基于嵌入式系统的手势识别

随着嵌入式技术不断普及,小型化、操作自由、交互智能成为新一代人机交互技术的发展趋势,基于嵌入式的手势识别就是其中的一项关键技术。主要是成功将OpenCV移植到嵌入式平台,通过V4L2架构实现USB摄像头的视频采集以及LCD显示,利用OpenCV丰富的视觉库实现色彩空间转换,转换到HSV空间,阈值分割得到二值化图像,最后通过滤波处理、轮廓提取、轮廓树匹配的方法实现手势识别,实践证明通过该方法实现嵌入式系统的手势识别可行。     

基于ARM920T的嵌入式图像处理平台搭建及应用

研究了在Linux OS上交叉编译OpenCV和Qt后将其移植到嵌入式Linux操作系统的方法.搭建了以ARM920T为核心的嵌入式图像处理平台,能够实现复杂图像算法的处理.在此平台上实现了基于经典算法的条形码识别功能.描述了条形码定位和识别过程及算法.实验结果验证了本文方法的有效性.     

移动平台下的身份证图像字符分割方法研究

基于移动平台的身份证识别有广阔的应用。针对智能手机拍照的二代身份证图像字符分割进行了研究,提出了基于图像对照的字符分割方法,该方法可对身份证图像在拍照过程中的旋转进行自适应校正,并能有效实现手机拍照身份证图像字符的精确分割,进而有利于身份证字符在移动平台上进行识别。     

OpenCV下嵌入式轨道检测小车图像采集处理系统研究与设计

在线路基础设施建设中,轨道安全维护是急待解决的薄弱环节,而轨道状态检测是保障列车安全运行的重要手段。应用OpenCV图像处理集,搭载嵌入式计算平台,对轨道图像采集处理,快速的分割并识别出轨道图像中的关键设备状态,是解决现有轨道检测技术成本高,效率低的一个重要研究课题。为研究该课题,设计了嵌入式轨道检测小车图像采集处理系统,包括整体系统结构设计、硬件选型与电路设计、软件运行结果测试。选用Linux平台作为处理核心,用Cadence设计STM32单片机同步采集触发电路,设计供电系统电路、优化正交编码电路与信号调理电路,在μC/OS-II系统下编写同步触发采集程序,完成小车采集系统配置安装与测试,验证了OpenCV程序在嵌入式平台上的工作稳定性以及算法的实用性。     

基于几何特征的IC芯片字符分割与识别方法

针对IC芯片字符的分割与识别问题,提出了一种基于字符几何特征的分割方法和一种基于字符最小外接圆的归一化与重定位方法,使用基于像素差分的模板匹配完成识别。首先,对芯片图像进行直方图均衡化处理,并利用辅助圆进行中线定位和图像校正,定位得到ROI区域并进行均值二值化处理。随后,对二值化ROI图像进行字符分割,以字符的几何特征作为判断条件,从而完成了对缺陷字符的正确分割。之后,对单字符图像提取最大轮廓,利用其轮廓的最小外接圆进行字符的归一化与重定位。最后,对归一化的字符进行差分识别。通过采集4种芯片样本进行实验,结果表明,该方法能够实现芯片字符的准确分割,对于缺陷字符的分割准确率达90%;能够快速精准地识别芯片字符,单字符平均识别时间为4.6 ms,识别准确率达到99.4%。     

复杂背景图像的字符识别算法研究

为了解决字符识别过程中的局部曝光、印刷字符的断裂以及变形和自然环境下的背景污染等问题, 提出了一种分块处理与卷积神经网络(CNN)相结合的字符图像识别算法. 首先利用OpenCV机器视觉库, 结合分块处理、伽马运算、参数调整等方法对产品零件表面印刷字符进行预处理, 初步解决图像局部曝光和字符断裂问题; 其次为了获得单个字符图像, 利用数学形态学算法对局部曝光处理后的二值化图像进行分步分割, 进而去掉字符间的无用信息; 最后利用Keras模块为字符识别提供的API搭建CNN模型, 经过对100多张字符的识别训练, 准确率高达96.9%, 为某汽车零部件自动化生产中的字符识别提供了可靠的依据.     

OpenCV在车牌识别中的应用

为利用智能手机进行车牌识别,研究了OpenCV在车牌识别中的应用。首先介绍了OpenCV及车牌识别的工作流程,然后论述了OpenCV在车牌定位、字符分割和字符识别中的具体应用。实验结果表明识别效果良好,为在Android等智能手机上进一步开发车辆信息管理系统奠定了基础。     

基于深度学习模型LeNet-5-L的车牌识别算法

针对车牌中汉字识别率低和识别速度慢问题,提出一种基于深度学习的车牌识别网络LeNet-5-L,该网络把车牌识别分为两个阶段,运用OpenCV库函数对车牌图像预处理,结合垂直投影分割方法将车牌分割为7个独立字符图像,降低了图像特征提取难度,从而提高车牌中各个的字符识别率和整个车牌识别速度;运用卷积神经网络解决车牌字符识别问题,基于LeNet-L设计一种车牌字符识别网络LeNet-5-L,有效提高车牌中首字符汉字识别率;实验结果表明,该网络对车牌中各个字符的识别准确率均高于99.97％,单个车牌识别时间仅需0.83 ms,该方法有效的提高车牌识别的正确率和识别速度.     

