复杂背景下的人脸检测方法研究

设计了一个适应于复杂情况下的完整的人脸检测系统。系统把人脸检测分为人脸候选区域检测和人脸区域验证两部分。在人脸候选区域检测方面,提出了一种基于人脸轮廓的检测方法。实验表明它提高了检测率、检测速度和鲁棒性。在人脸验证方面,提出了一种根据人脸细节进行验证的方法,提高了人脸验证的准确性。     

适用于复杂环境下的实时目标跟踪技术

针对复杂环境下目标跟踪过程中目标存在旋转、视角、尺度等变化以及噪声干扰的问题,提出了一种基于尺度不变特征与快速模板匹配相结合的目标跟踪技术;该技术通过分别提取预先存储模板和实时采集图像的尺度不变特征,建立初始模板;采用菱形搜索策略对模板的低分辨率子图和待跟踪图像的低分辨率子图进行快速互相关检测,根据检测结果在该帧高分辨率图像中建立紧凑ROI,在此区域内进行模板匹配,对目标进行精确定位;在目标跟踪的过程中采用自适应模板更新策略,以保证在目标发生变化时跟踪的稳定性;实验结果表明,该技术在稳定性、准确性和实时性等方面均优于传统方法。     

基于肤色的复杂环境下人脸检测

对由光源颜色变化引起的图像色彩偏差,进行了校正,并在YCbCr颜色空间建立了Cb-Cr色度查找表和亮度信息联合的肤色模型,应用预处理技术,去除部分非人脸区域,减少人脸检测的搜索空间,并采用模板匹配方法在人脸候选区域检测人脸.实验表明,该方法能够有效的从复杂环境的彩色图像中检测出左右旋转不超过45°的人脸,且不受人脸表情、尺度和数目的影响,且错误率较低.     

一种检测护照线性缺陷的方法

介绍了一种检测护照质量缺陷的方法.这种护照质量缺陷称为脏版,通常表现为线性,是在护照印刷过程中产生的.这种缺陷会对护照本整体产生较为严重影响.然而检测主要困难在于其蹭脏的颜色和图像背景纹理接近,因此还没有相关的效检测手段.为了这种脏版缺陷我们首先对样本图像进行下采样,并运用多尺度分析的方法来减少背景图案对检测结果的影响,随后采用线段检测分割算法来获得这些线性缺陷.我们在样本图像和模板图像中采用相同的检测方法.随即匹配每个样本中检测到的线段,以去除真正的背景条纹,而剩下未能匹配的线段则被识别为脏版缺陷.我们还使用这些线性缺陷几乎都是垂直的现有知识来提高检测精度.实验表明,这种检测线性缺陷的方法是有效.我们认为,通过这种方法来控制护照质量和减少对后续生产的影响是有非常有帮助的.     

复杂环境下的遗留物检测算法

针对在复杂环境下检测遗留物体的问题,提出一种有效的算法。首先,采用局部更新的混合高斯模型与改进的三帧差分法分别得到前景,通过比较得到目标候选区域,并进一步采用阴影消除与连通域分析分割得到暂时静止物团块。其次对达到静止时间阈值的团块采用方向梯度直方图(HOG)行人检测,在排除驻留行人的可能后将其标记为遗留物。最后对检测出的遗留物进行加速分割检测特征(FAST)局部特征匹配,以克服行人遮挡、光线变化对结果的影响。实验结果表明,本算法具有较高的准确性和处理速度,能较好地克服复杂环境中存在的干扰影响。     

基于"粒子"滤波器的复杂环境下头部跟踪算法

在复杂背景下进行头部检测与跟踪是多功能感知的重要交互通道。在对传统头部检测算法进行改进的基础上,提出了一种基于“粒子”滤波器的实时头部跟踪算法。试验结果表明该算法实时性强,且具有良好的鲁棒性,能在头部发生转动、遮挡及多人干扰等复杂环境下进行稳定跟踪,可广泛应用于头部跟踪、图像分割和人脸检测等领域。     

