一种基于列扫描灰度差异的快速目标识别定位算法

以动态连续图像的实时识别与定位为应用背景，提出了一种简单的快速的目标识别定位算法，该算法以列扫描灰度特征差异为基础，同时研究了灰度峰谷点的特征，使该算法不仅可以快速地识别出简单的目标，而且可以快速地识别出比较复杂的目标，最后通过一系列的实验验证了该算法的快速性。     

一种基于手指轮廓特征的目标识别与定位算法

为了提高从背景图像中提取目标的速度和精度,设计了一种基于手指轮廓特征的目标识别与定位算法;该算法利用肤色信息和手指轮廓特征进行目标识别,利用提出的9点快速定位算法进行目标定位。仿真结果表明,该算法能正确识别出手指的特征;并对其进行快速定位。在实物系统上对算法的实时性、识别准确率、定位精度等性能进行了测试,测试结果表明,算法运行时间不超过40 ms,能保证系统对实时性的要求;在无手指状干扰物存在的情况下,目标识别的准确率可达95%以上;定位精度误差小于8 mm,可满足系统对定位精度的要求。这种基于手指轮廓特征的目标识别与定位算法为增强人机交互系统的和谐性提供了一种新的技术途径。     

基于双目视觉的移动机器人动态目标识别与定位

提出了一种双目移动机器人实时动态目标识别与定位方法。该算法首先采用SIFT(Scale Invariant Features Transforms)算法提取目标特征,并结合双目视差特征进行目标匹配;然后通过区域增长方法进行目标区域的提取;最后结合双目视觉标定的模型对目标进行定位。实验结果表明:该方法在摄像机运动-目标运动情况下,能对局部特征未知或特征不明显的动态目标进行有效的识别与定位。     

基于检测识别的实孔径雷达景象匹配定位方法

针对恶劣成像条件下的机场目标实孔径雷达图像匹配问题，提出了一种基于目标检测识别的定位方法，通过线特征滤波预处理和投影变换检测机场跑道线，进一步用模板匹配识别跑道端点以进行定位．对实际图像试验结果表明该算法能够准确定位灰度相关算法难以正确匹配的强噪声、低对比度实时图像，并且具有参考图制备简单，实时性强的特点．     

车牌定位技术研究

车牌识别是智能交通系统的重点研究方向之一,车牌定位是车牌识别的重要技术环节。笔者研究了基于canny算子的边缘检测和数学形态学运算的车牌定位算法,并对算法进行分析验证。结果表明该车牌定位方法准确率较高,有利于车牌识别。     

移动机器人门牌号识别算法研究

以门牌号为对象，利用现代图像处理技术，研究移动机器人门牌号识别算法．将彩色图像转换成R-G图像，利用正交投影获得了门牌号定位．基于大津阈值分割方法，提出了图像二值化阈值选择算法．针对细化后的二值图像，综合利用端点、叉点、欧拉数和端点斜率，提出了门牌号识别算法．仿真结果证明了所提算法的有效性。     

基于双目立体视觉的目标识别与定位

为从不同角度识别目标物体以及解决左右两幅图像中目标轮廓中心不匹配的问题, 将SURF(Speeded Up Robust Features)算法与GrabCut 算法相结合, 离线采集目标物体不同角度的图像, 生成目标模板图片库。利用SURF 算法完成目标物体的识别; 利用SURF 算法自动初始化GrabCut 算法, 实现目标轮廓的提取; 利用基于灰度相关的区域匹配算法完成目标轮廓中心点的匹配, 结合三维重建原理实现目标定位。实验结果表明, 该方法可以成功识别目标物体并对目标物体进行准确定位。     

基于RFID的室内人员定位系统的设计与实现

为满足室内人员定位的需求,设计了一种基于射频识别(RFID)技术的室内人员定位系统,在融合区域定位和接收信号强度的室内定位算法的基础上,该系统采用三级网络结构,利用CAN总线进行数据传输;描述了该系统的三级网络结构,最后以C#为开发语言,利用串口通信和Access 2003数据库实现了可视化控制管理软件的设计.该系统利用RFID技术,可以实现对室内人员简单快速的定位、跟踪、查询.     