基于OMAPL138数显仪表字符识别系统的设计与实现

为了能够方便、准确地识别出数显仪表中的数据,设计了一种基于OMAPL138的嵌入式图像处理识别系统.在详细介绍系统硬件平台和各子模块的基础上,重点介绍了针对嵌入式系统所采用的图像处理算法.利用图像处理技术,对获取的原始图像进行预处理、字符定位、字符分割;采用BP神经网络等技术对字符进行识别;为提高嵌入式系统图像处理速度,针对性地优化了图像处理算法.以低温等离子体设备系统中的真空计设备作为具体应用对象进行系统测试,测试结果表明,该系统能够较为准确、快速地识别出数显仪表中的数据.     

利用计算机视觉库的Android平台系统道路识别

利用计算机视觉库OpenCV和Android NDK编译技术在Android平台上实现道路识别的处理过程。首先简要介绍了开源计算机视觉库OpenCV及其移植到Android平台上的方法,该方法使Android平台的应用更加广泛,能够更好地实现各种复杂图像的处理。图像处理部分采用OpenCV的霍夫变换算法以及对象跟踪技术,经过Android平台上的测试,取得了较好的效果。     

基于嵌入式Linux的便携式自动人脸检测与跟踪系统的应用研究

随着嵌入式微处理器、嵌入式Linux操作系统以及数字图像处理技术的深入发展,自动人脸检测和识别技术在具有嵌入式Linux操作的嵌入式开发平台中得到了发展和实现。本文在基于IntelPXA270嵌入式硬件开发平台和嵌入式Qt和开源计算机视觉库OpenCV软件开发平台基础上,对基于嵌入式Linux的便携式自动人脸检测和跟踪系统的应用进行了研究。     

基于SoPC的嵌入式文字识别系统设计

设计了一种基于SoPC的嵌入式文字识别系统。在FPGA平台下,基于SoPC框架搭建软硬件协同系统,设计硬件电路完成文字图像的采集和预处理,嵌入Linux系统,使用其下的识别引擎完成文字图像的识别。采用Altera公司的SoPC builder构建系统框架,Quartus II完成硬件电路的设计,在宿主机Linux环境下完成了软件部分的交叉编译并嵌入到FPGA平台。整体设计在DE2-70开发板上完成了系统验证。     

利用Gabor特征与SVM分类器在嵌入式系统上实现人脸识别算法

随着信息处理技术的发展,人脸识别技术在嵌入式平台上的应用越来越广泛。本文描述了如何基于OpenCV视觉库在嵌入式平台利用Gabor特征和SVM分类器实现人脸识别系统,并讨论如何在嵌入式平台上优化算法。     

家庭视觉智能防盗监控系统

基于ARM9处理器S3C2440芯片硬件平台,设计和开发了一种家庭视觉智能防盗监控系统。服务器以裁剪的Linux为软件平台,移植了多种设备驱动程序,综合利用多线程、socket等编程技术,通过调用OpenCV图像处理库、Libjpeg内存数据编解码库设计摄像头应用程序,着重分析了Linux下V4L的工作原理以及基于特征脸的人脸识别原理。该系统实现了在嵌入式Linux开发板上的人脸识别与身份验证主系统,实现在PC上Web浏览功能,提高了防盗系统的安全性。     

医学图像可视化自动编程平台的设计

为了充分利用现有的各种医学图像处理算法,避免重复开发,提高开发效率,设计并实现了一个基于OpenCV图像处理基础算法库的医学图像可视化自动编程平台。该平台在开放源代码的基础上,充分整合了OpenCV算法库,避免了算法的重复开发。通过对可视化编程技术的研究,实现了该平台中编程过程的可视化与自动化。同时利用OpenCV平台无关的特性,使用makefile文件来控制生成程序代码的编译,实现了生成的程序代码的可移植性。并讨论了平台的整体结构设计与各个模块具体实现。最后给出一个开发实例,证明了该平台在算法测试和开发方面的高效性与简洁性。     

基于嵌入式的人脸图像采集显示系统的制作

针对目前嵌入式开发平台上视频显示不流畅的现象,文中提出通过USB 摄像头采集人脸图像的方案。该方 案是基于三星S5PV210 处理器和嵌入式Linux 操作系统,并在其移植了Qt 和OpenCv。文章介绍了以USB 摄像头为视频图像 采集设备,通过OpenCv 进行视频图像采集的过程,以及通过Qt 实现人脸图像实时显示在LCD 屏上的过程,经测试图像能够 在LCD 屏上流畅显示,为实时在嵌入式平台上流畅显示视频图像提供了方案。     

Highly optimized implementation of OpenCV for the Cell Broadband Engine

Recently, real-time processing of image recognition is required for embedded applications such as automotive applications, robotics, entertainment, and so on. To realize real-time processing of image recognition on such systems we need optimized libraries for embedded processors. OpenCV is one of the most widely used libraries for computer vision applications and has many functions optimized for Intel processors, but no function is optimized for embedded processors. We present a parallel implementation of OpenCV library on the Cell Broadband Engine (Cell), which is one of the most widely used high performance embedded processors. Experimental result shows that most of the functions optimized for the Cell processor are faster than functions optimized for Intel Core 2 Duo E6850 3.00 GHz.