一种电力器件缺陷检测方法优化

为提高电力器件的缺陷检测能力,提出基于视觉图像分析和纹理特征提取的电力器件缺陷检测方法。构建电力器件缺陷图像采集模型,结合图像边缘特征检测和信息融合度特征分析电力器件缺陷特征,采用机器视觉特征分析和分块融合特征匹配方法,跟踪识别电力器件缺陷数据特征,通过模糊小波特征分析和特征点标定方法,对缺陷特征视觉融合解析处理,根据缺陷部位的纹理差异性特征提取结果,实现对电力器件的缺陷检测。仿真结果表明,该方法检测准确性较高,缺陷定位精度较好。     

基于机器视觉技术的运动动作实时跟踪方法研究

利用机器视觉能代替人眼进行测量和判断,研究基于机器视觉技术的运动动作实时跟踪方法。使用基于机器视觉的运动动作特征提取算法,提取运动视频流中的关键帧,获取其感兴趣区域及其SIFT特征点,根据特征点计算动作图像的特征向量,将其当作AD-DWTAdaBoost算法的输入样本,采用基于AD-DWTAdaBoost的运动动作识别算法辨识样本中的运动动作后,使用改进均值漂移算法实时跟踪目标运动动作。实验结果表明：运动动作特征提取稳定性参数的极值和均值都处于稳定范围;识别不同运动动作所需时间速度倍率最高可达6.16%;各视频帧的中心距离误差基本都保持在15像素以下,并能实时跟踪运动动作。     

基于机器视觉的健美操跳跃动作特征提取方法研究

由于传统健美操跳跃动作特征提取方法存在动作方位角度识别准确率低、特征提取率低和特征提取效率低的问题，提出基于机器视觉的健美操跳跃动作特征提取方法。通过机器视觉获取健美操视频，提取健美操视频的熵值序列和音乐特征，融合以上特征提取健美操动作关键帧，利用高斯混合模型对关键帧进行处理，消除健美操关键帧的背景；采用阈值识别算法识别健美操跳跃动作，结合Harris3D算子建立健美操跳跃动作序列势函数，在此基础上，利用AdaBoost算法提取健美操跳跃动作特征。实验结果表明，所提方法的动作方位角度识别准确率高、特征提取率高、提取效率高。     

基于多视角视频的运动重建

为了更逼真地从视频图像序列中实现三维人体骨架动画形式的提取,以便进一步地对人体运动进行分析与研究,提出了一种基于多视角视频的运动重建的方法。该方法充分利用了标记点的信息,其核心步骤有标定摄像机,提取标记点,跟踪标记点和人体运动三维重建四个主要方面。其中,在跟踪标记点时,使用了基于多视觉的目标跟踪算法,该算法由结合了扩展卡尔曼滤波预测与标记点轨迹平滑性约束所构成的双目立体视觉跟踪与多目视觉数据融合两个方面。实验结果证明了所提方法的有效性与可行性。     

公共区域监控视频数据目标特征跟踪定位方法

为了提高公共区域监控视频的目标定位检测能力,需要进行目标特征跟踪定位算法设计,提出一种基于图像超分辨率重建的公共区域监控视频数据目标特征跟踪定位方法。构建公共区域监控视频的三维图像重建模型,采用边缘层的高分辨融合方法进行公共区域监控视频图像数据的三维结构重组,提取公共区域监控视频的关键特征点,用图像退化模型进行公共区域监控视频数据目标特征检测,结合线性滤波模型使得监测输出图像满足最优匹配特征解,提高对公共区域监控视频数据目标特征跟踪能力。引入引导滤波方法进行公共区域监控视频数据的图像超分辨重建,实现对目标特征准确跟踪定位。仿真结果表明,采用该方法进行公共区域监控视频数据目标特征跟踪定位的准确性较高,图像重建能力较强,归一化均方根误差较小。     

基于手势特征融合的操作动作识别

针对动态复杂场景下的操作动作识别,提出一种基于手势特征融合的动作识别框架,该框架主要包含RGB视频特征提取模块、手势特征提取模块与动作分类模块。其中RGB视频特征提取模块主要使用I3D网络提取RGB视频的时间和空间特征;手势特征提取模块利用Mask R-CNN网络提取操作者手势特征;动作分类模块融合上述特征,并输入到分类器中进行分类。在EPIC-Kitchens数据集上,提出的方法识别抓取手势的准确性高达89.63%,识别综合动作的准确度达到了74.67%。     

基于并行演化计算的图像特征提取研究

图像特征提取已成为困扰智能化视觉信息处理的瓶颈。为了解决复杂背景下钢板表面缺陷的机器视觉检测问题,缩短视觉系统的开发周期,提高其实用性,在并行计算环境和视频仿真平台的基础上,探索机器视觉可塑性及形成机制,提出了将并行计算、视频仿真、演化计算相互融合解决钢板表面缺陷特征提取问题的方法,实现了演化计算与并行层次处理的特征选择、特征提取方法,为智能化的视觉信息处理开辟新的思路。实验证明,改进方案不仅具有可行性,而且能提高缺陷检测的准确性、实时性。     

