基于决策树的驾驶疲劳等级分析与判定

为了提高疲劳检测的精度,通过驾驶模拟试验采集了15位中青年有经验驾驶员的车辆横向位置、方向盘操控、眼动等多源数据并计算疲劳特征指标,同时采集驾驶员主观疲劳程度并通过视频回放进行校核,在此基础上建立疲劳等级与特征指标的决策树模型,结果表明,对于区别疲劳等级最显著的变量有闭眼时间比例(percentage of eye closure,PERCLOS)、车道偏移标准差、越线时空面积、方向盘反转率,且上述变量与疲劳等级呈正相关;PERCLOS为最优的疲劳等级划分变量,并获取了2个重要阈值:当PERCLOS小于2.8%时,驾驶员处于严重疲劳状态的比例为零;当PERCLOS大于21.9%时,驾驶员处于未疲劳状态的比例为零;该模型预测的总正确率为64.31%.为了校验模型,从15位驾驶员中随机选取了4位进行模型校验试验.校核结果表明该模型的正确率达63.22%.模型在2次试验中都未发现将严重疲劳识别为未疲劳的情况.     

汽车车身涂膜缺陷的计算机视觉检测方法

将计算机视觉检测技术应用于汽车车身表面涂膜缺陷的检测,根据汽车涂膜及涂膜缺陷的特征,提出了侧向照明方式,获取了特征明显的涂膜缺陷图像．针对汽车涂膜缺陷边缘模糊,传统的微分检测算子无法有效检测的情况,提出了基于图像中心化和图像去背景操作相结合的检测分割算法,算法原理简单,性能稳定,能够有效检测出绝大多数涂膜缺陷的模糊边缘．     

应用计算机视觉的动态手势识别综述

从手势识别系统框架模型、手势分割、手势建模与分析和手势识别等几个方向,系统地综述当前计算机视觉动态手势识别技术的研究现状,分析其存在的不足,提出了进一步研究的问题.结果表明:基于简易可穿戴设备的手势识别、基于深度视觉传感器的手势识别和多方法交叉融合的手势识别将是未来该领域的发展趋势.     

高速公路路面识别技术研究

根据高速公路路面的基本特征,通过分道线特征点投影位置的计算,提取出了比较完整的当前车道分道线特征点。建立道路边缘灰度模型,采用Gabor变换多分辨率的特点,对图像按方向进行滤波处理。实现道路边缘线检测和拟合。实验结果表明,所讨论的方法在工程实践中有实际应用价值。     

多角度视频的驾驶人员行为识别

驾驶员在行驶过程中看手机,与乘车人员交谈等违规行为,为安全行驶造成了极大的隐患。为了解决此 类问题,提出了一种多角度行为识别方法,从3 个角度同步捕捉驾驶员行为的视频,构建多角度驾驶员行为的 视频和数据集,利用深度卷积神经网络,进行识别分类。实验结果表明,3D CNN 相对于2D CNN 的识别精度 更加准确,在对比输入剪辑的帧数实验中,发现堆叠的视频帧数会影响准确度,并在具有较大优势的R2plus1D 模型中( 将3D 卷积滤波器分解为单独的空间和时间分量) ,基于多角度驾驶人员行为识别精度达到87%。     

基于穿戴视觉的人手跟踪与手势识别方法

为了解决人与穿戴计算机的自然交互问题,提出了一种基于穿戴视觉的人手跟踪与手势识别方法.该方法以Icondensation算法为基础,综合利用穿戴视觉系统输出的深度和灰度信息进行人手跟踪,并引入了手势变换模型.该模型可以在几种预先定义的手势之间进行动态变换.实验结果表明,该方法可以有效地实现动态和复杂背景下的人手跟踪与手势识别,为穿戴计算机系统提供自然友好的手势交互途径.     

