基于图像处理的目标物体最大内接矩形面积检测

目标物体最大内接矩形的检测对生产矩形产品的工厂意义重大.目前的裁定手段都是人工实现,存在主观性强、效率低、精度差等缺点.研究了基于图像处理的遍历法、中心扩散法检测目标物体最大内接矩形;并结合两种方法提出一种新的检测方法:遍历中心扩散法.实验结果表明:遍历法对噪声具有很强的鲁棒性;但对凹面物体十分敏感.中心扩散法适用性较好,但检测的准确性不高;而遍历中心扩散法既有较强的鲁棒性,又拥有较高的准确率,其检测准确率均达到90％以上,实现了目标物体最大内接矩形的高精度检测.     

基于激光雷达的车辆跟踪与识别方法

提出了一种基于激光雷达的车辆跟踪与识别方法.该方法采用Kalman滤波实现目标跟踪,运用坐标变换法消除不同数据帧中物体形状差异对跟踪中心的影响,结合车辆矩形投影及速度特征识别车辆.针对由于遮挡或某部分反射率低而引起的目标分割现象,提出了一种结合车辆外形与轮廓特征的聚类合并算法.仿真实验表明,该算法精度高、实时性好且鲁棒性强.     

沥青混合料骨架细观接触的高通量计算

为实现沥青混合料骨架细观接触的高通量计算，首先提出了近邻列表法与改进的窗搜索法两种接触计算方法；然后，使用4种（AC13、AC16、OGFC13及SMA13）沥青混合料对比了两种新方法与遍历法、窗搜索法及iPas软件在计算精度与效率方面的差异，采用虚拟试件研究了可实现计算速度与精度均衡的图像分辨率范围；最后，就高通量计算方法的适用性进行了验证。结果表明：近邻列表法可避免遍历法不可能发生接触集料对的冗余接触计算，改进的窗搜索法通过形态学膨胀处理即可完成传统窗搜索法环扫一周的目的；近邻列表法、遍历法、窗搜索法、改进的窗搜索法及iPas软件尽管计算原理存在差异但具有一致的精度；不同计算方法的计算效率排序为近邻列表法>遍历法>改进的窗搜索法>iPas软件>窗搜索法；图像分辨率的降低会提高接触计算的速度但是会降低接触点计算结果的准确性，综合考虑精度与效率的要求，图像分辨率范围处于0.05～0.075 mm/pixel时可实现计算速度与精度的均衡；近邻列表法能有效地实现沥青混合料骨架细观接触的高通量计算。     

一种改进Harris角点检测的目标跟踪方法

针对传统粒子滤波目标跟踪算法在目标被遮挡或背景色与目标相似情况下出现目标跟踪定位偏差大甚至丢失目标的缺陷,本文提出一种改进的Harris角点检测的目标跟踪方法.该方法首先提出一种改进Harris角点检测算法,利用双阈值法,选定1个大阈值和1个小阈值,从而极大的减少了角点数量,并利用SUSAN思想去除伪角点;然后依据HSV颜色模型对环境光照变化不敏锐的特点,对检测到的角点建立HSV颜色模型,以鼠标所选定的矩形中心,矩形宽度和矩形高度作为状态量,以HSV颜色直方图作为观测值,建立合适的粒子滤波算法数学模型,实现对目标的有效跟踪.实验结果表明:即使在目标与背景颜色相似或被遮挡的情况下,该算法仍然能够准确的跟踪目标,达到降低环境因素对目标跟踪影响的目的.     

将中缀表达式转换为前缀表达式的三种方法

将中缀表达式转换为前缀表达式有三种方法:加括号去除法、语法树遍历法和堆栈处理法。三种方法各有利弊,在不同场合可选择不同方法进行转换。     

基于特征光流的多运动目标检测跟踪算法与评价

光流车辆检测算法其光流不仅携带了运动物体的运动信息,还包含丰富的三维结构信息,能够在未知场景信息的情况下对运动目标进行准确检测;但传统光流法计算方法复杂、抗噪性能差、处理速度缓慢,无法满足多目标实时检测的实际需求。为提高光流法实时检测效率,同时保持较好的检测精度,提出了一种基于Harris特征点光流及卡尔曼滤波模型的多运动目标跟踪算法;并提出新的视频目标检测算法性能评价指标。通过对不同实验场景下多个运动目标的检测与跟踪实验统计结果表明,对比主流Meanshift车辆跟踪算法,检测精度平均提高4.61%;且跟踪持续性提升41.5%,具有更好的鲁棒性及准确性。在时间效率上较比传统光流法平均提升42.9%,能够更好地满足目标跟踪实时性要求。     

一种基于MPI的并行碰撞检测算法

提出了一种快速的碰撞检测算法.主要对虚拟空间划分,计算体元尺寸,通过检测体元内物体的状态构建物体的相邻物体链表.通过时空相关性,确定树的遍历次序,并采用MPI并行处理方式将各子任务分配到各子进程执行.实验结果表明,本算法减少了碰撞检测次数以及包围盒的遍历深度,提高了碰撞检测的效率.     

