,在不影响有效信息采集的情况下,进行图像预处理;引入地平面方程,将图像背景点云与被识别目标点云通过欧式聚类法分割,提取处理后的被识别目标关键点,并采用Freeman链码检测边缘特征,完成运动图像动态目标识别。试验对比结果表明,所研究基于三维激光点云的运动图像动态目标识别方法,对动态目标有良好的鉴别能力及较好的识别精度,且所需动态目标识别时间较短。     

基于多特征融合的人体运动姿态智能识别算法研究

针对人体运动姿态复杂,而基于单特征的运动姿态识别算法难以对人体姿态进行准确识别且效率较低等问题,文中提出了一种基于多特征融合的相关智能识别算法。该算法利用图像去噪等方法对采集到的原始图像数据进行预处理,以突出图像中的关键信息。同时通过OpenCV提取数据中的Hu不变矩等特征,并利用神经网络算法将提取到的特征加以融合。采用SVM建立分类模型,进而实现对人体运动姿态的智能识别。两项实验结果说明,所提算法能在保证处理效率的前提下实现对人体姿态的精准识别,准确率可达93%以上。     

多目标宏形状特征点集快速检测技术研究

提出一种新的图像多目标特征点集检测技术。该技术研究了多目标分割、目标细微形状提取和宏形状提取,进而检测表示目标宏形状特征的特征点集。各目标宏形状特征点集进行识别与跟踪．研究了上述技术的快速实现。实际DSP跟踪系统处理结果表明该技术计算量小,抗噪能力强且准确性高,能准确识别目标,适用于实际图像目标特征点集的检测。     

基于激光视觉传感的渔船目标无人机低空识别研究

为了提高渔船目标无人机低空识别的准确率,提出基于激光视觉传感的渔船目标识别方法。采用阈值分割和角点定位标定渔船目标激光视觉传感图像的方位特征点;提取渔船目标的位置信息、速度信息、加速度信息、运动轨迹信息,建立渔船目标激光视觉传感图像的背景差分检测模型;通过帧动态检测和差分图像聚类,计算相邻目标质心的距离;根据参数估计和像素灰度值检测,结合目标方位估计,实现对渔船目标激光视觉传感图像的定位识别。结果表明,采用该方法能够有效识别渔船目标,目标方位识别准确性达到90.95%以上,提高了渔船目标无人机低空识别准确性。     

基于内容的敏感图像检测方法研究

随着网络和多媒体技术的发展,互联网中色情图像的传播越来越泛滥,为有效地过滤敏感图像,文章提出一种基于Otsu自适应阈值分割的人体面积比例计算方法。整个检测系统利用人体肤色模型和面部识别模型,并结合面积比例识别算法等图像特征识别技术,实现对网络敏感图像的检测。实验结果表明,该方法具有较高的准确率和较快的实时在线检测速度,具有良好的实用性和应用价值。     

基于激光传感器的人体参数化运动学模型构建

为了实现对人体运动参数准确跟踪识别,提出基于激光传感器的人体参数化运动学模型.采用激光传感器进行人体运动参数检测,结合激光传感信息融合方法建立人体参数化运动学特征检测的阵列分布模型,通过模糊信息融合方法提取人体参数的关键特征量,根据高维矩阵特征分解方法建立人体参数化运动学激光传感数据特征分解模型,在邻近点中进行人体参数...     

基于改进卷积神经网络的无人机异常飞行检测

在无人机异常飞行姿态检测过程中，受到姿态识别模型的影响，导致算法的时间复杂度较高。因此，提出了基于改进卷积神经网络的轻小型无人机异常飞行姿态检测算法。通过无人机姿态坐标的转换，获取图像采集位置。针对采集图像进行处理和分割，提高了图像特征采集精度。基于改进卷积神经网络构建识别模型，完成飞行姿态快速识别。最后，运用高斯混合模型聚类方法建立异常姿态判别规则，实现无人机异常飞行姿态检测。实验结果证明，比较两种对比方法，文中设计的检测算法分时间复杂度降低了48.27%和67.81%。     

