基于Kinect深度信息的手势识别

设计了一种基于Kinect深度信息和双阈值分割的运动手势识别算法。结合OpenCV和OpenNI,在vs2010环境下实现了该算法。利用Kinect的深度摄像头获取深度图像;对该图像进行双阈值分割,获取手部图像;再对手部图像进行形态学处理,获取完整的手形;最后,利用OpenNI的手势生成器GestureGenerator对手势进行跟踪识别。利用深度图像进行手势识别,通过双阈值分割,不仅去除了背景干扰,也能去除一部分前景干扰。用不同颜色点、圆和线的形式表示各种手势,可以清晰地实时显示识别效果。     

基于OpenCV和Haar特征分类器的图像人数检测

研究一种基于OpenCV和Haar特征检测固定区域图像中人数的方法。通过选取大量含有人的Haar特征的样本图片,利用OpenCV训练出分类器,并通过实验深入分析选取的样本对分类器识别性能（即检测效果）的影响,最终选取人的头肩部上半身样本训练分类器,并在1 500张640pix×480pix待检图像（共计人数17 294人）的检测实验中达到93.9%的识别准确率,平均检测时间小于323ms。     

基于Tesseract-OCR的复杂发票自适应识别

针对复杂发票任意区域下的特定表格内容提取与实时识别问题,提出了一种基于Tesseract-OCR引擎的自适应识别方法.首先利用OpenCV对发票图像进行预处理滤波、自适应阈值等一系列预处理得到二值图像;然后利用形态学中的开运算提取表格全域线段,进行表格位置提取,并结合表格交点坐标与自定义模板,实现表头与内容自适应适配;最后利用jTessBoxEditor对表格区域内容进行字库训练优化,最终实现基于Tesseract-OCR的字符识别.实验结果表明该方法具有高准确识别率,支持感兴趣区域自适应识别,具备高可用性.     

基于深度信息的动态手势识别算法

针对目前手势识别方法计算复杂、特征量提取不可靠等问题,提出基于Kinect传感器深度信息快速动态手势识别算法。通过Kinect的深度摄像头获取深度图像,利用阈值分割法对深度图像进行预处理;结合深度信息,利用OpenCV函数库来提取前景;选用动态时间规整(dynamic time warping)算法计算测试行为模板与参考行为模板之间的相似度以实现样本的分类;最终结合OpenNI和OpenCV,在VS2010环境下实现了该算法。与其他算法相比,该算法改进动态手势特征的提取方法和分类过程,能够快速跟踪手部,有效分割手势。实验结果表明,本方法对具有时空特性的动态手势有很高的识别率,在不同光照和复杂背景下具有较好的鲁棒性。     

OpenCV在体感遥控中的应用

利用Intelnet跨平台计算机视觉库OpenCV和微软VisualStudio 2010构建体感遥控器的软件开发平台。以OpenCV为基础,结合自定义算法和函数,开发利用人体手势识别来控制不同设备的体感遥控器。该设计采用基于codebook背景模型的运动检测方法对手势定位,以改进的CamShift算法和Kalman滤波器进行手势跟踪,进而对手势分割和识别。研究利用单目摄像头下对单手手势识别,以红外线和无线通信方式对目标区域和设备进行非接触控制。给出软件设计的基本思想,用OpenCV实现算法的具体过程和关键代码。该方案目标跟踪快、检测效率高、实时性好,为下一步在嵌入式系统中实施此方案打下一定基础。     

交警手势的图像处理与识别

提出了一种基于交警手势识别的交通灯控制方法．该方法首先对彩色摄影机采集的交警手势图像进行预处理。包括彩色图像平滑、彩色图像增强;其次利用边缘检测和图像分割方法对目标图像进行分割,由于图像受噪声干扰严重,采用Sobel算子消除噪声;再次将分割得到的目标轮廓进行表示与描述,为图像的识别作好准备;最后结合图像的轮廓特征对图像进行识别,采用了模糊模式识别方法．试验结果表明。该方法能够实现对交警手势准确的识别．     

