基于CamShift算法的目标跟踪研究

针对传统的跟踪算法无法获取跟踪目标世界坐标值的问题,提出融合SIFT特征点匹配的CamShift目标跟踪算法。运用基于色彩的CamShift算法对目标进行跟踪的同时对跟踪搜索窗口进行SIFT特征点提取和匹配,以获取目标的部分特征点在左右成像平面上的二维坐标值,根据这些坐标值通过视差原理确定目标的空间位置。实验结果显示,该算法在室内简单的背景条件下,能很好地跟踪运动目标且跟踪误差在可接受的范围内。     

基于改进SIFT算法的苗木图像特征点提取

根据自然环境下苗木图像的特点,通过改变尺度空间的金字塔结构对SIFF算法进行改进。采用改进后的算法对不同的焦距、光照条件、遮挡程度下拍摄的70组苗木图像进行特征点提取和匹配实验。结果表明提出的改进算法显著提高了程序的运行速度,验证了改进算法的有效性。     

基于思维进化算法的人工神经网络结构优化

针对神经网络结构难以优化的问题，本采用思维进化计算(MEC)算法和BP算法相结合的方法来动态优化神经网络结构。随机产生网络结构，对每一结构，利用BP算法评价神经网络结构优劣，找到局部最优结构，再通过MEC算法中的趋同、异化操作，找出全局最优结构。仿真结果说明了算法的有效性。     

基于局部特征图像匹配算法改进

本文针对SIFT算法存在着特征提取及匹配速度慢,在灰度变化相似的区域产生误匹配的缺陷,讨论了SIFT 的改进算法-SURF算法的原理及应用方法,对算法进行检验,指出SURF算法在提取特征点时更偏重于提取鲁棒性较强的点,同时,摒弃一些鲁棒性较弱的点,对鲁棒性强的特征进行匹配以减少计算时间,使SURF在实时性处理和大量图片...     

基于思维进化的机器学习的遮挡人脸识别

针对遮挡人脸的识别问题,提出了基于思维进化的机器学习(MEBML)与局部特征结合的方法。首先提出了LBP偏移特征组的提取方法,定义一种新的特征对比规则,根据遮挡人脸图像与无遮挡人脸图像的局部特征进行对比,记录对比相似度作为局部区域的得分。然后对所有局部区域进行趋同过程和异化过程的演化,得到无遮挡区域及遮挡物体区域。当无遮挡区域满足一定比例且分布集中时,应用该区域特征完成遮挡人脸条件下的人脸识别。实验结果表明:新方法的遮挡人脸识别准确率在92%以上,并具有较低的误识率。     

基于尺度不变特征变换的平面旋转人脸检测

针对平面旋转人脸检测的问题,改进了传统的尺度不变特征变换(SIFT)算法,利用其旋转、缩放、平移及部分仿射不变性完成平面旋转人脸的检测。首先通过模板与对比度加权的方法对SIFT关键点进行裁减,以提高计算效率并过滤无效关键点,然后提出一种更精确的主方向计算方法确定关键点主方向,通过Adaboost算法训练人脸公共特征分类器并计算关键点的匹配率作为置信权值,完成平面旋转人脸的检测,并根据关键点主方向进行扶正。最后通过实验与传统方法进行了对比,结果表明:本文方法在保证检测率的同时,在扶正精确度、检测速度方面均有较大提高。     

基于特征组合的多人脸跟踪算法

提出了一种融合肤色特征、ORB特征和运动状态估计的多人脸跟踪算法.该算法以多线程跟踪为基础,根据不同跟踪算法的适用特点,在未受肤色干扰时依靠基于分块加权的改进Camshift算法跟踪,在受干扰时则结合包含尺度变化的ORB特征匹配算法进行跟踪.算法同时利用Kalman滤波器修正跟踪误差,以提高跟踪效果.实验表明,基于特征组合的多人脸跟踪算法具有较好的跟踪准确性和实时性.     