基于光流融合快速特征提取的视觉/惯性定位方法

针对地下遮蔽空间内弱纹理环境下视觉/惯性定位方法特征点提取、追踪困难问题,文章结合快速鲁棒性（Speeded Up Robust Features,SURF）特征点法提取速度快、识别精度高、光流法追踪精度高的特点,提出了一种基于光流融合快速特征提取的视觉/惯性定位方法。该方法改进视觉前端部分,以SURF算法构建Hessian矩阵对图像信息中的特征点进行提取,提高特征点匹配效率与提取效果;随后,利用LK(Lucas–Kanade)光流法对特征信息进行追踪,保证特征追踪速度,以提高算法精度与鲁棒性;在信息融合部分参考多状态约束卡尔曼滤波算法框架,对视觉信息与惯性信息进行融合。采用EuRoc室内数据集进行仿真实验。结果表明,该算法具有良好的定位精度。与传统MSCKF算法相比,该算法漂移较小,相比MSCKF平均轨迹误差减少8%,均方根误差减少21%,具有更好的定位效果。     

视频与音频特征融合生成动作指令组的方法研究

为了提高人与机器人的语音交互能力,提出一个基于视频特征与音频特征融合的动作三元组分类的神经网络框架,其本质是从音视频中提取高度概括动作的指令组。该框架包含三个模块,分别是视频特征提取网络模块、音频特征提取网络模块、特征融合模块。视频特征提取网络模块使用I3D网络结构提取视频特征;音频特征提取网络模块使用卷积神经网络以及双向长短期记忆网络提取音频特征;特征融合模块将视频特征和音频特征进行融合并输出动作三元组的分类。通过在制作的动作音视频数据集上的实验证明,所提出的音视频特征融合网络能达到74.92%的准确率,且具有较强的鲁棒性。     

融合注意力机制的双路径孪生视觉跟踪方法

传统基于孪生网络的视觉跟踪方法在训练时是通过从大量视频中提取成对帧并且在线下独立进行训练而成,缺乏对模型特征的更新,并且会忽略背景信息,在背景驳杂等复杂环境下跟踪精度较低。针对上述问题,提出了一种融合注意力机制的双路径孪生网络视觉跟踪算法。该算法主要包括特征提取器部分和特征融合部分。特征提取器部分对残差网络进行改进,设计了一种双路径网络模型;通过结合残差网络对前层特征的复用性和密集连接网络对新特征的提取,将2种网络拼接后用于特征提取;同时采用膨胀卷积代替传统卷积方式,在保持一定感受视野的情况下提高了分辨率。这种双路径特征提取方式可以隐式地更新模型特征,获得更准确的图像特征信息。特征融合部分引入注意力机制,对特征图不同部分分配权重。通道域上筛选出有价值的目标图像信息,增强通道间的相互依赖;空间域上则更加关注局部重要信息,学习更丰富的上下文联系,有效地提高了目标跟踪的精度。为证明该方法的有效性,在OTB100和VOT2016数据集上进行验证,分别使用精确率(Precision)、成功率(Success rate)和平均重叠期望(Expect average overlaprate,EAO)...     

一种基于轨迹的足球检测和跟踪方案

在运动视频检测中,由于存在噪声和遮挡,仅依靠单帧信息来确认目标的位置是很困难的。提出了一种基于轨迹的运动足球检测和跟踪方案。先利用视觉特征来得到每帧图像的候选球,然后使用卡尔曼滤波器进行预测跟踪,生成初始轨迹。通过轨迹选择,确认真实球的轨迹,从而间接地得到球的位置。此外,结合卡尔曼滤波器预测和线性插值,补充视频中漏检的球的位置。实验结果表明,算法具有较高的准确性,精确率达到85%。     

二维图像特征点自主提取算法研究

采用概率论理论,对二维图像进行灰度统计分析,采用计算标准差方法,对图像特征点区域定位并提取特征点.该方法提取特征点,仅需对抽样象素区域进行灰度标准差分析,避免了提取图像特征点,根据被处理图像的一些先验信息,利用试探方法确定阈值的局限性.通过分别对具有弱纹理及包含复杂背景的多物体自然二维图像的特征提取,证实了所提方法的有效性和可靠性,可满足机器视觉系统中自主、实时识别与提取二维图像特征点要求.     

基于三角函数迭代的视频数据特征提取

在计算机视觉研究中,基于视频数据进行图像对象识别逐渐增多。针对视频数据 的特征提取,提出了一种基于三角函数迭代提取视频三维迭代轨迹特征的方法。该方法是考虑 视频数据的时间空间维度,利用三角函数构造三维动力系统,整体一次性进行视频段数据特征 的抽取,提取出一种近似混沌吸引子的三维特征点集,这种视频数据迭代特征实际上是迭代轨 迹点集合。以VidTIMIT 数据集进行人脸识别实验,发现增加初始迭代值的个数,减少迭代次 数后,提取出的特征点集合具有更好的效果。当VidTIMIT 的43 组559 个视频全部参与实验, 识别率达到88.16%,与现有文献中记载的其他方法相比,具有识别率高、计算时间少的特点, 初步证实了该三维视频迭代轨迹特征具有实用性,同时也值得进一步研究验证与分析。     

