基于主动式全景视觉的管道内部缺陷检测方法

针对管道内表面检测空间受限的约束以及同时需要检测管道内壁功能性缺陷和结构性缺陷等需求,基于主动式全景视觉检测原理提出了一种既能视觉检测管道横截面几何尺寸又能获取和分析管道内壁表面缺陷的管道内部全方位视觉检测方法。利用携带有主动式全景视觉传感器的爬行机器人进入管道内部,分别实时获取内壁全景图像及激光横断面扫描全景图像。本文重点介绍基于管道内壁全景图像的缺陷检测方法,对管道内壁全景图像进行展开、预处理并提取管道病害区域的几何特征,最后判定缺陷类别及危害程度。经本文方法获取的缺陷几何特征实验数据验证,管道内表面存在的较为普遍的裂缝、腐蚀缺陷几何特征差异明显：腐蚀缺陷的圆形度较大,而裂缝缺陷的圆形度趋于0;腐蚀缺陷的凸度普遍大于裂缝缺陷;裂缝缺陷由于弯曲程度不同其边界离心率变化率大,而腐蚀缺陷的边界离心率趋于1。实验结果表明：该系统能够有效提取疑似缺陷区域并计算各几何特征,可通过合适的阈值判定其所属类别,为管道内表面缺陷检测提供了一种新的手段。     

红外热成像技术在建筑物检测中的应用研究

红外成像技术采用非接触式检测方法,对建筑物进行实时、快速大面积扫描检测,在建筑工程中得到越来越广泛的应用。基于红外热成像法的建筑物检测技术正处在定性化分析转向定量化分析、智能化处理和多信息融合检测的过渡期,在此从检测方法组合化、检测技术定量化和检测过程智能化等三个方面探讨红外成像技术在建筑物检测中新的技术特征和实现方法。     

非约束环境下人脸识别技术的研究

设计了一种基于全方位视觉传感器(ODVS)和多个高速快球摄像机(PTZ)相融合的装置.利用ODVS在动态图像序列中进行大范围多人体对象目标的检测跟踪,得到大范围内各跟踪人体对象目标的位置、大小等信息;然后根据检测到的这些信息来控制不同方位上的多个高速快球摄像机对人体对象目标的头部进行抓拍;最后根据人脸和人眼检测算法检测出来的人体对象目标的脸部特征对所拍摄到的图像进行筛选,淘汰一些不能用于识别的图像,并统计可以用于人脸识别的图像数量,如果没有达到一定的数量,则控制高速快球继续对该人体对象目标的头部进行抓拍,直至抓拍到足够的可用于人脸识别的图像为止.实验结果表明,通过ODVS和多个高速快球摄像机的视频图像信息融合,即使在人体非约束的情况下也能很好的获取到可用于人脸识别的图像,同时能满足多目标实时跟踪与识别的要求.该装置在安全监控、门禁检查、身份认证等领域都具有很好的实际应用价值.     

基于活动量分析的独居老人远程监护系统的研究

提出了一种针对独居老人的远程监护系统,通过无线传感器获取老人的日常活动信息。通过对一段时间内采集到的活动信息进行活动量的分析,建立老人的活动预测模型,在模型的基础上进行老人活动量异常的检测,实现对独居老人的远程监护。     

基于动态图像理解的空调节能研究

探讨了全方位计算机视觉、图像识别理解、计算机控制技术在中央空调节能上的应用,使中央空调根据实际需要来调节气源的流量,将中央空调的节能和响应控制达到最优.通过对室内空间全方位图像动态地识别与理解,获得室内人数以及人员所在方位的信息,实现"按需供气",以达到节约能源的目的.     