基于OpenCV的运动目标检测与跟踪

提出了一种基于OpenCV的视频应用程序的开发方法。将Intel公司开放的OpenCV源代码作为开发的视频应用程序的基础函数库,改写或调用其中的函数,可根据需要用C＋＋语言开发视频应用程序,从而克服了视频应用程序开发周期长、效率低的缺点。给出了部分OpenCV具体的设置方法和过程,并通过利用OpenCV编写的运动目标检测与跟踪的应用程序验证了该方法的有效性和可行性。对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等图像预处理,获得二值化黑白图像。通过轮廓提取和跟踪检测得到车辆和人的外轮廓,进而实现运动目标的跟踪。在VC＋＋6.0环境下,利用OpenCV编程实现了此方法。实验结果表明,该方法可行。     

基于机器视觉的零件颜色识别系统

以Visual C＋＋6.0作为软件开发平台,以开源的OpenCV作为辅助的图像处理库,组建系统的硬件系统,实现了对工业自动生产线上的零件图像的采集和处理.该系统能对不同颜色的零件进行识别,为后续零件的筛选和分类奠定了基础.实验证明,采用机器视觉对零件颜色进行在线识别,不但检测精度高,而且能够满足生产线上实时性的要求.     

基于TMS320DM642的交通图像处理

设计了一种基于DSP的嵌入式图像检测系统.采用模块化设计方案,以TI公司的TMS320DM642作为核心芯片,通过视频通道,对CCD摄像机采集到的交通图像信息在前端实时处理.处理程序主要通过移植基于OpenCV的EMCV开源计算机视觉库实现,可以实现目标识别和跟踪的功能.实验表明该系统可以快速、准确的检测车辆,满足交通图像处理的实时性要求.     

基于OpenCV的火车票识别算法

针对火车站的机器验票不能验证持票人与证、票相一致的不足,设计了一种利用摄像头拍摄车票图像、基于OpenCV视觉库的火车票身份证号码和乘车日期识别算法.算法利用车票上的二维码角点位置定位相关字符区域,采用适用于不同亮度情况下的自适应阈值分割算法实现字符分割;身份证号码识别算法利用目标外轮廓特征提取字符目标,使用模板匹配法识别目标;日期识别算法采用漫水填充法提取字符目标,根据日期字符按模块排列的特征识别目标.试验结果证实该算法在保证字符识别正确率的同时可以满足系统实时性的要求,解决了人工验证旅客身份效率低的问题.     

基于图像质量分析与多角点融合的车道线识别算法

为了解决车道线识别中环境因素影响图像质量的问题,提出了一种基于图像质量分析与多角点检测融合的车道线识别算法。通过设计基于灰度与频域的图像质量分析函数,建立多阈值判断机制,确保图像中包含所有的车道线且清晰度达标。在此基础上融合多角点特征,对车道线特征点进行定位。基于OpenCV开源函数,实现车道检测算法,采用C#语言完成系统界面开发,并安装于实验平台进行测试。测试结果显示,在实际场景中,此车道识别系统具有较高的识别准确度。     

基于OpenCV人眼定位的人脸检测方法

如何准确地定位人脸是人脸识别中非常关键而且重要的一步。笔者提出一种基于OpenCV人眼定位的人脸检测方法。利用从摄像头得到的视频图像中随机获取的单帧图像作为待处理人脸图像,通过人眼定位、图像旋转、分割以及缩放得到标准化后的人脸图像,再经过ART2神经网络的学习认知,计算其识别率。对比实验说明此方法能够应用于人脸识别,并具有较快的识别速度和良好的识别率,特别方便于实际应用。     

基于胸卡识别的网络考勤系统

分析了现有考勤方式的不足,提出基于图像的非接触性考勤方法.文中给出基于胸卡识别的考勤系统的体系结构和功能,并详细论述了图像捕捉、胸卡和编号的分割、以及采用多特征抽取和编码器结合对编号进行识别的方法,进行职工身份识别,达到考勤的目的.     