基于SURF目标跟踪算法研究

SIFT算法是特征图像特征提取中一种最具鲁棒性的算法,但是其在特征提取匹配上速度较慢,很难满足实时目标跟踪的要求。使用SURF特征提取方法既保持了SIFT算法的高精度的优点,又克服了速度慢的缺陷。提出使用SURF提取并且匹配目标的特征点,用重心算法计算目标的脱靶量,通过小区域跟踪方法和高速硬件平台实现目标的实时跟踪。实验证明,算法对目标的轻微旋转、部分遮挡、亮度变化具有很强的鲁棒性,跟踪速度比SIFT算法也极大提高。     

一种基于多重单应引导的特征点匹配算法研究

针对复杂地形低空遥感影像特征匹配难的问题,提出了一种多重单应引导的特征点匹配算法.算法首先提取影像中的SIFT特征点并进行NN粗匹配,再经ransac算法鲁棒估计单应矩阵,并给定视差阈值,由单应矩阵进行引导匹配,直到数目稳定为止,对剩余特征点重复以上匹配过程,直到ransac估计超限为止,最后对单应估计的匹配对进一步由ransac算法鲁棒估计基础矩阵对应的内点,利用LM算法对内点求解最优基础矩阵获得更精确的匹配点.实验证明,采用文章算法进行特征点匹配,可以有效提高匹配点数量和可靠性,为快速生成高分辨率数字地面模型提供一种新的技术途径.     

基于思维进化算法的工业过程粗糙建模及应用

在工业过程建模中,传统的建模方法依赖数学模型.当实际系统模型难于用解析式精确表达时,智能建模成为研究热点之一.对具有非线性、时变性、不精确性等复杂系统,智能建模弥补了机理建模、辨识建模等方法的不足,能够避开数学表达式模型.模糊建模的隶属函数不容易得到,而粗糙集能直接从数据库中提取规则,不需要任何先验知识.但粗糙集不能处理连续属性,需要将属性离散化.对水泥回转窑控制系统进行建模,首先应用思维进化算法对决策表中的连续属性进行离散化,然后利用粗糙集理论化简决策表,提取最优的决策规则,最后分析决策规则,得出结论,说明该建模方法的可行性,且由此建模方法得到的决策规则覆盖度较高.     

改进思维进化算法在过热汽温系统中的应用

应用改进的思维进化算法优化PID参数。思维进化算法的子群体间彼此独立操作,因此会有重复操作,重叠的区域,因而造成资源浪费。将小生境技术引入到思维进化算法。它对群体进行划分,减少重复搜索,保持群体的多样性,提高搜索效率。通过对具有严重参数不确定性、多扰动以及大迟延的电厂主汽温被控对象的仿真研究,结果表明:改进的思维进化算法寻优速度快,计算量小,对PID参数优化是非常有效的,使得主汽温控制系统取得了较好的控制品质,系统的鲁棒性比较强。     

基于颜色纹理特征的均值漂移目标跟踪算法

针对经典均值漂移跟踪算法采用单一的颜色特征对目标进行跟踪检测存在的不足,提出一种将纹理特征与颜色特征相结合的改进均值漂移目标跟踪算法.该算法首次提出特征联合相似度的概念,通过均值漂移算法联合相似度的最大化计算,正确快速地获取新一帧图像跟踪目标的位置.实验结果表明,该算法具有更高的可靠性,同时满足一般目标跟踪任务的实时性要求.     

