基于级联支持向量机融合多特征的人脸检测

人脸图像中包含丰富的特征信息,不同特征具有其各自的优势。基于此,提出一种基于级联支持向量机有效融合多种特征的人脸检测算法。该算法首先利用肤色模型对待检图像进行预处理,筛选出疑似人脸区域。然后在疑似区域中提取图像的HOG(Histogram of Oriented Gradients)和LBP(Local Binary Patterns)特征,并分别对这两种特征集进行特征选择,训练两个SVM(Support Vector Machine)分类器,最后将两个SVM分类器级联起来实现人脸检测。在多个人脸图像数据库上的实验结果表明,该人脸检测算法提高了人脸检测率,降低了误检率,并且对多种光照条件、姿态、表情以及部分遮挡的情况都具有较好的鲁棒性。     

基于机器视觉的发动机表面缺陷检测技术

发动机表面的缺陷检测是保证其使用安全性的重要手段。本文应用机器视觉技术实现发动机内表面缺陷的自动检测,用内窥镜采集发动机装药内表面的图像,结合图像特点,通过多次实验对比,选择中值滤波方法对图像进行滤波、Canny算子检测图像边缘,应用像素灰度的相似性和不连续性将缺陷从图像背景中分割出来,在此基础上,选取面积和周长特征作为缺陷判断依据,并将以上功能进行整合,设计缺陷自动检测系统。实验结果表明该方法在发动机内表面缺陷检测方面有较好的效果。     

基于机器视觉钢板表面缺陷检测技术研究

钢板表面缺陷严重降低钢板的耐磨性、耐高温性、耐腐蚀性、抗疲劳强度等性能,因此,钢板表面缺陷的检测就显得尤为重要。本文基于机器视觉采用Matlab图像处理技术对钢板表面缺陷进行检测识别。在不同光照条件下采集钢板表面图像,分别进行图像处理,讨论分析不同光照条件和去噪方法对检测结果的影响。首先对缺陷图像进行预处理,然后将预处理后的图像二值化及形态学图像处理,使图像背景与对象图形分离,提取出表面缺陷特征,计算缺陷的面积和周长。通过对图像细化和骨架提取线性缺陷,计算出缺陷长度,并且通过对像素的标定,将像素单位转化为长度或面积单位。实验结果表明该方法具有很好的可靠性和重复性。     

基于机器视觉的硅钢钢带表面缺陷自动检测识别研究

硅钢钢带是变压器等工业设备发展的一项重要原材料,其质量的高低直接影响着产品性能的好坏。传统的人工检测具有效率低、精确度差等特点。为此提出基于机器视觉的表面缺陷自动检测研究。该研究采用图像处理及模式匹配的方法,通过对由CCD工业相机采集到的图片进行几何矫正、图像拼接、缺陷处理等过程,实现了硅钢钢带表面缺陷轮廓检测、特征提取、分类等功能,从而完成钢带质量的判定。     

一种基于机器视觉的笔杆表面缺陷检测方法

医疗器械产品生产中的笔杆表面缺陷是不可避免的问题,基于机器视觉的自动检测方法可以克服传统人工检测效率低、漏检及误检率高等问题。在分析笔杆结构和缺陷的基础上,文章重点研究笔杆边缘直线拟合、缺陷灰度值差异、图像边缘平滑和稳定等检测方法;通过实验证明,该方法准确率可达到98.8%,每个笔杆的检测时间为8.3 s,相较于人工检测,明显提高了检测精度和速度,可以满足对笔杆实时自动缺陷检测的要求。     

面向表情识别的AVR和增强LBP特征选择方法

由于对局部纹理特征具有很强的描述能力,LBP（Local Binary Patterns）已经被广泛应用于模式识别、计算机视觉等相关领域,但传统的LBP在表情识别中的正确率并不高,提出了一种结合小波分解的改进LBP特征提取方法,首先使用Adaboost人脸检测算法和2D模型提取人脸图像并归一化,并使用小波分解的方法增强LBP特征,然后通过AVR（Augmented Variance Ratio）特征选取方法降维,最后使用SVM进行分类。JAFFE库上的实验证明了该方法的有效性。     

表面缺陷检测的机器视觉技术研究进展

物体表面缺陷检测技术是工业质检领域的一项重大课题,对工业生产有着重要的意义。针对近些年基于机器视觉的表面缺陷检测技术进行梳理总结。首先,列举了几种缺陷检测在工业领域的应用场景;其次从特征提取和分类算法的角度简要阐述了传统的机器视觉方法;重点探讨了缺陷检测中常用的经典神经网络结构和缺陷检测算法的最新发展,并介绍了两种常用的缺陷检测算法优化方式;最后,分析了缺陷检测领域面临的三大挑战：实时性问题、小样本问题和小目标问题,目的是为工业表面缺陷检测的研究提供有益的参考和脉络梳理。     

基于机器视觉的发动机包覆层表面缺陷检测技术

固体火箭发动机包覆层表面的缺陷检测是保证其使用安全性的重要手段.本文应用机器视觉技术实现发动机包覆层表面缺陷的自动检测.用工业相机采集发动机包覆层表面的图像,结合图像特点,通过多次实验分析,选择中值滤波方法进行滤波,采用图像模式匹配技术将缺陷从图像背景中分割出来,并将以上功能进行整合,设计缺陷自动检测系统.实验结果表明...     