基于特征点分布特性的激光干扰效果评估算法

激光主动成像系统通常用于区域监视和目标识别,但其上的光电成像探测器容易受到激光干扰,进而导致目标识别误差甚至目标丢失。因此,从目标识别特征的失效程度出发,研究激光干扰效果评估具有重要意义。提出了一种特征点相似度(FPSIM)评估算法,利用加速分割测试特征(FAST)算法提取原始图像和干扰图像的特征点,然后通过特征点匹配得到目标区域,在目标区域位置计算它们的特征点保持度和稳定度,提取原始图像特征点的位置,并在两幅图像中对应相同位置处比较它们的局部亮度和对比度失真度,再将特征点保持度、稳定度和亮度、对比度失真度相乘得到归一化的FPSIM。利用激光主动成像系统对设定目标进行照明成像实验,采集了不同干扰功率、不同背景强度和光斑位置的干扰图像。使用提出的FPSIM算法对获得的激光干扰图像进行评估,结果证明FPSIM能够客观反映图像在目标识别过程中特征点的变化情况,通过与归一化均方误差(NMSE)及结构相似度(SSIM)方法对比,FPSIM算法对不同程度的激光干扰图像都给出了合理的评估结果,其评价结果更符合主观视觉感受,并且能够指导激光主动成像识别系统的防护与应用。     

基于多媒体技术的三维人物图像动态重构

针对基于自标定的三维人物图像动态重构方法不能准确获取人物运动形态的三维位置,重构结果存在较高的偏差的问题,提出基于多媒体技术的三维人物图像动态重构方法,采用单目图像重构算法完成人体三维姿态重构。对多媒体技术中单摄像机拍摄的单目人体运动图像进行重构时,首先基于人体树状模型,采用基于部件检测器的二维肢体检测算法完成人体二维肢体检测;再采用基于关节点图像坐标的三维姿态重构算法,依据人体二维姿态检测结果,通过预测关节点反投影误差的退火粒子滤波算法完成人体三维姿态的跟踪,实现三维人体图像动态重构。实验结果说明,所提方法可准确实现三维人物图像动态重构,具有较高的重构精度和效率。     

激光三维图像对运动损伤姿态的采集

运动过程中,受自身动作和其他外界因素的影响,容易出现运动损伤姿态,因此,提出传统方法采集数据.但传统采集方法规划的采集路径不是最优,导致提取的特征数据与真实动作不匹配,因此,研究激光三维图像,对运动损伤姿态的全新采集方法.该方法以三类百分位假人模型为参照,建立运动姿态三维扫描模型;通过规划激光扫描路径,捕捉整体运动姿态;使用平滑度参数,提取三维图像点云特征;根据径向函数,采集并生成完整的运动损伤姿态.实验结果表明:与传统方法相比,此次研究方法得到的姿态轨迹,与真实运动损伤姿态的运动轨迹更加匹配.可见激光三维图像,更加适用于采集运动损伤姿态.     

基于体态的视频人像特征提取与比对

信息技术的发展壮大和应用的快速普及,利用计算机技术在图像处理方面的研究,并对视频图像中的人体行为进行特征提取和有效识别已成为日益关注的热点问题。然而如何构造有效的特征来对视频当中的人体动作进行描述一直是一个非常有挑战性的问题。对视频图像中的人体特征进行识别,是对视频图像的序列进行分析处理,并对检测出的人体运动目标进行特征提取和分类识别,从而达到理解和描述其行为的目的。人体行走的身体轮廓具有唯一性,是运动时的静态特征。同时人在行走运动中会带动上百处肢体的同步运动,人体的这些肢体角度包含了大量的运动信息,用于描述人体动态特征,可以很好地表示人的身份,并且容易与其它特征相结合。人体行为特征的提取与识别需要生物识别技术来识别和判断运动中的人的行为、区别个体身份。     

基于激光跟踪定位的多视觉动画特征点匹配方法研究

多视觉动画特征点检测过程中受到视觉扰动影响导致特征匹配性能不好,为了提高多视觉动画特征点匹配能力,提出基于激光跟踪定位的多视觉动画特征点匹配方法。采用空域滤波和频域滤波相结合的方法进行多视觉动画图像滤波处理,采用激光点跟踪识别方法进行多视觉动画图像的帧点扫描,提取多视觉动画图像的边缘轮廓特征量,根据边缘轮廓分布的邻域特性进行多视觉动画信息增强处理,利用锚点邻域回归分析方法进行多视觉动画特征点检测,通过激光跟踪定位结果,实现多视觉动画特征点的自动匹配。仿真结果表明,采用该方法进行多视觉动画特征点匹配的配准率较高,激光跟踪定位精度较高,提高了多视觉动画的特征检测和识别能力。     

基于水平集的热红外运动人体目标分割算法

水平集活动轮廓模型是一种优秀的图像分割方法.针对红外人体检测系统中的图像分割难题,提出了一种基于水平集活动轮廓模型的新算法.该算法包含水平集运动检测模块、水平集亮度检测模块和融合模块.水平集运动检测模块融合了水平集和背景相减技术,通过演化水平集函数同时实现前景分割和背景估计,它用于检测序列中的运动区域,并将其演化结果输入到下一检测模块.水平集亮度检测模块融合了水平集和阈值分割技术.在给出双阈值时,可分割出亮度在双阈值所限定范围内图像区域,它用于检测序列图像序列中可能包含人体目标的全部区域.利用形态学开重建技术,融合模块在融合前两个模块检测结果后输出算法最终分割结果.此外,采用快速数值算法演化水平集检测模块以及优化设置整个算法流程,改善算法运行效率.实验结果表明,相对其他典型算法,该算法具有较高分割精度和运行效率,且对时序亮度变化和镜头运动鲁棒性更好.     

