遮挡情况下的人体检测与跟踪

人体检测与跟踪技术在智能视频监控中有很好的应用价值。提出了一种遮挡情况下的人体检测与跟踪算法。人体检测部分,利用RGB颜色模型与均值漂移算法,从混合高斯分割出的含有遮挡人体的目标中提取多个人体头肩模型,计算人体头肩模型的轮廓特征。采用傅里叶描述子与神经网络分类器实现人体检测。人体跟踪部分,采用基于颜色线索的粒子滤波器作为基本的跟踪算法,为了解决遮挡问题,采用三台摄像机实现多视角跟踪人体,利用三台摄像机之间关于主平面的映射关系确定遮挡人体的跟踪结果。该算法提高了人体检测的准确率和人体跟踪的可靠性,可以广泛应用于复杂环境中的多个人体的检测与跟踪。     

基于人体头肩部形状的身份识别

身份识别技术近年来引起了越来越多人们的兴趣．提出了一种有效的基于人体头肩部形状的身份识别技术，通过形态学方法及背景减除法提取出人体头肩部形状的曲线特征，利用相关算法比较，实现人的身份识别．实验结果表明，该方法在图像分割方面具有很好的效果，且算法简单易于实现，能较好地识别出样本库中的身份．     

增量学习灰度与轮廓模板的行人跟踪方法

为了解决云台摄像机的行人跟踪问题,提出了一种基于粒子滤波的行人跟踪算法.该方法在目标灰度模板以外,学习并更新行人目标的轮廓模板.考虑到行人轮廓因为视角变化可能发生的突然改变,算法准备了多套从不同视角观测的轮廓模板,并且逐渐更新它们使之可以逐渐捕捉目标的轮廓特征.在多段云台摄像机拍摄的监控视频上测试了所提出的算法.实验结果显示,该算法比其他先进的跟踪算法有更长的准确跟踪时间.     

基于多特征融合的多摄像机人体跟踪方法

在非重叠视野摄像机网络中, 因视觉盲区等因素的存在, 难以对人体目标进行准确可靠的持续跟踪, 为此, 提出一种融合主颜色特征、 纹理特征和时空拓扑特征的目标跟踪算法。该算法将人体区域分割成上、 中、 下3个目标子块, 分别利用最近邻聚类算法提取每个目标子块的主颜色信息, 并计算主颜色匹配率; 通过提取目标的空间纹理特征获得纹理匹配率; 最后通过融合计算人体外观匹配模型。同时, 根据目标关联信息的累计统计信息, 采用增量学习思路建立和更新摄像机网络的时空拓扑关系。实际场景的实验表明, 该算法能有效地对非重叠视野多摄像机网络中出现的人体目标进行连续跟踪, 并随系统的持续运行和监控区域中新目标的不断出现, 其跟踪准确度也随之提高。     

基于多级信息融合的视频目标跟踪

在多摄像机视频监控的框架下,基于信息融合技术策略,提出了一种用于移动目标跟踪的多级信息融合方法.对于每个单一摄像机采用多特征融合粒子滤波跟踪算法,该算法将目标颜色和边缘方向特征同时作为测量特征,并通过随机融合机制融合特征权重,得出最佳目标位置估计.在此基础上,将多个摄像机的跟踪结果相融合,融合方法主要是通过位置、大小和颜色匹配概率的联合进行目标之间的匹配度测量,并基于信任度级别及权重融合目标跟踪特征.仿真实验证明本方法能够有效消除目标跟踪过程中的重叠区域遮挡问题,在提高目标跟踪精度的同时,充分发挥了多摄像机多信息融合的优势,较好地描述了跟踪目标的状态.     

提高目标序列图像特征定位速度的算法研究

随着技术的发展,对目标识别跟踪系统的要求正朝着智能化方向发展,即要求系统具有对目标的自动捕获、自动识别和自动跟踪的能力。为此,在利用目标与背景之间的灰度分布特性的基础上,提出了一种在一定的范圈内能自动搜索并锁定目标的目标搜索算法,该算法能提高目标序列图像特征的定位。它首先由一个收缩算法逐步缩小搜索区域,再结台图像的梯度信息来搜索目标,最后锁定目标轮廓。该算法在搜索过程中只对少数的控翻点进行计算,而且对控翻点的初始位置无严格限制,因此在2-D模型中对人体运动的跟踪定位具有重要意义,对目标的形状都可以取得很好的搜索结果。     

基于图像序列的三维人体扫描仪

提出一种根据计算机视觉原理来获取人体表面信息的三维人体扫描仪方案,利用摄像机和人体之间的相对运动采集连续的图像序列,对序列图像进行预处理,从而获得各个角度的人体轮廓图像.然后根据轮廓图像的边缘点求取图像中各个高度的人体的侧影轮廓.最后通过一系列的人体的外侧影轮廓来逼近人体的原始形状,进而重建出人体表面三维信息.实验结果表明,本方案和算法是低成本、合理、有效的,根据本方案研制出来的原型系统的性能达到了预定的目标.     