视觉动态目标识别研究进展

近年来,基于计算机视觉的动态目标识别的研究和应用逐渐成为热点问题,通过介绍国内外基于计算机视觉的动态目标检测、确认、定位等领域的研究进展,展望目标识别的发展趋势.首先介绍目标识别过程中的典型方法,然后对基于计算机视觉的动态目标识别算法进行分类,接着对各种方法中采用的不同算法技术进行阐述,并分别介绍了各类别中具有代表性的算法及其优缺点,最后就动态目标识别领域的研究难点及发展趋势进行了简要论述.     

电表图像中多条码的定位与识别

根据条形码的平行、密集等特性,设计了一套在电表图像中对多条条形码进行定位并且逐一识别的算法,可用于抄录条码的人工智能设备,该算法主要分三部分,分别是条码定位、条码抽取和条码识别．其中条码定位和条码抽取的算法,是根据条形码的平行和紧密的形态特性而设计;而条码识别在条码抽取的基础上利用组合计算条和空的宽度比例．实验表明,本文算法能够对图像中多个条形码进行准确且快速的定位,并且能逐个识别和校验。     

结合特征点匹配的在线目标跟踪算法

提出一种结合特征点匹配的目标跟踪算法.首先,通过显著区域跟踪方法,解决算法对初始化目标框大小敏感的问题,提高样本选取质量,并降低背景杂波对跟踪器的影响.其次,采用中值流法跟踪和特征点匹配相结合的方法估计目标的尺度变化,并通过层级聚类方法剔除干扰点,解决跟踪器漂移及目标平面旋转跟踪失败等问题.最后,提出一种简单的检测器自适应尺度快速搜索目标方法加快检测速度.结果表明:所提方法有效地提高了TLD目标跟踪算法的跟踪鲁棒性,并在标准数据集上得到了很好的效果.     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.     

基于旋转FHOG-LBP特征旋翼无人机动态检测算法

针对旋翼无人机通过视觉准确、快速检测其他旋翼无人机存在的问题,提出基于旋转FHOG-LBP动态检测算法。首先,针对旋翼无人机特有的外形和运动状态,通过形成的样本库建立外部结构模型;其次,将方向梯度直方图(HOG)进行傅里叶变换(Fourier),使其具有快速旋转不变性,在局部二进制模式(LBP)上加入角度旋转偏移值,进行串行融合得到旋转FHOG-LBP特征,使用支持向量机递归特征消除算法(SVM-RFE)进行训练,并使用滑动窗口的检测算法对目标进行检测;最后,通过无人机动态目标测试集进行了实验,实验结果表明,提出的动态检测算法比传统方法精度和时效提高。因此,该方法可以解决具有动态变化或旋转变化的目标检测困难的问题。     

鹰眼系统运动目标特征参数精确提取算法

鹰眼系统在赛场上可对球类运动轨迹进行跟踪和记录并在辅助裁判对边界球的判罚中起着重要作用,然而由于网球提取过程存在目标小、飞行速度快、光照变化、广告字符以及其他的运动物体影响的问题,网球特征参数提取精准度有待进一步提升。针对这些问题,提出了一种鹰眼系统运动目标特征参数精确提取算法,该算法利用网球色彩一致性较好的特点,根据彩色训练获取网球色调的范围,在HSV色彩空间中对网球图像进行颜色分割,减少背景图像的干扰,采用帧间差分与混合高斯模型融合算法对网球图像进一步分割获取运动目标,对分割后的二值图像使用Sobel算子提取边缘信息减少后续目标圆检测的运算量提高效率,采用Hough圆变换检测轮廓边缘信息完成网球圆心和半径参数的精确提取。实验结果表明,该特征参数提取算法拟合准确率高、相对偏差小,具有一定的实际应用价值。     

探地雷达目标检测中的加窗统计量定位方法

 目标检测与定位是探地雷达的一个重要问题。目前,多数检测与定位方法都是通过判断探地雷达信号中的双曲线特征实现的。在检测目标大致区域的基础上,要实现目标定位,无论是合成孔径算法还是叠加-幅度波速法,都存在计算量大的问题。现有的统计量方法还需依赖霍夫变换方法检测出双曲线,算法也较复杂。根据探测背景介质结构相似及在探测方向上利用整个A-scan进行统计量计算干扰较大的特点,提出了一种探地雷达目标快速定位方法。首先以能量和方差为统计量,在深度方向上判断出目标区域的时间窗口,而后在探测方向对A-scan加窗,只选择该窗口下的部分A-scan数据,以能量为统计量确定目标的位置。由于仅采用方差、能量两个统计量进行计算,算法实现比较简单,并且采用时间加窗方法去除了回波数据上大部分与目标无关数据的干扰,对目标的定位准确度较高。实测数据表明,该方法适用于探地雷达目标检测中对目标的快速准确定位。     

