InGaAs近红外相机成像技术研究

论述了近红外成像原理及优点,探讨了InGaAs近红外相机组件的核心器件——近红外探测器及其探测器驱动电路、信号处理电路和接口电路等电路组成,阐述了通信流程和疵点补偿方法,通过成像效果对比,详细分析了红外相机、可见光相机和InGaAs近红外相机各自的成像特点,指出近红外相机作为可见光相机和红外相机的补充,在军事和民用上有着广泛的应用。     

高精度近红外光斑位置检测模型研究

为了提高1550 nm近红外波段光斑位置的检测精度,提出了一种改进的积分无穷解算模型。以高斯光斑为入射光模型,深入分析了InGaAs四象限探测器（Quadrant Detector, QD）输出信号与光斑实际位置之间的关系,考虑探测器直径及沟道的影响,通过引入误差补偿因子,利用最小二乘拟合的方法得到有效光斑半径,从而获得新解算模型的解析表达式,最后在搭建的InGaAs QD光斑位置检测系统上对提出模型进行实验验证。仿真和实验结果表明:新模型可有效降低不同半径光斑下的位置检测误差;入射光总能量约为10 W,光斑半径0.75 mm时,在[-0.75～0.75 mm]检测范围内,新模型均方根误差为0.003 mm,最大误差为0.009 mm,较原有模型分别降低了78.6%和52.6%。新模型在激光通信和激光雷达等工程实际中具有较好的应用前景。     

近红外InGaAs探测器台面结构对器件性能的影响

采用湿法腐蚀方式在PIN型InP/In0.53Ga0.47As/InP材料上制备了不同台面结构的正照射In0.53Ga0.47As探测器,通过比较不同结构器件的性能,如暗电流、信号、噪声,研究了器件性能跟器件结构之间的关系,并分析影响器件性能的因素。研究结果表明,探测器的暗电流、噪声与台面面积是成线性关系的,而信号与台面面积则不是线性关系。探测器的台面可分为光敏区和光敏区外部分,光敏区外部分对暗电流、噪声的贡献与光敏区是一致的,但对信号的贡献这两部分则是不一致的,这主要是由于衬底反射和器件之间的沟道光生载流子的侧向扩散所造成的。     

灰度图像人脸检测算法研究

针对复杂背景下的灰度图像,提出了一种基于人脸灰度分布特征、主分量分析方法(PCA)和数学形态学处理的多级弱分类器级联的人脸检测与人眼定位方法.试验证明该方法对光线、不同尺寸、表情姿态、部分遮挡、复杂背景等都有较好的检测效果.     

基于MobileNet-SSD的红外人脸检测算法

针对"可见光"+"热红外"融合的双光人脸检测算法对硬件依赖性高的劣势.本文提出一种基于MobileNet-SSD的红外人脸检测算法,该算法可以直接检测出红外图像中的人脸区域,对硬件的依赖性较低.同时实验结果表明该算法的检测精度和实时性均有所提高,可以直接运用到"疫情"期间的智能体温监控系统中.     

基于SSD-MobileNetv2和FPN的人脸检测

随着人工智能技术的不断发展,人脸检测与识别技术以其广泛的应用性成为学术研究的重点。提出了SSD-MobileNetv2-FPN人脸检测模型,首先用轻量级的MobileNetv2代替SSD中的VGG-16主干网络,减少模型训练参数以提高模型的检测速度,然后引入FPN网络提取多尺度特征信息使得模型更利于小目标人脸的检测,增加检测精度。最后引入Focal loss损失函数解决模型在训练过程中出现前景和背景类分布不平衡问题,提高模型性能。实验表明上述模型在Pascal Voc 2012人脸部分数据集中准确率为92.5%,且处理速度快,满足实时需求。     

基于近红外图像的嵌入式人员在岗检测系统

在岗检测是现代安防领域中视频分析的一个重要研究方向,应用领域非常广泛.本文设计并实现了一种嵌入式人员在岗检测系统,为了提高此嵌入式系统的运行速度,提出了改进的人脸特征点检测方法;并且为了提高系统的检测准确率,建立了一个近红外人脸样本库.该系统通过近红外摄像头采集实时图像,然后进行人脸特征点检测,获取被检测人的面部信息.根据违规行为判断准则,判断当前是否出现违规动作并且发出警报.实验结果表明:在规定条件下,系统的人脸特征点检测准确率达到了95％,针对两种异常情况的检测准确率也都超过了94％,具有良好的实时性能.     

数字图像处理对人脸图像的检测

通过论述人脸识别的重要性和近年来人工智能的热度,分析基于数字图像处理的人脸图像检测的工作原理和操作流程。提出该技术在应用过程中存在分析图像处理过程中存在的主要问题。     

基于Adaboost的人脸检测算法研究

Paul Viola和Michael Jones曾提出的基于积分图象和Adaboost算法构建层叠式(cascade)人脸检测器,是人脸检测算法上的里程碑事件。先利用积分图象在常数时间内快速计算矩形特征,再用Adaboost算法训练这些矩形特征组成强分类器,从而使分类器的速度大大提高。此外,构造层叠分类器,首先简单的强分类器排除大多数非人脸窗口,减轻复杂分类器的负担,进而提高速度。     

基于Retinaface与KCF人脸目标检测与跟踪算法研究

虽然随着深度学习的快速发展,在人脸的检测跟踪领域取得了一定的研究成果,在理论上不断进步创新,但在实际应用中仍然存在很多问题,比如人脸目标跟踪的速度慢的问题、光照强度不断变化下以及遮挡情况下导致检测与跟踪的最终效果与预期相差较大的问题等.为了解决此类问题,该文将深度神经网络(Retinaface)和核相关滤波器(KCF,...     