一种基于头肩模型检测和光流跟踪的目标运动分析方法

针对在大多数监控应用中摄像机架设一般都有一定的高度和倾斜角度这一特性,通过分析监控画面中人的特征,可以看到由于摄像机有倾斜角度,在人员密集情况下,人下半身会形成一定的遮挡。但是大部分都可以得到正面或背面的上半身轮廓,因此提出了利用人的上半身特征,是头肩形状来检测画面中的目标个体方法。该方法在确定每一帧画面的目标后,对所检测到的目标进行连续跟踪。确定目标的运动轨迹,得到了很好的跟踪效果。     

一种在线测量竖直平行平面位置关系的检测机构

由于机床具有质量大且不易移动的特点,因此对其竖直定位面位置误差进行现场测量一直是个难题.为此,设计了可以现场测量竖直平行面位置关系的检测机构.该检测机构可以利用自身与平行平面形状轮廓间的几何关系,将已知基准平面形状轮廓分离,从而计算出被测平面的形状轮廓.依据计算出的形状轮廓与已知被测平面形状轮廓间的差异,可以确定两平行平面的位置关系.同时介绍了检测机构原理,给出了检测方案,开发了位置关系描述算法,并进行了测量试验.试验结果表明:该检测机构能够准确获得两竖直平行平面的位置关系.     

基于Snake算法的深度图像人体目标跟踪

基于彩色图像的人体跟踪算法鲁棒性不高的主要原因是对目标进行跟踪时,受到光照变化、复杂背景、物体遮挡等因素的影响.针对此问题本文利用Kinect采集深度图像进行人体目标跟踪.首先在深度图像中通过用户索引检测出人体目标,可方便地去除图像中复杂背景的干扰.然后利用基于角点的自动初始化方法得到人体的轮廓信息,再结合Snake算法实现人体目标跟踪.最后将该算法与基于深度图像的Camshift算法进行对比分析.结果表明,在室内应用Snake算法不受灯光和复杂背景等因素的影响,能对人体目标进行实时跟踪,且比Camshift算法具有更强的抗干扰能力,跟踪更准确.     

基于人体姿态信息的下肢康复机器人运动控制技术

针对下肢运动功能障碍患者术后康复训练辅助设备的跟随控制问题,本研究提出一种基于人体姿态信息的下肢康复机器人运动控制方法。根据康复机器人的结构特性和功能要求,建立机器人运动数据信息采集系统和下肢康复机器人的运动学模型;构建机器人平台上的人体姿态行为信息采集传感器系统,通过分析位移传感器所采集的数据,得到表征人体姿态行为变化的相关信息,经上位机计算生成康复机器人的期望跟随速度;同时,基于模糊PID控制算法设计了跟随控制器。通过仿真和实验验证该控制算法能够有效减小机器人实时跟踪使用者运动过程中的误差,实现康复机器人对人体运动姿态良好的跟随效果。     

基于Mean Shift的视频图像检测与跟踪

在复杂背景的视频图像中,实时、准确、连续、长距离的跟踪以人为对象的目标,是一件很困难的任务。人体对象在跟踪目标图像位置的变化时,一直随着姿态的变化而改变,因此这是一个非常典型的非刚体目标,对这类目标采用简单的模板匹配的方法进行目标跟踪,无法达到准确的跟踪。均值漂移（Mean Shift）是现今最受欢迎的对象跟踪方法之一,广泛的运用于人脸的跟踪,文章提出了一种基于均值漂移算法的复杂背景视频图像检测与跟踪算法。在运动目标跟踪中,提出了以直方图为模式特征,以均值漂移算法为核心算法的目标跟踪算法,通过实验表明该跟踪算法能对候选目标进行运动检测,完成实时跟踪,同时有效抑制了局部遮挡、背景混乱等,过滤了伪目标,保证了跟踪的可靠性。     

基于串级PID的机器鱼位姿控制算法

针对三关节仿生机器鱼的位姿控制问题, 首先, 介绍三关节仿生机器鱼的硬件结构及其运动控制系统; 其次, 基于期望位姿建立坐标系, 构建机器鱼的位姿误差模型； 再次, 在串级比例-积分-微分(PID)控制系统的基础上, 提出基于串级PID的仿生机器鱼位姿控制算法; 最后, 在URWPGSim2D仿真平台和多水下机器人协作控制系统平台下分别进行算法仿真实验和实体实验. 实验结果表明: 与时变反馈控制算法相比, 基于串级PID算法的仿真机器鱼到达目标位姿所用时间增加, 但位置误差和方向角误差减小, 位姿控制的精度提高; 仿生机器鱼到达期望位姿所用时间为14.4 s, 位姿误差为(-3像素,-4像素,0.062 rad), 基本满足循迹和搬运等应用要求, 验证了算法的有效性.     

