一种快速高效的手势跟踪识别方法

为了降低识别复杂度, 提高识别效率, 实现手势的快速高效跟踪, 提出一种分情况检测思想和搜索框概念。首先对图像进行细检测, 得到目标的准确位置, 然后通过粗检测与跟踪相结合的方式进行目标跟踪, 并对跟踪结果进行修正和可信度判断。实验结果显示: 算法对图像手势的平均检测跟踪正确率可以达到 97.36%, 且保证平均漏检率在5%以下, 对各种外界因素具有较好的鲁棒性; 算法对视频图像的处理速度达19.42 帧/秒, 满足人机交互系统中的实时性需求; 与TLD 算法相比, 本算法在处理速度上有数量级的改善, 算法结果的正确率也有明显优势。     

应用于行人检测的HLBP与CHLBP纹理特征

根据CSLBP (center-symmetric local binary pattern)和Uniform LBP (local binary pattern)特征描述行人局部纹理互补性的特点, 提出将二者级联的组合特征用于行人检测: 基于灰度图像的纹理特征(hybrid local binary pattern, HLBP)和基于颜色空间的纹理特征(color based hybrid local binary pattern, CHLBP)。实验结果表明, 当FPPW=10^–4时, HLBP特征的检测率为93.96%, 与Uniform LBP和CSLBP特征相比分别提高3.46%和9.68%, 基于颜色空间L′C′C′与HIKSVM分类器结合时的检测率高达98.58%。与传统的纹理特征检测方法相比, 该特征提高了行人检测精度, 降低了误检率, 检测性能得到较大幅度的提升。     

基于Adaboost方法的车载嵌入式疲劳驾驶预警系统

提出一种基于Adaboost的实时算法, 并应用于车载嵌入式系统。用红外光源和红外摄像头获取驾驶员的视频图像, 对其疲劳状态进行监控。首先通过人脸检测定位驾驶员的人脸, 然后提取人眼区域并对人眼闭合状态进行判断, 基于PERCLOS标准制定了相应的预警机制, 对潜在的疲劳驾驶进行判断并预警。该算法从PC移植到嵌入式平台并根据实验进行了优化, 先后制作了多个车载嵌入式装置进行实车测试, 达到了大于92%的准确率和少于1.5 s的判断响应时间。实验装置稳定可靠, 可实际应用于营运车辆。