基于嵌入式系统的人脸检测算法研究

文章在A8处理器作为硬件平台,嵌入式Linux操作系统作为软件平台的基础上深入研究了AdaBoost人脸检测算法,并对其进行了优化改进,采用遗传算法消除了冗余弱分类器,形成了最终的强分类器。     

基于肤色的实时人脸检测算法研究

研究了一种基于肤色的人脸检测算法的设计与实现过程。在YIQ颜色空间中,进行了有效的肤色提取,把提取到的肤色与背景图像信息转为二值图像进行形态学降噪处理,再采用质心定位法进行准确的眼睛定位,最后对检测到的人脸图像进行缩放、旋转、移位校正,以提高输出人脸图像的质量。实验结果表明,本文所提的算法具有很高的准确率与检测速度,能够适用于实时人脸检测系统。     

一种改进的多任务级联网络人脸检测算法研究

传统人脸检测算法在复杂环境背景下一直存在着检测准确率及效率低等问题.近年来,得益于人脸数据集的增长以及计算机硬件的极速发展,使用深度神经网络的人脸检测算法在准确度方面已有很大提升,但使用的模型结构越来越复杂,检测速度也相对变慢.本文提出一种改进的多任务卷积神经网络(Multi-task convolutional ne...     

一种改进的AdaBoost人脸检测算法

为了进一步提高AdaBoost算法的检测准确率和解决AdaBoost算法的退化问题,提出了一种基于线性不对称分类器(LAC)的改进AdaBoost人脸检测算法。该算法对样本权重的更新规则进行了调整,当训练节点分类器的前m个弱分类器时,由于样本权重更新合理,采用原始权重更新方法;当已训练产生一定数量的弱分类器序列后,退化问题严重,由LAC算法对前期训练获得的弱分类器序列进行学习形成最优强分类器,计算该强分类器对负样本集的错分率FPR,更新样本权重,依次循环直到完成该节点所有弱分类器的训练并得到最佳节点分类器,最后通过级联各个节点分类器,构成人脸检测分类器。同时,对已有的Haar特征进行了改进和完善。实验结果表明,该方法不仅提高了检测精度,而且抑制了退化现象,使人脸检测分类器的性能得到进一步的提高,具有较大的实用价值。     

基于肤色特征和Adaboost算法的人脸检测方法探析

针对采用基于肤色特征的人脸检测方法和基于Ada Boost算法的人脸检测,单一方法的人脸检测系统在检测率和误检率方面不能同时达到比较好的效果。因此结合上述两种算法各自的优点,将两种方法相结合并加以改进,主要思想是基于肤色特征的人脸检测作为预人脸检测,得到含有人脸的肤色区域,运用级联分类器检测这些肤色区域。利用matlab仿真软件进行了大量的仿真探析并进行了统计与分析,探析表明改进算法在误检率和检测率方面明显优于两种单独算法,同时对于人脸姿势方面,也能够达到很好的检测效果。     

一种动态视频流实时多人脸检测算法

针对传统的AdaBoost人脸检测算法对侧面及多姿态人脸检测误检率较高且检测速度较慢等问题,提出了一种动态视频流实时多人脸检测算法。仿真实验表明,通过使用该算法对静态图像以及动态视频流中的多个人脸实时检测,其结果比传统算法具有更低的误检率和更快检测速度。     

智能视频监控中基于肤色信息的人脸检测算法研究

针对智能视频监控中人脸检测受复杂环境以及多姿态人脸的影响,采用一种基于肤色特征与Ada Boost算法相结合的方法,提取两种算法各自优点并加以优化,其主要思想是利用肤色特征建立肤色模型,选出含有人脸预检测肤色区域,进行人脸样本训练,提取人脸样本Haar特征,进行弱分类器训练,利用迭代的方法,再将不同的弱分类器组合成强分类器,最后形成级联分类器,运用级联分类器检测含有人脸的肤色区域。实验结果表明,该方法不仅提高了智能视频监控中人脸检测的效率和准确性,而且具有较好的鲁棒性。     

Adaboost人脸检测算法在嵌入式平台上的优化与实现

由于嵌入式平台的计算能力弱、内存空间小,为了能够将高复杂度的Adaboost人脸检测算法移植到嵌入式平台并能够高速运行,主要在算法方面进行了优化,其中包括:级联分类器的训练方法优化、浮点定点化、检测窗口SCALE处理等.优化后的级联分类器体积减小为未优化时的1/10,在基于PowerPC处理器的验证平台上,取得了15fps的检测速度.