基于双目视觉的人脸追踪方法

机械臂自动调节电脑屏幕位置以适应人脸,在一定程度上可以方便人们工作并缓解工作疲劳,准确地识别并获取人脸的位置及姿态成为关键所在。针对人脸追踪准确率低下的问题,提出首先使用ZED mini双目相机获取图像,用双边滤波对图像进行预处理,然后使用Cam Shift算法融合TLD框架实现人脸追踪,最后对左右相机的图像进行校准对齐,再使用SGBM算法进行立体匹配,从而获取人脸的位置和姿态。试验结果验证,人脸识别准确率提高了6%,同时成功获取了人脸位置和姿态信息,实现了实时人脸追踪,满足试验要求。     

基于轻量化二维人体姿态估计的小样本动作识别算法

动作识别是近年来时序数据挖掘领域的研究热点,具有广泛的应用前景。但是现阶段基于深度学习的动作识别算法需要大量的标记训练数据集,存在泛化性差、实时性差、场景受限的问题。为解决这些问题,本研究设计一种基于轻量化二维人体姿态估计的小样本动作识别算法。该算法基于YOLOv5算法构建轻量化的人体检测器HYOLOv5。基于轻量化二维姿态估计模型Lite-HRNet设计人体姿态特征描述算子,有效地去除背景对人体动作特征的干扰。为有效度量时序人体姿态特征描述算子间的相似度,本研究提出基于动态时间规整的人体姿态特征距离度量,并在此基础上设计基于类别中心选择的动作模板匹配算法。该算法通过少量的动作视频构建动作特征模板库,利用动作模板匹配算法可实现多类动作视频的精准识别。为验证算法,本研究在COCO 2017的Humans数据集上对HYOLOv5进行测试,人体检测识别精度mAP@0.5：0.95可达50.7%。基于10种动作视频数据进行测试,结果表明,本研究所提算法可有效地识别视频序列中的姿态,在每个动作仅包含4个训练数据的情况下,动作识别准确率均可达到91.8%。     

基于姿态角的双Kinect数据融合技术及应用

针对单个Kinect深度图像传感器在人机交互时的骨骼自遮挡所导致的识别精度问题,提出了基于姿态角的双Kinect数据融合技术。首先,通过两台Kinect采集人体关节的数据信息;并做坐标统一化处理;其次,提出了基于姿态角的骨骼数据融合算法模型,同时依据Kinect SDK构建标准姿势特征向量集合;随后,根据骨骼活动度分配对应骨骼贡献度大小,进而计算融合后的姿势特征向量集合与标准姿势特征向量集合的余弦和,实时反馈两者姿势的匹配度,实现人体姿势的识别。通过构建数据融合处理平台,并应用于人体姿势识别,验证了该方法在不影响识别速率的前提下,提高了人体姿势识别的精准度。     

多机器人联合吊运系统可行域分析与求解

针对多机器人共同吊运同一个物体形成闭运动链的协调系统,定义了系统的位置可行域和姿态可行域.在给定系统构型的基础上,根据位移约束、速度关系,建立了系统位置运动学模型和姿态运动学模型,并建立了系统的动力学模型.在得到物体位置和姿态的基础上,分析了系统的位置可行域和姿态可行域,并基于蒙特卡罗算法给出了系统位置可行域和姿态可行域的求解方法.在确定的参数条件下,数值计算得到了系统的位置可行域和姿态可行域.位置可行域和姿态可行域的求解为进一步研究系统的轨迹规划、路径跟踪、稳定性等问题奠定了基础.     

3自由度移动机器人的模糊跟踪控制器设计

在平面目标跟踪过程中，将移动机器人跟踪的目标期望位姿分解为4种位置和方位组合，在分析总结了具有2个可操舵驱动轮的3自由度移动机器人运动特性的基础上，根据自动驾驶控制的专家经验知识，针对4种位姿的要求设计了4个子模糊跟踪控制器，这样大大简化了模糊逻辑推理过程，并减少了计算时间，实现了位置和方位的独立跟踪控制，同时满足了跟踪目标的位姿要求．最后，利用仿真实验验证了算法的可行性和有效性．     

基于无线体域网的人体姿态多级分层识别算法

为解决无线体域网WBAN(Wireless Body Area Network)中人体姿态识别率低、算法复杂的问题, 设计了一种以多层分级理论为基础的人体姿态多级分层识别算法。考虑到使用者的舒适度, 将九轴加速度陀螺仪传感器(VG350) 做成腰带佩戴在腰部实时采集数据。运用加速度向量幅值(SVM: Signal Vector Magnitude)、角度、角加速度和位移等参量, 通过对实际测量数据的分析, 将坐、蹲、弯腰、慢走和跑等姿态进行识别。实验结果表明, 该算法简单, 姿态识别率高达96. 5%。