基于计算机视觉的储备粮智能稽核方法

针对现有粮食数量检测方法称量法和主动视觉法存在用时多、 设备成本高等缺点, 以及图像识别法存在匹配精度低、 三维重建多面性等不足, 提出一种新的基于激光测距及三维重构技术的散装仓粮食数量识别方法。概述了现有基于图像识别的检测方法的实现过程, 对提出的方法进行了理论分析。最后论述该方法的优越性。     

基于计算机视觉的驾驶员疲劳状态检测预警技术研究

疲劳驾驶是造成交通事故的主要原因之一,为提高驾驶员疲劳驾驶状态的智能化检测水平,提出一种基于计算机视觉的面部多特征疲劳驾驶检测算法。该算法采用多线程优化后的Dlib（图像处理开源库）实现对驾驶员面部的定位与追踪,利用Dlib开源库中的人脸关键点检测器对驾驶员面部关键特征点进行提取,实时计算驾驶员眼部的纵横比（EAR）和嘴部长宽比（MAR）,并以自制视频流数据集作为实验样本计算出相关阈值,有效提高了检测算法的普适性,在此基础上,计算出眨眼频率、闭眼次数、眼睛闭合时间百分比（perclos）以及打哈欠频率这四个反映驾驶员疲劳状态的指标,并利用数学方法进行指标实时融合,根据融合指标的数值对驾驶员疲劳状态进行分级,最终通过实验验证该疲劳检测系统的准确性。结果表明,提出的综合疲劳指标能够准确反映在不同环境和光照下驾驶员的疲劳状态和发展趋势,驾驶员疲劳判定的正确率达到97.5%以上。     

基于计算机视觉的排爆机器人设计

本设计基于单片机及计算机视觉技术,完成了一个新型排爆机器人的制作．单片机作为系统检测和控制的核心。负责控制机器人平台及摄像头云台．应用了最新的计算机视觉技术（OpenCV）,该技术可实现目标的识别,识别出爆炸物,从而控制摄像头云台实时跟踪,传回所需爆炸物的图像信息,达到使操作员简洁快速排爆的目的．     

模型基计算机视觉中的假设－验证策略

本文提出了一种以层次化假设－验证为识别策略，基于模型的计算机视觉方法（ＭＢＣＶ），这种方法将ＭＢＣＶ与立体视觉结合在一起，互补相益。进而提出了由初始假设、姿态估计、高层验证和低层验证４部分组成的实施方案，本系统具有两个突出的特点：一是系统不苛求低层处理，能一次提取大量信息以支撑高层识别；二是强的系统容错能力，这两个特点大大减轻了低层处理的压力，并且改善了鲁棒性，实验证明，本系统在带噪和遮挡情况下都能正常工作。     

基于短时心电信号的疲劳驾驶检测算法

心率变异性分析是最常用的一种基于心电信号的疲劳驾驶检测方法.然而,该方法需要被检测信号时间足够长,且准确率较低.因此提出一种基于短时心电信号的疲劳驾驶检测算法.首先,按照30s的时长截取短时心电信号序列,利用差分阈值法确定R波位置,根据R-R间期差值大小剔除不合格的噪声样本;然后,计算R-R间期序列的时域/频域特征并与利用ImageNet数据集预训练的深度卷积神经网络模型提取的特征相结合;最后,设计了一种随机森林分类器并基于这些特征进行分类.结果表明,该算法在疲劳驾驶检测上具有良好的分类效果,平均准确率达到91%.因此,相较于心率变异性分析方法,本算法检测所需心电信号更短,且在准确率上具备显著优势.     