基于机器视觉的煤岩界面识别研究

针对现有煤岩识别方法存在煤岩界面传感器结构复杂、可靠性差、普适性差等问题,提出了一种基于机器视觉的煤岩界面识别系统设计方案,给出了系统总体结构,分析了系统识别煤岩界面的工作原理,重点讨论了图像特征选取和分类器的设计。该系统根据灰度共生矩阵理论提取煤岩图像的22种纹理特征,采用增l减r法搜索出优选特征,最后运用线性函数判别法构建煤岩分类器模型。实验结果表明,该系统的煤岩分类器模型性能稳定,具有较强的识别能力。     

机器视觉智能机器人无损检测系统

针对目前无损检测过程中的大量人工操作、检测效率低下和检测精度低的特点,提出了一种搭载于工业机器人的无损检测系统的设计方法,实现了系统的软硬件设计。设计的机器人系统具有4个自由度,可以实现三维空间的立体检测,并采用自适应模糊推理系统提高检测适应性。系统采用彩色图像分割算法和自适应区域生长图像分割算法都能有效提取出缺陷区域。应用结果表明系统稳定性好、检测精度高,大大提高了检测效率。     

A machine learning based intelligent vision system for autonomous object detection and recognition

Existing object recognition techniques often rely on human labeled data conducting to severe limitations to design a fully autonomous machine vision system. In this work, we present an intelligent machine vision system able to learn autonomously individual objects present in real environment. This system relies on salient object detection. In its design, we were inspired by early processing stages of human visual system. In this context we suggest a novel fast algorithm for visually salient object detection, robust to real-world illumination conditions. Then we use it to extract salient objects which can be efficiently used for training the machine learning-based object detection and recognition unit of the proposed system. We provide results of our salient object detection algorithm on MSRA Salient Object Database benchmark comparing its quality with other state-of-the-art approaches. The proposed system has been implemented on a humanoid robot, increasing its autonomy in learning and interaction with humans. We report and discuss the obtained results, validating the proposed concepts.     

基于智能视觉系统的饮料瓶缺陷检测技术

研究基于智能机器视觉系统的饮料瓶封装缺陷检测应用技术。根据饮料瓶封装缺陷检测的特点及实际生产要求,提出了一套智能机器视觉系统应用的总体解决方案。对整个系统的结构原理,工作流程以及得个组成部分的功能做了具体的阐述。应用结果表明,使用上述机器视觉系统实现方便,功能强大,取得了良好的应用效果。     

机器视觉技术在荔枝识别与定位研究中的应用

为解决串型荔枝图像识别和定位问题,提出以Harris与SIFT算法融合的采摘点计算与匹配为基础,进行平行双目立体视觉模型下采摘点定位的研究方案。首先对荔枝YCbCr色彩空间的Cr灰度图进行二次阈值分割,分类识别出荔枝串、荔枝果与结果母枝。其次,提取识别果实区域的最小外接矩形、质心等特征信息,结合在结果母枝上检测的Harris特征点计算出采摘点的二维图像坐标,并对计算采摘点进行基于SIFT向量搜索的立体匹配。最后,对计算采摘点进行视觉定位及其深度误差分析实验,实验数据表明：在354~590?mm距离范围内,插值补偿后的采摘点的定位深度误差小于10?mm,能够较好满足荔枝采摘机器人的现有技术要求。     

基于支持向量机的超声检测缺陷识别研究

为解决超声检测领域传统人工神经网络方法对于小样本进行缺陷识别时存在的泛化能力差和过学习等问题,提出了一种基于支持向量机的超声检测缺陷识别方法.先使用小波分解对信号进行降噪,再使用小波包变换提取特征值,构造多类分类支持向量机进行缺陷识别.实验结果表明,支持向量机方法具有识别率高、泛化能力强等优点,能够应用于超声检测缺陷识别领域.     

基于机器视觉的动态多点手势识别方法

提出了一种高效的基于HSV颜色空间的多目标检测跟踪方法,实现通过摄像机实时检测跟踪多个指尖目标;定义了一套基于指尖运动轨迹的动态手势模型,并提出了动态手势识别方法;对于两点动态手势,通过BP神经网络进行手势学习和手势识别,而对于模拟鼠标手势和四点动态手势,利用指尖之间相互位置关系进行手势识别.测试结果表明,该方法能够快速、准确的跟踪多个运动的指尖目标并进行动态多点手势识别.     

基于机器视觉的LED芯片检测方法

LED芯片检测在LED生产过程中起到关键作用。为了达到生产过程完全自动化的目的,首先用形态学方法对LED图像进行预处理,然后基于最小外接矩形获取芯片倾斜角,基于霍夫变换获取边界信息,从而获取生产所需的控制信息。实验结果表明该方法适用于LED实际生产过程。     

基于机器视觉算法的水稻秧苗状态识别

根据秧苗发育形态调节育秧环境中的光照、温度、湿度能够避免徒长,这对水稻优质高产十分重要。针对水稻秧苗在恒温箱封闭式育秧环境下因监测不及时导致的徒长情况,提出了一种基于机器视觉算法识别秧苗发育状态的方法。采用恒温箱对东农426和东农428水稻进行育秧研究,利用协方差聚类算法对秧苗RGB彩色图像进行分割,再选用连续腐蚀开操作结合Hough变换进行预处理。根据提取与秧苗徒长直接相关的形态指标参数信息,如株高、叶面积、着生角、生长速率,进行曲线拟合,最后将结果显示在软件界面上。实验结果表明,该方法可以正确的识别秧苗并准确提取形态指标参数,准确率为87.5%,秧苗形态参数识别误差不超过7%,适用于封闭式育秧环境中对秧苗的监测,该方法为研究水稻工厂化立体育秧提供了有效参考。     

基于机器视觉的公路车流量检测系统研究

智能交通系统中需要的关键数据为道路的占有率、车流量、行车速度等.本文介绍了基于TMS320DM642的数字图像车流量检测系统,阐明了该嵌入式视觉系统的硬件组成原理及软件结构和车流量检测算法.系统与现有的信号机联调测试,证明其识别率高、体积小、成本低、实时性好,能实时检测公路的车流量信息.