基于物体间关系和场景信息的目标检测

提出了一种基于物体间关系和全局场景信息的目标检测方法.该方法利用物体的几何位置信息建立物体间的关系,并将图像的全局场景信息作为目标检测的先验知识.在2个常用的目标检测数据库上测试了方法性能.实验结果表明,所提出的方法不仅具有较好的目标检测准确率,而且具有较高的计算效率.     

基于回溯法油管传输射孔排炮算法研究

根据油管传输射孔特点,为减少射孔枪串接时在射孔井段产生的接头总长度,对如何得到油管传输射孔最优射孔枪串接方案进行了理论分析。采用多叉树对问题进行了数学建模,为减少对多叉树的遍历次数,减少计算机运算时间,采用回溯法搜索最优解,并在回溯法的基础上对算法进行了优化。测试结果表明,油层数据简单时,回溯法与遍历法频率相当;而当油层数据复杂时,回溯法频率变高,最后设计实现了基于回溯法的排炮软件。     

基于Faster-RCNN算法的轻量化改进及其在沙滩废弃物检测中的应用

由于背景环境复杂,检测物体易受部分遮挡、天气以及光线变化等因素的影响,传统目标检测方法存在提取特征难、检测准确率低、检测耗时长等缺陷.为了改善传统目标检测方法存在的缺陷,实现快速准确的目标检测,提出了一种基于快速区域卷积神经网络(faster regions with convolutional neural netw...     

基于改进YOLOv5的车辆目标检测研究

针对现有目标检测算法在自动驾驶等领域的车辆目标检测中存在检测精度不高,实时性和鲁棒性较差等问题,本文提出一种基于YOLOv5的车辆目标检测方法.本文在YOLOv5s网络模型框架下,引入一次性聚合（OSA）模块优化主干网络结构,提升网络特征提取能力;并采用非局部注意力机制进行特征增强;同时利用加权非极大值抑制方法实现检测框筛选.实验结果表明,在自制车辆检测数据集上,改进网络模型与原YOLOv5s模型相比,平均准确率均值（mAP）提升3%,不同目标类检测的平均准确率（AP）均得到提升,且检测速度满足实时性要求,对于密集车辆和不同光照条件下均能较好实现车辆目标检测.     

实时背景下的遗撒物体检测研究

在视频智能监控系统中,遗撒物体的检测是一个重要的环节.首先通过建立混合高斯模型实时更新视频序列的背景图像,然后利用背景差分实现对运动目标的检测,最后将检测出的运动物体的重心、面积及轮廓作为参数,用来判断一段时间连续视频序列中参数的不变性,从而检测出遗撒物体.实验结果表明,该方法能准确的检测出遗撒物体,具有很强的可靠性和鲁棒性.     

基于卷积神经网络的布料疵点检测方法

针对传统布料疵点检测准确率低、识别较慢且计算量大问题,提出基于卷积神经网络的布料疵点检测方法,实现增强布料疵点检测鲁棒性、高效性的设计目标。为保证训练结果准确,首先采集数量以千万级为单位的布料图像并进行图像预处理,标记无疵点布料和疵点布料;然后将图像送入设计的卷积神经网络进行训练和测试,获取疵点检测框;紧接着采用改进的NMS分类算法对检测框进行多框合并,减少误检,进一步提高模型检测效果;最后利用设计的特征图分割算法使网络模型脱离GPU显存限制,适用于各种性能计算机。实验结果表明该方法可在实现布料检测高速度、高准确率的同时增强检测方法的鲁棒性。实际检测速度为3fps,准确率可达99.6%,超过现有疵点检测算法,表明该检测方法可应用于对布料要求更高的生产企业。     

用于海上感兴趣区域实时分割的近似算法

详细介绍了海上运动目标实时检测和跟踪系统中感兴趣区域分割阶段所使用的主要算法及其优化策略.主要分析了系统所涉及的两个方面的工作:(1)引入视觉注意力机制,在构建金字塔结构的基础上,提出了一种迭代的基于倒三角小模板的线性低通滤波方法,快速地实现粗分辨率图像上的平滑滤噪,凸显目标;(2)用近似区域填充算法或是水平放置的最小外接矩形逼近存在较大缺口的边缘连通分支,以构成物体的大致区域.理论分析表明,这些近似算法在提高运算速率的同时,仍然具有较高的近似比.同时实验结果也表明,算法具有实时性好,鲁棒性强等特点.     

