基于曲率尺度空间的人头检测方法研究

利用人头部轮廓的形状特征,提出一种基于曲率尺度空间的人头部检测算法。算法通过比较分析得出了人头部轮廓区别于其他部分轮廓的形状特征,在多曲率尺度下,计算物体轮廓曲线上每一个点的曲率,结合形状特征信息进行人头部检测。实验结果表明,算法有效解决了复杂背景下的人头检测问题,为人头部检测提供了新的途径。     

基于多尺度曲率乘积的鲁棒图像角点检测

为了更好地进行图像角点检测,在曲率尺度空间(CSS)框架下,提出了一种基于多尺度乘积的角点检测技术,其中曲率尺度积函数被定义为各个尺度下轮廓曲率的乘积,而角点则被定义为曲率乘积的局部极值点。这种尺度积不仅能显著地增强角点曲率极值点的峰值,同时能抑制噪声影响,而且不改变角点的位置,为了说明该技术的优点,根据角点数一致性(CCN)准则证明了该技术优于其他的角点检测算法。实验结果表明,该方法不仅具备优越的检测效果,并对噪声有较强的鲁棒性。     

基于图像轮廓曲线的拐点检测算法

拐点是图像很重要的特征,包含图像的主要结构信息，拐点检测对图像配准、目标识别和三维重建等任务的处理都有着非常重要的作用。从研究轮廓上点的曲率出发，针对传统基于轮廓的拐点检测算法对噪声和局部变化敏感而造成检测结果不稳定的问题，提出一种间接反映轮廓曲率特性的方法，记为APTD(Accumulation of Point to Tangent Distance)。使用高斯函数对轮廓曲线进行平滑处理，轮廓上点的曲率越大则该点附近的点到该点处切线的距离也越大，根据这一思想，将轮廓上点附近支撑域内的点到该点所对应切线相对距离的累加和作为拐点的判别函数，从而实现轮廓拐点的检测。经由数学推导表明所提出的算法具有合理性和可行性，对比实验分析表明该算法精度高、运算量小、定位准确。     

基于图像三维地形模型的路面裂缝自动检测

针对现有裂缝检测算法的不足,提出一种新的路面裂缝自动检测算法。将二维平面图像映射到三维空间曲面,使得在二维平面中难以描述的裂缝信息在三维曲面中能通过一条狭长的“山谷”来准确地描述。通过分析三维曲面中“山谷”的曲率特征,采用基于微分几何的空间检测算子准确提取曲面中的“山谷”,并映射到二维图像平面中作为裂缝点,成功检测到绝大部分裂缝信息。     

基于曲率特征的轮廓匹配方法

首先对轮廓曲线进行多边形近似,然后通过Hermite插值曲线求出多边形各顶点的曲率作为特征,最后以Hausdorff距离为准则进行轮廓线匹配。算法充分利用了轮廓线的几何信息,匹配速度快,准确度高,具有一定的旋转不变性。     

基于多特征相似度曲线曲率检测的关键帧提取

网络多媒体的迅猛发展和普及使得对海量视频信息进行快速和低成本管理的需求日益迫切,而关键帧可以大大减少视频索引的数据量,同时也为查询和检索视频提供了一个组织框架。针对现有关键帧提取算法存在的特征选取单一、阈值选择困难和视频类型局限性等问题,提出了一种基于多特征相似度曲线最大曲率点检测的关键帧提取方法。算法利用多特征融合的相似性度量来捕获视频内容的显著变化,弥补了单一特征对视频内容描述不充分的不足,且基于滑动窗口的检测算法无需阈值选择,可以实时、局部地提取关键帧,解决了传统算法计算量大、通用性差的问题。最后通过实验利用一种保真度评估标准验证了该算法的有效性。     

基于曲率的尺度空间中的角点增强

角点检测在模式识别、计算机视觉和其它相关领域中占有重要地位．由于无法事先确定应在什么尺度下进行检测，我们很难从平面曲线中准确地提取出角点．本文阐述了通过曲线尺度空间（Curvescalespace）来增强角点的方法．该方法的主要思想是通过曲线的形变（或构造曲线尺度空间）使曲线上的角点随着尺度的增加变得更加突出，以便准确地提取出角点．从广义的几何热扩散方程（GGHF）出发，我们得到了该方法中曲线曲率的演化形式，它揭示了构造基于曲率的尺度空间与形成尺度空间所需符合的准则二者间的本质联系．本文研究GGHF符合尺度空间准则的条件并给出了寻找不同的符合尺度空间准则的曲线演化方法，与此同时，我们给出了角点可被增强的条件．在符合上述条件的前提下，本文给出了一种新的构造尺度空间的方法，该方法符合尺度空间的准则，并能够在去除噪声和不重要的小结构的同时，有效地增强曲线上的重要角点．     

基于曲率的灰度图像拼接研究

在图像处理过程中,经常需要对剪切后的图像碎片进行拼接,提取灰度图像碎片的边界,计算出边界上各离散点处的曲率,每条边界上各点处的曲率构成了信号序列,分段计算两个信号序列的相关系数.由于曲率的位移不变性和旋转不变性,两条切口上各吻合点处的曲率理论上相等.本文验证了当相关系数取得最大值时,两条切口恰好吻合,从而实现灰度图像的自动拼接.     