一种时空特征融合的鲁棒视觉跟踪算法

针对视觉跟踪在复杂背景下因外观特征表征不足等原因造成的目标丢失问题,结合深度光流网络估计的运动特征,文中提出了一种基于时序信息和空间信息自适应融合的视觉跟踪算法。该算法在相关滤波跟踪框架基础上,引入递归全对场变换（RAFT）深度网络估计光流以获取目标的时序信息,提取目标的CN特征和HOG特征获取空间信息,然后融合目标时序信息和空间信息,以增强对目标时空特征的表征能力;其次,建立了一种跟踪结果质量判别机制,实时调整时序信息在融合过程中的权重, 有效提升了算法在复杂动态环境下的泛化能力。为评估算法的有效性,在OTB100和VOT2019两个数据集上进行了测试,实验结果表明,与主流视觉跟踪算法相比,所提算法的跟踪性能获得了显著提升,尤其在运动模糊、快速运动等属性的视频中,具有明显优势。     

一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法

针对机器人伺服抓取中对定位精度和实时性均要求较高的问题, 提出一种特征匹配及目标定位快速算法. 首先, 采用Shi-Tomasi检测算法提取特征点; 其次, 提出一种新的特征描述子定义方法： 先以特征点为中心截取子图像, 利用二维Gauss函数偏导数确定特征方向, 再根据特征方向对局部图像做旋转处理, 提取旋转后标准局部图像局部二值模式作为特征描述子, 该描述子具有良好的局部性以及平移、 旋转不变性; 最后, 通过计算特征描述子间的Hamming距离实现特征匹配, 估计单应性矩阵, 定位目标在场景中的位置和方向. 实验结果表明, 该算法匹配速度快、 定位精度高、 稳定性好, 能满足机器人伺服抓取中定位精度和实时性的要求.     

无定形区特征增强全景分割算法

针对UPSNet全景分割算法在目标分割过程中存在对无定形区目标分割精度不高的现象,提出一种无定形区特征增强的UPSNet全景分割算法APS。该算法引入空洞卷积,采用自下而上的方式构建特征融合结构,使无定形区特征得以增强,解决无定形目标特征不显著问题,提高语义分割效果,进一步提高全景分割精度。经仿真测试,该算法对道路、草地等无定形目标分割效果均有提高,在COCO数据集上的检测结果与UPSNet相比,SQ值提高4.75%,适合应用于无人车和移动机器人等场景。     

基于特征差异性的荧光磁粉探伤图像分割算法

为实现目标信息与伪信息的有效分割,提出一种融合了梯度法与阈值法的荧光磁粉探伤图像分割算法.以荧光磁粉图像中目标信息与伪信息的梯度特征差异为主要判据,设计了图像分割算法.滤除与目标信息的灰度特征最接近的伪信息,结合阈值法提取目标信息.主要选取梯度特征为分割判据,有效弥补了纯阈值法通用性差的缺陷.在集成了OpenCV的VC环境下进行了算法调试实验,结果显示:目标信息与伪信息的梯度特征差异显著,去除高梯度值的伪信息后,目标信息与背景信息的灰度特征差异明显,结合阈值法可以实现准确提取.     

基于小波分析的人脸图像特征提取

人脸图像特征提取是人脸识别的基础,采用小波分析技术,提出了一种快速的、具有良好鲁棒性的人脸图像特征提取方法。应用小波分析良好的时频局部化特性和多分辨率特性,选用合适的小波基对人脸图像进行小波变换．得到体现人脸特征的小波高频细节;经过水平和垂直投影运算,定位出眼睛对、鼻子、嘴唇和双颊等重要的人脸图像特征;再结合人脸的FAP参数集,确定出人脸识别所需要的人脸关键特征。实验结果表明,该方法具有较好的实时性和鲁棒性。