基于视频图像序列的动态物体跟踪定位算法的研究

视频图像动态物体跟踪的算法是计算机视觉的核心课题之一,具有重要的理论意义和广泛的实用价值。本文提出了一种改进的三帧差分的运动目标实时检测算法,对3帧连续的边缘图像进行3帧差分运算,最后通过阈值分割和形态学处理完成对目标的提取。该方法计算简单,实验结果表明该方法能对运动目标进行准确检测,且具有很好的鲁棒性。此外,利用基于物体特征的轨迹记录算法清晰的记录了物体的行进轨迹。实验证明,该算法在运动物体实时检测和跟踪方面有效可行。     

基于改进的GMM参数估计的目标检测方法

背景减除法通过计算当前帧与背景模型的差来实现运动目标的检测,因此背景建模是背景减除法的关键;混合高斯模型(Gaussian mixture model,GMM)可对存在渐变及重复性运动的场景进行建模,有效的提高了在光线强度变化,物体摇摆等复杂场景下建模的准确性;但它也有其固有缺点,针对利用传统EM算法进行GMM模型参数估计时,易陷入解空间的局部最优的缺陷,采用基于最大惩罚的EM参数估计,对传统的EM算法进行改进;另外,在检测不需要满足实时性时,提出了一种基于差分进化算法的GMM参数估计法;最后把改进的GMM参数估计方法应用于基于GMM模型的运动目标检测当中进行验证,并得到很好的检测效果.     

基于改进的深度卷积神经网络的人脸疲劳检测

针对疲劳驾驶检测问题,提出一种以softmax损失与中心损失相结合的深度卷积神经网络算法。首先,利用含有方向的梯度直方图(histogram of oriented gridients,HOG)和级联分类器(support vector machine,SVM)算法的Dlib库中预训练的人脸检测器,来检测驾驶员的脸部区域。其次,使用级联回归(ensemble of regression trees,ERT)算法实现脸部68个关键点标定及眼睛和嘴巴的定位。最后,为了优化softmax损失在深度卷积网络分类中出现的类内间距大的问题,加入中心损失函数,提高类间差异性、类内紧密性以及驾驶员脸部疲劳状态识别准确率。在自建测试集和YawDD哈欠数据集中的实验结果显示,该方法能够准确地识别检测驾驶员疲劳表情,平均识别准确率达到98.81%。与传统的疲劳驾驶检测识别方法相比,该方法可以自动进行疲劳特征提取,并且训练准确率、检测识别率及鲁棒性得到提高;与未改进的深度卷积网络相比,检测识别的概率平均提高了约5.09%。     

基于空间数据结构的快速碰撞检测算法

在已有的预留碰撞算法基础上,提出了一种以空间数据结构管理为核心,用简化的几何模型表示(OBB层次树)结合起来实现复杂物体间的实时碰撞检测算法,主要采用包围盒的方法对检测物体进行包围,然后对包围盒所形成的体进行结构索引,遍历体索引输出检测结果,这样在少量增加存储空间的前提下,可以提高碰撞检测的速度。     

快速高效的碰撞检测算法 

为了提高碰撞检测算法的效率,提出了一种快速高效的碰撞检测方法.利用Morton码存储物体信息,给出一种改进的图层级结构,可快速分割物体空间,减少物体对相交检测;利用图形处理器(GPU)的并行处理特性进行物体包围盒层级树构建、树遍历,不仅可以快速处理碰撞检测中的事务,还可节省存储空间.实验表明,该方法能够快速构建物体层级结构,并能进行高效的碰撞检测计算.     

汽车智能驾驶系统中运动图像的实时检测与跟踪

采用CCD摄像机获取运动目标图像序列,用基于背景重建的运动变化,对运动目标检测;通过运动分割并求运动梯度计算出物体运动方向;利用目标的短时相似性,完成对目标的跟踪与识别,并进而实现对目标长时间的稳定跟踪,确定目标的运动规律,实现运动图像实时检测与跟踪的目的.基于上述运动目标检测跟踪算法,利用C++编写了实时处理程序,实现了动态单目标、多目标及不同方向运动目标的检测与跟踪.实验证明,本算法可以实现对单运动目标和多运动目标的实时检测与跟踪,具有很高的鲁棒性,效果良好.