基于ARM的小区安防人脸识别系统

针对小区安防,利用嵌入式技术进行了基于ARM的人脸识别系统的设计。系统使用三星S3C2440开发板,在OpenCV库的基础上,使用Bandelet变换对人脸图像进行预处理,使用2DPCA算法对变换图像进行主成分分析,并把人脸信息保存至数据库,通过Euclidean算法确认人脸是否可识别。嵌入式系统相比较于未经过Bandelet变换处理的人脸识别系统在识别率上有了进一步提升,可有效地应用在小区安防。     

基于OpenCV的匀速模糊图像复原与算法分析

对水平匀速直线运动造成的模糊图像进行频谱分析,估计出模糊距离,进而求得图像的点扩散函数。采用维纳滤波法和投影复原法复原图像,分析这2种算法对模糊距离的鲁棒性。采用OpenCV与MFC函数库作为软件设计基础,实现的软件系统对匀速模糊图像的复原效果比较理想。     

基于CNN的二维码识别算法研究

针对生活中大量二维码需要准确识别的需要,提出了一种利用深度学习算法实现二维码识别的方案。该方案利用ROI与鼠标监听技术聚焦待识别区域,线性变换优化图片细节信息;采用CNN网络框架对模型进行训练,提取图片特征;基于OpenCV库设计二维码识别算法。结果表明,该算法对二维码识别率高达98.0%,具有一定的抗干扰能力。     

基于Arduino的目标跟踪系统设计

利用Arduino设计并实现了一种目标跟踪系统。该系统包括图像采集处理、基于Arduino开发的下位机软件和舵机云台3个模块。相机实时接收图像,对捕获到的图像进行预处理,调用OpenCV中的函数对图像进行霍夫圆检测。计算机通过串口与Arduino开发板连接,将图形位置信息数据实时发送。通过Arduino控制舵机的转动角度,精确调整相机的方位、俯仰姿态,完成实时的目标追踪。实验结果表明,在使用Python开发的计算机软件中,通过动态目标视觉检测以及PID控制的角度输出,舵机云台实现了很好的控制效果,使二维转台实现圆形识别跟踪。     

基于机器视觉的微小零件形貌检测方法

针对当前工业生产中人工对微小异形零件形貌参数测量精度低、速度慢的问题,提出了一种基于机器视觉的检测方法,并开发了一款基于开源计算机视觉库OpenCV的检测软件。该检测方法首先使用CMOS相机采集被测零件的图像,并结合频谱特征对其进行滤波、阈值分割等预处理;然后选取效率高、边缘跨度为单像素的Canny边缘检测算法对预处理之后的图像进行边缘检测;最后采用Ramer算法对零件轮廓进行递归细分,拟合出几何基元,并结合测量焦距下的系统标定系数计算出零件实际的形貌参数。实验结果表明:通过该检测方法对长、宽均为毫米量级的Ω型微小零件进行形貌检测,检测精度达到10μm以下,具有精度高、速度快的优点,可为工业化生产提供可靠依据。     

多重图像轮廓特征结合的步态识别算法

为提高图像步态识别率,研究了一种基于图像轮廓多特征的步态识别算法.该算法首先从图像轮廓的基础上选取了图像步态的3个特征;然后,通过建立不变矩、帧差百分比的动态特征,并结合改进的角度距离的静态特征,实现了图像轮廓特征的提取;最后,通过对传统的K近邻法改进,完成了图像步态识别.实验结果表明:单用静态特征的步态识别率最高为91.94%;结合动态特征,并在改进分类器下获得最高为99.19%的识别率.     

基于OpenCV的图像处理程序开发方法的研究

OpenCV是一个开源的计算机视觉库的代码,在应用VC++中的具体功能,直接调用OpenCV程序开发过程中,开发自己的图像处理程序.通过示例程序"Canny边缘检测,VC结合具体图像处理opencv开发方法.