曲率尺度空间耦合旋转约束的图像篡改检测

针对当前复制-粘贴篡改检测算法存在的识别准确度不高的问题,提出了曲率尺度空间耦合旋转约束聚类的图像篡改检测方法.借助Canny算子,计算图像边缘曲线,再引入曲率尺度空间特征提取方法,通过像素点与高斯函数的卷积运算,求取曲线曲率,从而获取图像的初始特征点.采用初始特征点的二次Taylor项,对其真伪性进行辨别,以精确提取...     

基于广义Ricci曲率及深度信息的图像采样方法

随着采样技术的提高、数据量的剧增,给数据的存储及传输造成了一定困难,因此对数据进行重采样,以压缩数据量是解决该问题的一个有效手段.针对灰度图像采样问题,利用密度流形的广义Ricci曲率提出一种采样点之间相关性的衡量方法.首先,将图像看做是对二维流形的着色,通过处理目标物的深度或构造其深度,保留需要着重采样区域的深度信息;其次,结合深度与灰度信息计算密度流形的Ricci曲率;最后,根据相关性原则筛选采样点并重建图像.此外,针对采样过程提出了全局采样及加速的局部采样2种方式,用于权衡速度与精度.采用大量的标准测试图进行实验结果表明,该方法可以有效地应用于灰度图像的压缩;与已有方法相比,该方法在灰度变化剧烈、复杂的边缘采样点分布更为密集,同时对灰度变化平缓的区域采样点也相对更少.     

基于纹理特征和轮廓光流矢量的烟雾识别

为了提高火灾探测的准确率和快速性,提出了基于纹理特征和轮廓光流矢量的烟雾识别算法。一方面为了获得更全面的纹理特征,建立图像金字塔,使用局部二值模式（ LBP）和基于方差的局部二值模式（ LBPV）结合的新方法分别提取金字塔不同层的纹理特征。另一方面是动态纹理特征,由于烟雾运动的湍流特性导致方向具有特定的一致性,改进了对全部可疑区域进行分析的方法,仅对可疑区域轮廓进行光流矢量分析,降低运算量。将静态纹理特征和动态纹理特征输入支持向量机（ SVM ）中进行识别。采用“静—静—动”的新型识别方法,实验结果表明：该算法能够及时准确报警,可靠率高。     

基于半监督学习的跌倒检测系统设计

针对老人跌倒时的复杂运动情况,进行跌倒标注的较难实现,提出了基于Tri-training半监督算法的跌倒检测系统。本系统使用3D加速度传感器采集运动加速度数据,然后对数据进行特征提取与部分样本标注,使用Tri-training算法训练分类器,最后使用训练好的分类器进行跌倒识别。具体的数据采集传感器设计为可穿戴式设备,服务器端使用Java编写了一个服务器的程序实现对数据的分析与处理。实验结果表明：该方法使用了大量无标签数据的信息,有效提高了跌倒识别的准确率。实验结果表明：本系统能够满足老年人在日常生活中的需求,对于一些意外跌倒能够给予及时的检测与报警。     

基于统计学特征的android恶意应用检测方法

Android系统作为世界上最流行的智能手机系统,其用户正面临着来自恶意应用的诸多威胁。如何有效地检测Android恶意应用是非常严峻的问题。本文提出基于统计学特征的Android恶意应用检测方法。该方法收集5560个恶意应用和3000个良性应用的统计学特征作为训练数据集并采用聚类算法预处理恶意数据集以降低个体差异性对实验结果的影响。另一方面,该方法结合特征和多种机器学习算法（如线性回归、神经网络等）建立了检测模型。实验结果表明,该方法提供的两个模型在时间效率和检测精度上都明显优于对比模型。     

基于颜色和纹理特征的显著性检测算法

针对现有的基于图像底层特征的显著性检测算法检测准确度不高的问题,提出了一种基于颜色和纹理特征的显著性检测算法。在RGB和Lab颜色空间上,同时考虑了图像的颜色对比度特征、纹理特征。运用二维信息熵作为衡量显著图的性能标准,选取最优的颜色通道,并且针对颜色及纹理的不同特点,给出了各自的显著性特征融合方法。在公开的数据库中与四种流行的算法实验对比,实验结果证明了算法的有效性。     