基于Harris角点的快速帧移动多视点图像跟踪识别

为了提高快速帧移动多视点图像的检测跟踪识别能力,提出基于Harris角点检测的快速帧移动多视点图像跟踪识别方法.构建快速帧移动多视点图像检测和帧稳定性控制模型,采用数字特征融合技术,实现对快速帧移动多视点图像的模糊度增强和融合处理,通过多维空间参数检测技术,实现快速帧移动多视点图像的动态参数识别,结合联合滤波特征匹配方...     

基于Transformer的道路场景点云分类与分割方法

针对多目标识别过程中点云分类和分割精度不高的问题,提出了一种基于改进Transformer模型的点云分类与分割方法DRPT(Double randomness Point Transformer),该方法在Transformer模型卷积投影层创建新的点嵌入,利用局部邻域的动态处理在数据特征向量中持续增加全局特征属性,从而提高多目标识别中点云分类和分割的精度。实验中采用了标准基准数据集(ModelNet40、ShapeNet部分分割和SemanticKITTI场景语义分割数据集)以验证模型的性能,实验结果表明:DRPT模型的pIoU值为859,比其他模型平均高出35,有效提高了多目标识别检测时点云分类与分割精度,是对智能网联技术发展的有效支撑。     

基于机器学习的武术动作姿势识别方法

武术动作姿势包括静态与动态，呈现多维性，提出基于机器学习的武术动作姿势识别方法。采用小波阈值变换去除原始图像噪声干扰，参考运动过程中关节角度变化曲线，提取人体静态特征和动态特征，构建动作图像多维分割模型，结合机器学习与目标姿势参数，获取武术动作姿势边缘轮廓的特征分布函数，完成武术动作识别。实验证明：动作识别精准度较高、特征分辨能力较强，具有很好的姿势检测和辨识能力，能够满足武术训练对姿势细节获取要求。     

利用车载激光点云的分车带识别及单木分割方法

提出了一种基于车载激光点云数据的城区分车带识别及单木点云分割方法,首先通过布料模拟算法进行点云滤波去除地面点,然后利用基于八叉树连通性分析对非地面点进行聚类并构建聚类单元的最小包围矩形,基于先验知识和高差约束进行分车带识别,最后根据单木的空间几何特征,引入基于局部最高点的区域生长算法实现分车带内点云单木分割。选取北京市某道路的车载激光点云数据进行实验,结果表明:该方法能够从车载激光点云中快速识别出分车带点云并完成单木分割,能达到较好的识别和分割效果,具有抗噪性强和提取精度高的特点。     

可穿戴式人体姿态识别系统研究进展

随着科技发展,基于可穿戴式传感器的研究逐渐得到重视,显现出功耗低、可携带性好、成本造价低、使用场景不受限制等独特优势。其中重要的一项应用是人体姿态识别,人体姿态识别过程主要分为人体运动信息采集、数据预处理、姿态角求解、模式识别特征的提取与识别。本文介绍了人体姿态识别技术的研究进程,总结了目前常用的传感器,最后对未来人体姿态识别技术发展进行展望。     

基于三帧差法的人体水中运动轨迹跟踪系统设计

为了解决传统的人体运动轨迹跟踪系统在进行水下跟踪时模型三维重建时间长,得到的跟踪轨迹与人体实际运动轨迹不符的问题,基于三帧差法设计一种新的人体运动轨迹跟踪系统。该系统针对水下环境进行深入研究,在硬件架构中设立了初始化层、运动检测层和人体跟踪层,并构建三维人体模型、运动特征提取模块和运动特征分割模块,以此确定人体的边界特征、灰度特征、轮廓特征和肤色特征。引用三帧差法设立系统软件流程,共分为图像检测、差分图像获得、阈值处理、连通性分析、图像判别五步。为检测跟踪系统效果,与传统跟踪系统进行实验对比,结果表明,基于三帧差法设计的人体水下运动轨迹跟踪系统可以在短时间内构建出三维模型,绘制的跟踪轨迹与实际运行轨迹相似度高于传统跟踪系统。