基于多分类器融合的多姿态人脸检测方法

针对复杂背景的彩色图像中复杂姿态人脸的检测问题提出了一种基于多分类器融合的人脸检测方法.首先使用AdaBoost层叠式算法分别训练正面人脸分类器和侧面人脸分类器,将正面人脸检测结果和侧面人脸检测结果相融合得出可能包含人脸的候选区域,然后使用YCbCr空间的肤色统计模型在这些候选区域中进一步验证人脸.该算法既利用了不同姿态人脸分类器的信息融合,又利用了人脸灰度纹理特征和人脸肤色信息的融合,对人脸姿态和图像背景有较强的鲁棒性,而且处理速度很快.实验结果表明,方法可以有效提高对复杂姿态人脸的检测概率,并显著降低虚警检测概率.     

复杂背景下的人脸定位拍摄

提出了一种在复杂背景下基于肤色和模板的人脸检测方法和基于图像梯度代价函数的自动对焦方法 ,并设计完成了一个实际系数 ,将运动补偿、人脸检测、人脸跟踪、机械控制、自动对焦、数据压缩等多项技术进行综合 ,实现了复杂背景下的人脸检测、定位、对焦和拍摄。实验结果表明 ,本系统在复杂背景下能取得很好的效果     

增强现实系统中自适应光照调节技术研究

增强现实系统中要解决的关键问题之一是光照一致性,它是确保虚拟物体表面光照效果真实感,使其能和真实环境很好的融合的关键.系统中必须配合真实光源的情况,在虚拟物体上制作出明暗、反射、阴影等光照效果.通过对光照一致性问题以及由光照引起的相关问题的研究,引出了光照模型理论,推导了基于镜面反射的光照检测方法,研发了一个自适应的光照调节系统,较好解决了虚实场景的光照一致性,并且成功地将自适应的光照调节系统应用在基于投影的AR系统中,得到了良好的视觉效果.     

基于图像的脸部模型调整及表情动画技术研究

采用一种基于图像的三维人脸模型主动调整方法,实现了三维特定人脸模型的真实感重建和表情动画生成。通过特定人脸的正面和正侧面图像上的93个人脸表情特征点,采用整体调整及基于径向基函数插值的局部调整方法对通用三维人脸模型进行几何调整,并利用变形拼接及多分辨率图像融合技术生成无缝的人脸纹理镶嵌图,实现具有真实感的三维特定人脸模型重建。改进了人脸肌肉物理模型并结合弹性约束模型,避免了在表情动画处理中由于肌肉收缩力过大导致网格三角片毁坏而破坏人脸的拓扑结构问题,其局部网格动态细分策略,使生成的表情动画更加细腻。     

一种人脸图象线性变换模型及其识别应用

在不同光照条件下同一个人脸的成像会有较大差异，这种差异的存在给人脸自动识别带来较大的限制。文中基于合理的假设，提出一种人脸图象的逐点变换模型。该模型简单易行，且能有效减少同一人脸在不同光照条件下的成像差异。在YaleB人脸图象库与AR人脸库上的对比实验表明了该模型的有效性与可行性。     

基于主动视觉的人脸检测与跟踪算法研究

基于融合Kalman滤波的Camshift算法与Adaboost算法相结合的方法,提出了一种基于主动视觉的人脸检测与跟踪算法.利用Adaboost算法与融合的Camshift算法实现人脸自主检测与跟踪;根据目标形心与视场中心的位置关系以及人脸区域与视场的面积关系,设计了云台控制算法.该控制算法通过对云台摄像机进行水平、垂直和变焦控制,达到自动调整云台摄像机参数的目的.基于硬件平台对所提出的主动视觉算法进行实验验证,实验结果显示,主动视觉算法具有较高的运行效率,能够实时的检测和跟踪人脸目标,扩大了摄像机的跟踪范围.     