使用聚合通道特征的嵌入式实时人体头肩检测

目的 头肩检测由于抗遮挡能力强、计算需求低,常用于复杂场景中的人体检测。针对嵌入式头肩检测中常用的运动检测和手工模型匹配方法检测精度较低、对不同姿态和人体外观适应性较差的问题,提出了使用聚合通道特征的嵌入式实时人体头肩检测方法。方法 首先分析多种行人检测与人体姿态数据集,从中生成多姿态、多视角的人体头肩样本集;然后基于图像的聚合通道特征,使用AdaBoost算法通过多个阶段的训练,得到基于增强决策树的头肩图像分类器;接下来,在快速特征金字塔算法的基础上,针对ARM-Linux平台,利用多核并行和单指令多数据流技术,加速图像特征金字塔的计算;最后,进行多线程的滑动窗口检测,利用头肩图像分类器识别每个检测窗口,并通过非极大值抑制（NMS）算法优化检测结果。结果 重新标注了INRIA验证数据集中的头肩样本,采用本文训练得到的头肩图像分类器进行检测,通过样本漏检率、每图片平均误检率以及ROC（receiver operating characteristic）曲线评估检测效果。对INRIA数据集中高度≥50像素的头肩目标的对数平均漏检率为16.61%。此外,采集了不同场景中多种姿态、视角下的头肩图像,以验证分类器的适应性,结果表明该分类器能够良好检测多姿态、多视角、受遮挡以及不同光照情况下的头肩目标。但由于检测器感受野局限于头肩区域,对少量疑似头肩样本的图像区域存在误检测。在嵌入式平台（树莓派3B）中,经过优化的头肩检测程序,对640×480像素分辨率的图像,特征计算耗时约213 ms;对单个包含正样本的检测窗口,分类耗时约2 ms。整体检测效率能够满足视频流实时检测的需求。结论 本文基于聚合通道特征进行人体头肩检测,采用种类丰富、标注准确的头肩训练样本,使用AdaBoost算法学习头肩图像的聚合通道特征,得到的头肩图像分类器适应性强,硬件性能要求低,能够良好检测多视角、多姿态的人体头肩图像,并具备在嵌入式平台上实时检测视频流的能力,应用场景广泛。     

基于X射线图像的厚钢管焊缝中气孔缺陷的自动检测

由于厚钢管X射线图像强度分布不均匀,对比度低、噪声大,且气孔缺陷的大小、形状、位置、对比度各异,使得自动检测各种类型的气孔较为困难。针对传统缺陷检测算法中手工标记缺陷数据工作量大,焊缝边缘难以准确提取等问题,提出一种新的无监督学习的各种气孔缺陷检测算法。首先,采用快速独立分量分析从钢管X射线图像集合中学习一组独立基底,并用该基底的线性组合来选择性重构带气孔缺陷的测试图像;随后,测试图像与其重构图像相减获得差异图像,通过全局阈值从差异图像中将各种气孔分割出来。实验的训练集有320幅,测试集有60幅图像,所提算法检测结果的平均敏感性和准确率为90.5%和99.7%。实验结果表明,该算法无需手工标记数据或提取焊缝边缘,可准确检测各种气孔缺陷。     

基于机器视觉的啤酒瓶检测系统研究

为了提高啤酒瓶的检测效果,提出了一个基于机器视觉的啤酒瓶检测系统的方案.根据啤酒瓶检测过程的高速度、高精度和实时性的特点,设计了系统中图像获取、图像处理和图像识别的过程和方法.利用图像滤波去除获取的啤酒瓶数字图像中的噪声,通过二值化将物体和背景分离,再经过边缘检测提取边缘,最后识别和分类有缺陷的啤酒瓶.实验结果表明,该方案能够快速有效地对啤酒瓶进行检测,提高了检测效果,具有一定的可行性和现实意义.     

基于面部特征的学习状态的研究

针对现今网络在线自主学习过程中学习者与系统交互能力差导致无法调动学习者积极主动性等的问题,结合面部特征识别与图像识别技术,定义了注意力不集中、疲劳、学习、无人、多人和时间过长6种状态,利用摄像头实现了基于视频流实时采集学习者学习状态,并通过3个阶段分析学习者面部眼睛、嘴唇的特征以及各种环境特征,从而对计算机前无人、多人或者学习者出现注意力不集中、疲劳、学习时间过长等的状态时对学习者做出提醒、提供服务.实验结果表明,该方法可以快速检测学习者的实时状态,并提供主动服务,提高了人机交互性.     

结合纹理与轮廓特征的多通道行人检测算法

针对在复杂场景下,聚合通道特征（ACF）的行人检测算法存在检测精度较低、误检率较高的问题,提出一种结合纹理和轮廓特征的多通道行人检测算法。算法由训练分类器和检测两部分组成。在训练阶段,首先提取ACF特征、局部二值模式（LBP）纹理特征和ST（Sketch Tokens）轮廓特征,然后对提取的三类特征均采用Real AdaBoost分类器进行训练;在检测阶段,应用了级联检测的思想,初期使用ACF分类器处理所有实例,保留下来的少数实例应用复杂的LBP及ST分类器进行逐次筛选。实验采用INRIA数据集对算法进行仿真,该算法的平均对数漏检率为13.32%,与ACF算法相比平均对数漏检率降低了3.73个百分点。实验结果表明LBP特征与ST特征能有对ACF特征进行信息互补,从而在复杂场景下去掉部分误判,提高了行人检测的精度,同时应用级联检测保证了多特征算法的计算效率。