动机器人视觉图像特征提取与匹配算法*

针对移动机器人导航过程中视觉图像处理速度慢以及特征点提取与匹配实时性和准确性差等特点,提出了一种基于SIFT特征提取算法与KD树搜索匹配算法相结合的新方法,通过对候选特征点进行多次模糊处理,使其分布在高斯差分图像的灰度轮廓线边缘,利用SIFT特征提取算法找到满足极限约束的极值点;通过KD树最邻近点搜索和匹配算法使处理后的特征点与原始图像进行特征匹配,快速找出匹配正确的特征点。实验证明,该方法对环境光照、视野角度频繁变化的环境具有较强的鲁棒性,能够满足移动机器人自主导航过程中对视频图像处理的实时性和准确性     

基于稀疏图像序列的雕塑点自动云三维重构方法

为了提高对雕塑点稀疏图像的点云三维重建的分析能力,提出一种基于稀疏图像序列的雕塑点自动云三维重构方法,基于稀疏散乱点三维重建和锐化模板特征匹配方法进行图像三维重建。采用三维角点检测和边缘轮廓特征提取方法,进行雕塑点稀疏图像三维点云特征检测,对检测的雕塑点稀疏图像点云数据进行信息融合处理,采用梯度运算方法进行特征分解,实现对雕塑点稀疏图像的信息增强和融合滤波。结合局部均值降噪方法进行图像的提纯处理,提高雕塑点稀疏图像轮廓重建能力,采用锐化模板特征匹配和块分割技术,实现雕塑点自动云三维重构。仿真结果表明,采用该方法进行雕塑点自动云三维重构的准确性较高,图像匹配能力较好,且重构输出信噪比较高。     

基于图像自身复杂视觉信息的特征提取算法与应用

针对现阶段特征提取方法忽视图像自身的视觉信息的问题,提出了基于图像自身复杂视觉信息的特征提取算法与应用。该算法分析了视觉皮层V1区4B层复杂细胞的视觉功能,揭示了复杂视觉细胞提取区域图像非线性、独立和平移不变性特征的能力,建立了复杂视觉细胞的数学模型,并通过该模型提取了区域图像包含的复杂视觉信息。实验证明:所提算法依据图像自身包含的高级视觉信息,自适应提取区域图像的非线性、独立性和几何不变性特征,克服了常见特征提取算法忽视图像自身视觉特征的缺陷;在基于图像内容的图像检索领域,算法取得了良好的检索效果。     

基于帧差优化算法的物流运输标签视觉跟踪

当前在集装箱物流运输过程中,以射频标签为主,物流集装箱信息不透明、信息对接困难。为此,提出一种基于帧差优化算法物流集装箱运输的视觉图像标签跟踪方法。将集装箱整体视觉特征作为标签特征,利用图像分割变换方法,对采集的集装箱物流运输图像进行特征提取,为物流运输视觉跟踪提供依据。针对采集的集装箱图像特征关键帧进行背景分离,记录分离后的特征,利用该特征的相似度完成物流运输视觉跟踪。实验结果表明,利用该方法进行集装箱物流运输视觉跟踪,能够提高集装箱的跟踪准确度。     

基于轨迹行为模式特征的视频拷贝检测算法

为了有效地利用视频的时域运动信息来提高视频拷贝检测的精度和鲁棒性,提出一种基于特征点轨迹行为模式的拷贝检测算法.首先从视频连续帧中提取特征点轨迹的行为模式特征,然后采用视觉关键词典技术构造视频的运动特征,最后基于运动特征的相似度进行视频拷贝检测.该算法在TRECVID标准数据集上取得了较高的检测精度.实验分析表明,基于轨迹的运动特征具有较强的描述区分能力,对各种常见的拷贝变化具有鲁棒性.     

基于立体视觉的三维视频轨迹跟踪

介绍了一种基于立体视觉原理的三维视频轨迹跟踪方法，该方法在实验空间安置了四个邻近的特征点，利用立体视觉原理对空间中特征点的运动轨迹进行分析，跟踪和预测，并根据四个特征点的位置关系计算出特征点所在平面的空间姿态参数。本文利用这种方法，将特征点安置到机器人手臂本体及操作对象上，实现了对机器人手臂动作轨迹的跟踪，预测以及碰撞检测和碰撞预警的功能。实验表明，该方法具有原理简单，计算是小，实时性强的特点。     

基于卷积神经网络与视觉显著性的图像融合

传统的红外与可见光图像融合方法,多数需要手动提取特征且特征提取单一。而深度学习可以自动选择图像特征,改善特征提取的单一性,因此提出一种基于卷积神经网络与视觉显著性的红外和可见光图像融合方法。利用卷积神经网络获得红外目标与背景的二分类图;利用条件随机场对分类图进行精分割得到显著性目标提取图;采用非下采样轮廓波变换并结合目标提取图,得到融合图像。实验结果表明,该方法在主观视觉和客观评价方面均优于传统非智能方法,并且5个客观评价指标(边缘信息保留量,结构相似度,互信息,信息熵和标准差)均有显著提高。