基于多尺度哈尔小波变换的三维人脸识别方法

提出一种基于多尺度哈尔小波变换的三维人脸识别方法.首先将三维人脸模型的上半张人脸区域经过平面参数化和线性插值方法映射至几何图像,然后利用多尺度哈尔小波变换把几何图像分解为不同尺度下包含不同频率、不同方向人脸信息的频域分量,根据实验确定垂直低频分量具有表情不变性并将其线性组合作为人脸特征.在FRGC v2.0数据库中进行的三维人脸识别实验与三维人脸认证实验分别得到了98.81％的Rank_1识别率以及97.2％的正确认证率(错误接受率为0.1％).     

基于特征人脸和肤色统计的人脸检测

提出一种在视频中检测人脸的新方法,该方法首先用特征人脸检测第一帧画面中人脸的位置和大小,将它作为卡尔曼(Kalman)滤波的初始值和肤色分布统计的训练样本,然后利用卡尔曼滤波预测人脸,最后用肤色分布模型确定人脸,就可以检测到人脸。这种方法的优点是可以在复杂背景下快速准确地检测到人脸位置和大小。实验结果表明使用该方法可以实时准确地检测到视频中的人脸。     

基于ESPRIT-LS的幅相补偿参数估计算法

幅相补偿是多频带雷达信号融合一维距离成像中的关键问题,其补偿的精度直接影响了信号融合的最终效果。分析了多雷达信号融合中的幅度相位模型,并基于旋转不变技术提出一种新的幅度相位补偿参数估计方法。该方法首先对幅相补偿模型进行预处理,使得处理后的阵列导向矢量具有旋转不变特性,然后采用ES-PRIT-LS算法同时估计多个雷达的幅相补偿参数。仿真结果表明该算法具有较高的估计精度,受噪声影响较小。     

基于Keystone变换的警戒雷达信号处理

增加积累时间是提高检测微弱目标能力的一种重要手段。为了实现警戒雷达对高速运动微弱目标的探测,提出了一种新的雷达信号处理方法。利用Keystone变换补偿长时间积累和目标高速运动导致的跨距离单元走动,使目标能量得到有效积累,并通过数据融合解多普勒模糊,实现对目标的有效检测和参数估计。该方法可以用于对不同距离和速度的多个目标长时间相参积累和检测,同时,随着脉冲积累个数的增加,提高了测速精度。多目标仿真的结果验证了该方法的有效性。     

A hypersonic target coherent integration detection algorithm based on Doppler feedback

The traversal search of multi-dimensional parameter during the process of hypersonic target echo signal coherent integration,leads to the problem of large amounts of calculation and poor real-time performance.In view of these problems,a modified polynomial Radon-polynomial Fourier transform(MPRPFT)hypersonic target coherent integration detection algorithm based on Doppler feedback is proposed in this paper.Firstly,the Doppler estimation value of the target is obtained by using the target point information obtained by subsequent non-coherent integration detection.Then,the feedback adjustment of the coherent integration process is performed by using the acquired target Doppler estimation value.Finally,the coherent integration is completed after adjusting the search interval of compensation.The simulation results show that the algorithm can effectively reduce the computational complexity and improve the real-time performance on the basis of the effective coherent integration of hypersonic target echo signals.     

基于分段复合的运动点目标序贯检测算法

低信噪比条件下图像序列中运动点目标的检测问题是多维图像处理与目标识别领域的一个难点。本文首先给出了该项研究的前提条件，指出了问题的主要矛盾；然后针对序贯假设检测的基本方法，提出了一个改进的实现框架；最后针对仍存在的问题，提出了对序列先进行分段，并对分段复合，再利用复合帧进行序贯检测的方法。这里引入了分段复合技术，给出一种分段复合方法。该算法层次分明，时空复杂度适中，是国内性能较优的一种算法。     

基于CAF相参积累的多载波信号时频差估计算法

多载波信号具有丰富的频域信息,相参积累能够拓宽信号的有效带宽,克服单载波信号带宽窄导致时差(time difference of arrival,TDOA)、频差(frequency difference of arrival,FDOA)参数估计精度不高的问题。以多载波信号的检测定位为背景,研究了基于多个载波信号互模糊函数(cross ambiguity function,CAF)相参积累的TDOA/FDOA参数估计算法,为多载波信号的无源定位提供高精度的定位参数估计方法。基于接收信号模型,推导了多载波信号的互模糊函数,从TDOA/FDOA两个维度分析了不同载波信号CAF的相位关系,通过相位补偿实现了多载波信号CAF的相参积累,并从理论上分析了TDOA/FDOA参数估计的性能改善情况。蒙特卡罗仿真表明,提出的多载波信号相参积累TDOA/FDOA估计算法性能明显优于单载波信号的估计性能,性能改善情况与理论分析一致。     