红外图像处理在墙体空鼓检测上的应用研究

提出了一种基于红外图像的建筑物墙体空鼓检测方法,不但可以远距离、无损地对建筑物空鼓等缺陷进行定性检测,还能对建筑物热工缺陷进行定量分析;采用一种红外图像处理方法来消除墙体温度分布中梯度干扰的影响;通过自适应地调整参数对红外图像进行图像增强处理,有效地排除了环境干扰;通过基于空鼓缺陷边缘轮廓的连通域计算,可直接得到空鼓面积的大小数据;建筑物缺陷现场检测实验结果表明,提出的检测方法既能快速定位出建筑物空鼓等缺陷位置又能以78.3%的精度检测出空鼓面积大小,具有较高的工程应用性。     

基于全方位视觉的独居老人监护系统

现有的独居老人监护系统存在算法复杂度高、监护效率低、不能保护老人日常隐私等问题。为此,提出一种基于全方位视觉的独居老人监护系统。利用全方位视觉传感器(ODVS)获取老人的全景视频图像,设计运动历史/能量图像算法用于目标跟踪,根据ODVS的成像特点,采用与ODVS距离位置不同的人体模型实现姿态识别,建立家庭空间与环境要素之间的映射关联,以提高行为检测的鲁棒性和可靠性,并通过ODVS标定和人体对象跟踪获得老人的活动量信息。实验结果表明,该系统的鲁棒性和实时性较强,检测准确率较高,能满足独居老人监护的需要。     

多层次特征融合的人群密度估计

目的 人群数量和密度估计在视频监控、智能交通和公共安全等领域有着极其重要的应用价值。现有技术对人群数量大,复杂环境下人群密度的估计仍存在较大的改进空间。因此,针对密度大、分布不均匀、遮挡严重的人群密度视觉检测,提出一种基于多层次特征融合网络的人群密度估计方法,用来解决人群密度估计难的问题。方法 首先,利用多层次特征融合网络进行人群特征的提取、融合、生成人群密度图;然后,对人群密度图进行积分计算求出对应人群的数量;最后,通过还原密度图上人群空间位置信息并结合估算出的人群数量,对人群拥挤程度做出量化判断。结果 在Mall数据集上本文方法平均绝对误差（MAE）降至2.35,在ShanghaiTech数据集上MAE分别降至20.73和104.86,与现有的方法进行对比估计精度得到较大提升,尤其是在环境复杂、人数较多的场景下提升效果明显。结论 本文提出的多层次特征融合的人群密度估计方法能有效地对不同尺度的特征进行提取,具有受场景约束小,人群数量估计精度高,人群拥挤程度评估简单可靠等优点,实验的对比结果验证了本文方法的有效性。     

基于级联多任务深度学习的卡口识别引擎研究

针对在将卡口非结构化视频图像数据转化为智能结构化信息的过程中存在环境的复杂性、需求的多样性、任务的关联性和识别的实时性等问题,提出了一种级联多任务深度学习网络的卡口识别引擎方法,其通过充分利用分割、检测、识别等任务之间的相互联系实现了高精度的、高效的、同步实时的卡口车辆多种基本信息的识别(车型、品牌、车系、车身颜色以及车牌等识别任务)。首先,利用深度卷积神经网络自动完成车型的深度特征学习,在特征图上进行逻辑回归,从卡口道路复杂背景中提取出感兴趣区域(包括多车辆对象);然后,利用多任务深度学习网络对提取出来的车辆对象实现多层次的多任务识别。实验结果表明,提出的方法在识别精度和效率上都明显优于传统计算机视觉方法和现有的基于深度学习的识别引擎技术,该方法对车型、品牌、车系及车牌的识别与检测精度均达到98%以上,检测效率提升了1.6倍。     

基于ARM的人体脂肪测量仪的设计

为解决传统的人体脂肪测量仪只测量人体的全身阻抗,不能反映人体各个部位的脂肪分布情况的问题,提出了人体阻抗分布模型和分段阻抗计算公式,进而测量人体不同部位的脂肪含量的方法,并设计完成了一种基于ARM处理器的人体脂肪测量仪;该仪器以ARM处理器S3C2410为核心,外扩激励信号源、信号采集和处理、放大电路及整流滤波等电路,在嵌入式linux操作系统下实现了对人体脂肪的测量和分析;实验结果表明,该仪器比传统的人体脂肪测量仪检测精度高,能反映人体脂肪分布状况。