视频中多线索的人脸特征检测与跟踪

针对目前的人脸特征检测与跟踪算法存在的对环境适应能力差、缺乏自我检错能力的缺点，该文提出了一种多线索综合的新方法，多线索中包括基于深度信息的人脸区域粗分割，基于多关联模板匹配的人脸检测，利用多尺度Sobel卷积的特征提取，基于“特征眼”的人眼验证以及基于多视图的校验方法，多种线索互相补充，自我检错和纠错，对背景，光照及姿态变化具有较强的适应能力，实验表明该方法是有效的，鲁棒的。     

多尺度宽线检测方法

针对基于非线性滤波的宽线算子的不足,提出了一种多尺度宽线检测方法。基本宽线检测算子采用单个尺度模板检测图像中的宽线,导致仅能检测宽度小于模板半径的宽线特征,且在多条宽线交叉处检测效果较差;与之不同,多尺度宽线检测方法首先采用多个不同尺度的模板进行检测,然后在多个尺度归一化的检测结果中取最大响应值,再通过阈值分割、滤波处理等后处理步骤得到最终的检测结果。分别利用仿真图像和实际图像对多尺度宽线算子进行了性能测试,实验结果表明,多尺度宽线检测方法克服了基本宽线算子的不足,较好地检测出了图像中的宽线特征。     

用于复杂环境下的疲劳检测系统人眼检测方法

针对光照、眼镜等对驾驶员人眼检测的影响,提出采用霍夫变换和神经网络分类器进行人眼检测.通过应用虹膜几何信息和对称性,选择可能包含人眼的两个候选区域.运用边缘检测算子和 MAE 进行人眼粗定位.然后在此基础上采用B-P神经网络进行人眼精确定位.针对三种不同情况,即不同光照、不同背景和不同肤色的人拍摄6组视频图像,采用matlab7.0进行3组仿真实验,实验结果表明该算法对复杂情况的人眼检测具有较强的鲁棒性.大大提高人眼检测准确率.     

复杂背景下实时运动手指提取及指尖检测方法

基于视频的人机交互是实现机器智能化的一个重要研究领域。本文提出了一种简单有效的复杂背景下的实时的指尖检测方法。基于运动手指图像全局灰度变化特征,本文提出了一种的快速有效的前景分割方法,提出了一种基于连通区域检测的背景更新方法,提出了一种基于模板匹配的手指尖检测方法。实验表明在本系统在各种室内复杂背景条件下能有效的适应背景变化,并能较准确的检测到运动指尖。     

多尺度特征融合重建的行人检测方法

行人在众多场景中都存在多尺度变化问题,严重影响检测器的精度,为此设计卷积特征重建和通道注意力两种模块来增强对多尺度行人的检测效果.以原始输入的多尺度特征为基础融合重建多个特征金字塔,然后融合多个特征金字塔中的相同尺度特征,并学习每层特征的通道注意力权值来增加有效通道层权重,由此得到的特征才用于最后的检测.将这两种模块集...     

复杂姿态下的安全帽佩戴检测方法研究

在施工人员复杂姿态下,现有安全帽佩戴检测方法存在检测难度大,精度不高的问题,提出一种基于头部识别的安全帽佩戴检测方法。通过肤色特征识别和头部检测获取头部区域,并进行交叉验证确定头部区域,使用YOLOv4目标检测网络识别安全帽,通过安全帽区域与头部区域的位置关系判断安全帽佩戴情况。最后,通过实验对比分析其他安全帽佩戴检测方法的性能,对安全帽佩戴检测方法进行总结并提出展望。     

复杂背景下远距离及小尺寸行人检测改进算法

针对远距离及小尺寸行人难以检测,极易受到复杂背景的干扰,且分辨率低、有效信息少等问题,提出一种在复杂背景下结合Faster R-CNN检测远距离及小尺寸行人的改进算法.运用混合高斯模型,解决复杂背景干扰的问题,及时去除视频的背景信息,提取视频图像的前景.为进一步解决分辨率低且有效信息少的问题,采用双线性二次插值方法增强...     