基于动态规划的雷达微弱目标检测

微弱目标检测和跟踪是雷达信号处理领域中一个急需解决的关键问题,提出了一种将相参积累与基于动态规划的检测前跟踪算法相结合的雷达微弱目标处理方法,在该算法中引入方向加权的思想,减小动态规划的能量扩散范围,并采用两级门限检测方法降低运算量。仿真数据和实际测试数据处理结果表明,此算法对雷达微弱目标的检测性能优于传统方法,可以有效实现低信噪比下目标的检测与跟踪,且其处理速度较传统检测前跟踪方法有一定提高,更利于工程应用。     

图像光照补偿方法的研究

为了有效弱化光照对图像内容的影响,对现有的Gamma矫正方法进行了分析。并在计算复杂度不变的情况下,对原来的非线性函数进行了改进,构造了更合理的Gamma矫正曲线,使Gamma矫正方法的性能得到提高。针对彩色图像中的光照补偿问题,比较了基于不同彩色模型的处理方法。实验结果表明,本方法在弱化光照影响、提高图像质量方面具有良好的性能。     

分布式OFDM-MIMO雷达非相参积累目标检测方法

针对目标雷达截面积(radar cross section, RCS)空间起伏,不易于常规雷达进行长时间积累检测的问题,结合正交频分复用(orthogonal frequency division multiplexing, OFDM)波形与分布式多输入多输出(multiple input multiple output, MIMO)雷达的特点,提出了一种基于分布式OFDM MIMO雷达的非相参积累目标检测方法。该方法使获得的多路回波信号短时间内非相参并行处理,削弱了长时间积累、复杂的相位补偿以及RCS快起伏对检测性能的影响,有效实现了多个目标的积累和检测。仿真结果证实了提出方法的有效性。     

基于价值导向策略的时延预测补偿算法

针对工业控制模型的复杂化以及由此引起的时延叠加问题,利用预测思想,以解耦子系统为模型,采用动态矩阵控制(DMC)算法作了分析,同时充分考虑了子系统间的关联,采用价值导向策略优化调度算法,使控制作用快速平稳过渡,并在此基础上提出了针对复杂系统的时延预测补偿算法(TDCDMC)。由于时延导致了控制作用无法及时跟踪系统变化,引入了补偿因子和过渡因子在线整定预测控制量和时延控制量,对于突变频繁的时延系统亦能迅速跟踪输入。仿真结果表明,这种改进算法的时延补偿性能良好,保证了控制的稳定性和快速性。     

基于系统仿真的故障检测与辨识技术研究

将系统仿真技术应用于故障检测与诊断 ( FDD) ,提出了通过实测信息的在线交互解决理论轨线偏差的思想 ,建立了基于系统仿真的 FDD逻辑结构 ,针对 MIMO系统和线性动态 -测量系统构造了具有良好统计性质的故障辨识算法 ,为故障检测、故障辨识、故障时间确定和故障模式识别提供了新的技术途径 .本文的思想和方法不但可用于 CVDS的故障检测与诊断 ,对大规模复杂系统故障分析也具有供鉴和参考价值.     

基于观测器的CAN网络在线时延补偿策略

网络时延问题是网络控制系统中的主要问题。为了解决网络时延给控制系统带来影响的问题,首先分析网络时延的产生及其可能的取值特性,在网络时延统计特性信息的基础上,从通信技术和控制技术相结合的角度出发,提出了一种基于观测器的在线时延补偿方法。通过CAN bus网络控制实验平台,分析了该补偿方法的有效性。实验结果表明,在网络延迟大的控制系统中该策略仍具有良好的控制效果。