计算机视觉技术在水产养殖中的应用

介绍了计算机视觉技术的概念及其系统组成,综述了计算机视觉技术在鱼种及形状识别、鱼只计数、鱼体尺寸和重量测量、投饵监控和鱼的行为监测中的应用。     

基于计算机视觉技术的手形手位跟踪方法

研究一种实现手形手位跟踪方法的计算模型。方法基于计算机视觉技术,实现采集手的运动 图像,在手上设置标志使跟踪识别问题简化,读取图像像素的Ｒ,Ｇ,Ｂ值,根据红色和绿色标志点阈值判断标志点位置。结论与结论该方法降低了对硬件的要求,提高的实时性和可靠性,克服了现有虚拟现实手套的沉重,累赘运动不灵活等缺点,可作为人机互工具应用虚拟现实中。     

带计算机视觉校正的示教再现控制

提出了一种带计算机视觉校正的示教再现控制方案 ，应用在自动浇注系统中，为示教再现控制应用于变化缓慢的时变复杂系统提供了一种新的方法。该方法用计算机视觉监视复杂被控对象的变化，经图像处理后，在线修正示教再现的参数。实践证明该方法是有效的。     

基于计算机视觉技术的微钻刃面自动光学检测

为了实现微钻刃面尺寸和缺陷的自动光学检测,建立了影像检测系统并研究其图像处理算法.根据微钻刃面的特征,设计了专用的照明系统来获取清晰的、变形小的微钻刃面图像.采用改进的小核值相似区边缘提取算法对图像进行边缘提取,并对所提取的边缘采用基于空间矩的亚像素算法进行图像边缘的亚像素定位,然后采用直线和圆弧拟合等一系列算法对微钻刃面图像进行尺寸计算和缺陷检测.实验结果表明:自动光学检测方法的准确率达到了99.5%,微钻的检出精度达到了微米级,说明该方法能够满足微钻刃面尺寸测量和缺陷检测的要求.     

大型物料堆体积的计算机视觉测量方法

提出一个由CCD摄像机、图像采集卡和微机构成的计算机视觉测量系统用来测量形状不规则的大型物料堆的体积。该系统通过拍摄大型物料堆的图像以及对图像数据的采集和分析，进行三维重建，定量计算大型物料堆体积。实验证明，其测量误差小于5％，适用于测量火力发电厂煤堆和其他大型物料堆的体积。     

基于机器视觉技术的射击训练系统

简述了机器视觉图像识别技术在射击训练中的应用,并从硬件、软件组成及工作流程等方面对其进行了系统介绍,系统完成后可降低射击训练成本,提高报靶速度、精度。     

基于计算机视觉的钢轨磨耗自动测量技术的研究

在各种决定钢轨伤损的参数中,钢轨头部的磨耗值是最主要的参数之一.钢轨磨耗是否超限直接决定钢轨是否需要更换或打磨,因此,精确快速地测量出磨耗值对于钢轨的维护及行车安全是非常重要的.本文讨论了光取断面法在钢轨磨耗的自动测量系统中的应用,全面地阐述了系统的工作原理及解决方案.实践证明:本系统具有实时测量、速度快、精度高等特点.     

基于双目视觉的物体识别定位与抓取

为解决目标识别精度低、定位与抓取配合困难问题,通过对算法的改进研究了物体的识别定位与抓取,包括识别目标物体、对于目标物体形心的位置三维重建、对于目标物体的姿态估计、对于手眼标定后的抓取4个方面。在目标识别中,首先通过快速鲁棒特征(speeded up robust features,SURF)算法结合Grabcut算法提取出目标。在位置求解中,利用模板匹配求取目标物体形心的世界坐标。在姿态估计中,算法的流程为:利用匹配点对求取左图中物体母线斜率,再随机取斜率等于左图母线斜率的两点,通过两点的世界坐标求出目标物体的姿态。在抓取中,采用的眼在手上,先建立工件坐标系,再进行坐标转换,通过机器人参数求得逆解。研究结果表明:误差均在较小范围内且机器人可在有效工作范围实现抓取。可见算法可靠以及整体实验的正确性。     

基于视觉与超声技术机器人自动识别抓取系统

提出了满足机器人装配作业中对工件进行可靠识别与抓取的信号处理技术及检测方法,对痛准确描述物体形状的特征提取方法进行了研究,设计了一种基于视觉与超声技术的机器人自动识别与抓取系统的结构,并在机器人装配作业平台上进行了物体识别与抓取的实验研究。