一种复杂背景下多尺度多视角的人体检测方法

针对复杂背景下的人体检测技术所面临的噪声干扰、背景复杂、相互遮挡等问题,设计一种多尺度多视角人体检测算法。针对传统的梯度方向直方图目标特征提取方法特征维数大、有遮挡时检测率低等缺陷,分别使用扩展多尺度方向特征和经WTA hash编码的多尺度梯度方向直方图特征提取,并使用弱分类器和贪婪算法进行特征选择以获得图像的粗特征和精特征。然后使用线性平移合成多视角样本,使用多层级联的Adaboost算法和支持向量机作为分类器进行人体目标检测,结合复杂背景处理、特征重装等方法提高检测精度。使用INRIA公共测试集的实验结果表明,该算法可精确检测出复杂背景下相互遮挡情况下多视角、多姿态的人体目标,与传统的人体检测算法相比,具有更高的检测效率和检测精度。     

基于仿真模板和SuperGlue的舰船匹配检测

舰船检测在各个领域都有广泛的应用价值。针对经典模板匹配算法在模板与实际场景图像存在灰度偏差和角度偏差时检测准确度受限的问题,提出一种基于仿真模板特征匹配的舰船目标检测方法。基于目标的先验三维数字模型仿真生成目标模板,以适应实际场景的多角度变化;采用基于SuperGlue算法的目标匹配方法,并定义良好匹配的判别表达式;同时为提高姿态角的准确性,采用基于姿态角邻域采样的由粗粒度到细粒度的姿态角调整策略,进而确保好的匹配效果。多组不同观测角度下的匹配实验结果的mIoU达到0.76,目标整体检测准确性较好,相较采用固定正射模板匹配的方式,其准确性和稳定性更佳。     

复杂背景下的字符模板匹配改进算法研究

本文论述了针对复杂背景铸件字符图片,如何将其中的字符进行准确识别的关键算法.整个文章分为五个部分.首先,在引言部分介绍了项目背景;其次,介绍了整个项目的系统结构及各个模块的职责;再次,详细描述了图像处理及匹配的核心算法,包括字符图像网格匹配算法、图像预处理参数的自适应匹配算法;最后,概括总结.本文论述的核心内容是讲述基于图像预处理部分结合图像匹配部分的参数适应匹配算法以及网格匹配算法.     

基于多尺度模板匹配和神经网络的车牌识别

针对现有车牌字符分割算法和识别问题的分析,本文采用一种多尺度模板匹配的车牌字符分割算法;并在此分割基础上采用小波神经网络算法识别车牌字符。实验表明该分割与识别方法的结合实现了切分准确、鲁棒性强、去伪性好和快速准确识别的高效性。     

复杂场景下自适应特征融合的多尺度船舶检测

受台风、大雾、雨雪等复杂天气以及遮挡、尺度变化等影响,现有船舶检测方法存在误检和漏检问题。针对上述复杂场景问题,在YOLOX-S模型的基础上,提出一种自适应特征融合的多尺度船舶检测方法。首先,在主干特征提取网络中引入特征增强模块,抑制复杂背景噪声对船舶特征提取的干扰;其次,考虑深浅层次特征融合比例问题,设计自适应特征融合模块,充分利用深浅层次特征,提高模型的多尺度船舶检测能力;最后,在检测头网络,将检测头解耦,并引入自适应的多任务损失函数,平衡分类任务和回归任务,提高船舶检测的鲁棒性。实验结果显示,所提方法在公开船舶检测数据集SeaShips和McShips上的检测平均精度均值（mAP）分别达到了97.43%和96.10%,检测速度达到每秒189帧,满足实时检测的要求,验证了所提方法在复杂场景下仍能对多尺度船舶目标实现高精度检测。