一种基于量子进化算法的快速水印算法

针对传统基于人类视觉系统特性的空间域与变换域相结合的水印算法中嵌入信息量小、嵌入位置定位及检测准确率低和算法运行速度慢等缺陷,提出并实现一种基于量子进化算法(QEA)的快速水印新算法。仿真实验结果表明,新算法不仅生成水印图像的速度快,而且对各种攻击具有良好的敏感性和鲁棒性。新算法在应用中有较大的灵活性,并且具有可嵌入信息容量大、运算速度快和可操作性强等特点。     

基于均值偏移粒子滤波的自适应跟踪

针对视频中运动人体的跟踪,提出了一种基于均值偏移粒子滤波的自适应跟踪算法。该算法首先对所要跟踪的人体目标进行分块,并选择与周围环境颜色相似度最小的块模板作为跟踪区域;然后使用基于均值偏移的粒子滤波方法进行跟踪,并设计了自适应更新块模板尺度的方法;最后在粒子滤波的状态估计阶段后,加入自适应观测模型,根据块模板尺度的变化情况,自适应地选择高斯噪声方差和粒子数目。实验证明,在出现遮挡或人体运动方向改变的情况下,本文算法的跟踪效果比传统均值偏移粒子滤波更好。     

基于三维模型与Gabor小波的人脸特征点跟踪方法

为了实现人脸特征点跟踪系统的鲁棒性和精确性,使用光束平差法模型将基于三维人脸几何模型的跟踪方法与基于Gabor小波的特征点跟踪方法结合起来,提出基于三维模型与Gabor小波的人脸特征点跟踪方法.该方法使用基于Gabor小波的特征跟踪方法来得到每帧的初始特征点,使用基于三维人脸几何模型的整合优化跟踪方法来得到每帧的最终特征点.与3类典型人脸特征点跟踪方法的对比实验结果表明,该方法克服了以往方法基于二维图像信息来寻找特征点的局限性,可以实现鲁棒的、实时的、大角度的人脸特征点跟踪.     

基于边缘跟踪的直线特征检测算法

针对现有直线检测算法的缺陷,提出一种新的基于边缘跟踪的直线特征检测算法.算法对图像边缘进行提取,并在此基础上对边缘进行跟踪,从图像边缘直接提取出局部直线.设计了一种鲁棒直线拟合策略,并对拟合后的直线以一定的准则进行合并,准确获取图像中直线特征及端点参数,最终实现完整直线检测.典型图像直线检测结果表明,所提出的算法能准确检测出图像中的全局直线,并具有较快的运算速度,性能优于现有基于Hough变换和相位编组的直线检测算法.     

基于图像特征分析的人体正面运动跟踪研究

针对由于人体模型自由度（DOF）大，标准粒子滤波中采样粒子数较大的问题，提出了一种单目图像序列下基于图像特征分析的粒子滤波运动跟踪方法.该方法检测了人脸区域，从人脸区域构建皮肤模型，用皮肤模型来检测人的手掌部位，细化人体分割区域获得人体初始骨架，利用反向传播神经网络来获得关键部位关节点的位置.采用获得的关节点位置信息，更新表征人体位置的部分状态参数来减少在粒子滤波中不确定的状态参数的数目.实验结果显示，与标准粒子滤波相比，该方法可以减少计算量和增强跟踪鲁棒性.     

基于特征优化与深层次融合的目标检测算法

针对单阶段多边框检测算法(SSD)存在对小目标检测误差较大的问题,提出基于特征优化与深层次融合的目标检测算法,通过空间通道特征增强(SCFE)模块和深层次特征金字塔网络(DFPN)改进SSD. SCFE模块基于局部空间特征增强和全局通道特征增强机制优化特征层,注重特征层的细节信息;DFPN基于残差空间通道增强模块改进特征金字塔网络,使不同尺度特征层进行深层次特征融合,提升目标检测精度.在训练阶段添加样本加权训练策略,使网络注重训练定位良好的样本和置信度高的样本.实验结果表明,在PASCAL VOC数据集上,所提算法在保证速度的同时检测精度由SSD的77.2%提升至79.7%;在COCO数据集上,所提算法的检测精度由SSD的25.6%提升至30.1%,对小目标的检测精度由SSD的6.8%提升至13.3%.