多特征级联式检测变轮廓运动目标

总结了变轮廓运动目标的特点,并将其应用到方向盘上操作手数的检测中;提出了先进行方向盘自动定位,再快速检测其上操作手数目的技术路线;预定位中运用Haar特征的AdaBoost分类器进行初检,得到包含目标轮廓的图像;利用HOG特征的Real-AdaBoost分类器进行精确检测,并确定操作手位置点集;对取得的操作手质心点坐标集进行奇异值分解并拟合椭圆,获取图像中方向盘位置,最终实现操作手的快速准确检测;算法在保证了原算法的实时性和准确性外,提高了检测系统应用的灵活性。     

基于改进空间正则化相关滤波器的运动目标跟踪研究

为降低光照、遮挡、尺寸变化等因素对目标跟踪过程的影响,提出在经典空间正则化核相关滤波基础上,增加遮挡检测及处理机制,并分别采用相似度计算与空间距离计算作为遮挡评判标准。在模型更新之前先判断遮挡是否存在,如有遮挡,则不更新模型;否则更新模型。提出搜索半径择优处理,分别以6种搜索半径进行目标跟踪,寻找最优搜索半径;进而提出特征择优处理,分别提取HOG特征、PHOG特征、Haar-like特征、LBP特征以及FHOG特征与改进算法结合,选取最佳特征。采用两组实验进行验证:分别采用经典KCF算法、Mean Shift算法、Fragment算法、DSST算法、经典SRDCF算法和改进SRDCF算法对Bolt2和Basketball两个视频中运动目标进行跟踪对比。实验结果表明:FHOG特征与改进空间正则化核相关滤波相结合,且在搜索半径为8个像素点时的跟踪性能最佳,优于其他经典跟踪算法,处理速度可达3. 7 fps。     

一种计算驾驶人面部朝向角度算法

利用机器视觉对驾驶人疲劳状态及注意力状态进行监测和分析是安全辅助驾驶领域内的研究热点之一,而对驾驶人面部朝向角度进行计算则是注意力状态分析的前提条件。首先介绍了驾驶人面部及面部器官定位的思路,然后重点讨论了驾驶人面部朝向的技术环节,在对人体头部旋转运动的分析基础上,提出了计算驾驶人面部旋转角度的计算方法。实践证明,采用的处理算法实时性好,准确率较高,效果非常理想,为下一步的驾驶人注意力状态分析及相关信息提取打下了良好的基础。     

基于关节轨迹规划对行人步态的仿真

为提高智能车辆的行人检测成功率,同时保证人身安全,提出一套完整的仿行人步态装置研发流程,通过建模仿真的方法促进该装置的研发并降低成本。仿真模型按照人体真实数据进行设计,步态的变化主要体现在四肢上;利用D-H参数法和正逆运动学知识,结合MATLAB建模和关节轨迹规划的方法,实现运动仿真;成功模拟出行人步态,得出仿真模型的末端轨迹、关节转角等步态指标在一个周期内的变化。将仿真结果与标准人类行走周期图谱进行了对比验证,保证了仿真模型的结构设计以及运动学模型的合理性,为后续的实际开发提供一定理论依据。     

特征级联在车辆检测中的应用与研究

对现有的采用机器学习算法检测车辆进行研究,分析其存在的不足;表现在特征或者算法单一,对光照等条件变化鲁棒性不够;针对这些问题,提出一种融合LBP特征与HOG特征,并结合Adaboost与SVM的车辆检测算法;借鉴级联的思想,首先采用AdaBoost对训练样本提取LBP特征进行训练,得到的分类器用于初步筛选并将其分类结果作为下一层分类器的输入;然后采用SVM算法对训练样本提取HOG特征进行训练,得到的分类器用于二次筛选上一层分类器的分类结果;实验结果证明Adaboost-SVM相结合的办法检测结果精度高,准确率和召回率均达到95%以上,FPPW与FPPI的值均在5%左右;同时由于算法采用的特征对光照条件具有较强的鲁棒性,因此光照条件的变化对算法的识别结果影响较低;实时性方面,每帧图像的处理时间为75 ms,满足实时性要求。     

SVM参数优化方法分析与决策

针对支持向量机应用过程中的参数选择问题,从UCI数据库选择样本集,分别采用传统的网格法、智能优化算法中的粒子群法及遗传算法实现核函数参数寻优过程,将所得最佳参数应用到样本测试中;在深入分析优化过程中各参数关系、参数对支持向量机性能的影响以及传统与智能优化算法的优劣后,得出了核函数优化策略;即先使用智能优化算法初步确定最优解范围,再结合网格法进行高精度寻优;实验数据验证了参数优化策略的有效性,为扩大支持向量机泛化率、提高应用性做了铺垫。     

基于机器视觉引导的两轮差速转向AGV控制问题的研究

简要地介绍了基于机器视觉引导的两轮差速转向AGV的引导原理和组成,并对计算机控制系统设计,图像信息识别以及最优控制器设计等AGV控制问题进行了全面阐述。     

恶劣光照下驾驶人疲劳及注意力视觉监测算法

驾驶人驾驶行为监测及预警系统对于提高行车安全性及降低交通事故等问题具有重要作用,而利用机器视觉对驾驶人疲劳状态及注意力状态进行监测和分析是安全辅助驾驶领域内的研究热点之一。机器视觉受光照条件影响非常严重,甚至直接影响到图像处理算法的可靠性。在弱光和强光两种特殊照明条件下,介绍了驾驶人疲劳状态的检测思路,提出利用普尔钦斑点及投影曲线极点位置分割面部器官独立区域,最终获得眼睛的轮廓状态,利用PERCLOS判断驾驶人的疲劳状态。在驾驶人面部及面部器官定位的基础上,对驾驶人的头部旋转运动进行分析,提出了计算驾驶人头部旋转角度的计算方法,以驾驶人头部旋转角度为依据判断驾驶人的注意力是否分散。实践证明,在弱光和强光两种特殊照明条件之下,算法实时性好,准确率较高,效果非常理想,能够为驾驶人疲劳状态及注意力状态分析提供较为准确的依据。     

驾驶人面部器官位置快速定位算法

利用机器视觉对驾驶人疲劳状态及注意力状态进行监测和分析是安全辅助驾驶领域内的研究热点之一,而对驾驶人面部器官进行准确定位则是状态分析的前提条件。首先介绍了驾驶人面部定位的思路,然后重点讨论了驾驶人面部器官检测的技术环节。通过对驾驶人实际驾驶情况的分析,提出基于灰度方差定位驾驶人面部位置,利用投影曲线极点位置分割面部器官独立区域,对每一个独立区域进行OSTU计算和轮廓提取,最终获得面部器官的位置,对算法的关键技术环节进行了详细介绍。实践证明,采用的处理算法实时性好,准确率高,效果非常理想,为下一步的驾驶人眼睛状态分析及相关信息提取打下了良好的基础。