基于视觉的高速公路目标检测与跟踪系统研究

系统地介绍了智能汽车系统中的目标自动检测与识别部分的工作原理，并利用车载计算机的CCD摄像机对图像实时采集。根据图像的结构化路面信息采用数字图像处理技术对2条车道标志线进行检测与提取，并在此基础上进行目标初始定位与实时跟踪，以保证驾驶员在行驶中及时有效地做出判断，提高自主安全行驶的可靠性。     

基于嵌入式系统的视觉目标跟踪

过去的半个多世纪以来,人工智能技术得到了高速发展,这给当今的智能监控技术提出了更高的要求.本文设计了一个用于机动目标视觉跟踪的嵌入式系统,实现了系统的小型化与智能化.系统硬件采用ARM+DSP双核结构的处理器作为主控制器;软件部分采用粒子滤波方法作为目标跟踪算法,文章介绍了粒子滤波算法的基本原理及本文中的实际应用,并给出了系统的目标跟踪测试结果.     

基于DSP的运动目标识别与跟踪的系统设计

分析了目前可视跟踪系统中存在的主要问题及DSP与主控计算机之间的数据传输效率 ,提出了符合实时处理要求的可视跟踪系统结构、图像滤波和图像分割的方法 ,经在计算机上模拟表明 ,该方法效率高 ,效果好 ,完全能符合实时要求     

基于OpenCV的运动目标检测与跟踪

提出了一种基于OpenCV的视频应用程序的开发方法.将Intel公司开放的OpenCV源代码作为开发的视频应用程序的基础函数库,改写或调用其中的函数,可根据需要用C++语言开发视频应用程序,从而克服了视频应用程序开发周期长、效率低的缺点.给出了部分OpenCV具体的设置方法和过程,并通过利用OpenCV编写的运动目标检测与跟踪的应用程序验证了该方法的有效性和可行性.对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等图像预处理,获得二值化黑白图像.通过轮廓提取和跟踪检测得到车辆和人的外轮廓,进而实现运动目标的跟踪.在VC ++ 6.0环境下,利用OpenCV编程实现了此方法.实验结果表明,该方法可行.     

基于OpenCV的运动目标检测与跟踪

提出了一种基于OpenCV的视频应用程序的开发方法。将Intel公司开放的OpenCV源代码作为开发的视频应用程序的基础函数库,改写或调用其中的函数,可根据需要用C++语言开发视频应用程序,从而克服了视频应用程序开发周期长、效率低的缺点。给出了部分OpenCV具体的设置方法和过程,并通过利用OpenCV编写的运动目标检测与跟踪的应用程序验证了该方法的有效性和可行性。对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等图像预处理,获得二值化黑白图像。通过轮廓提取和跟踪检测得到车辆和人的外轮廓,进而实现运动目标的跟踪。在VC++6.0环境下,利用OpenCV编程实现了此方法。实验结果表明,该方法可行。     

基于图像处理的运动目标跟踪系统

本文详细介绍了基于图像处理的智能目标跟踪系统的实现步骤.本系统通过图像识别、机器视觉等技术判断物体进入监视区域,计算出物体的移动速度和移动方向,根据检测的数据控制监视设备随着物体的移动而调整,从而达到智能跟踪物体的目的.     

目标跟踪机器人视觉系统的设计

针对目标跟踪机器人,设计完成了一套视觉系统,试系统采用高灵敏线阵CCD传感器,以DSP芯片TMS320F2812作为图象处理器,能迅速采集现场信息,具有跟踪特征物体的功能。     

一种基于目标定位的背景建模与视觉跟踪方法

提出一种基于目标定位的背景建模方法,通过对视频序列中运动目标的位置进行预估,将前景点与背景点初步分离,进而构建背景模型,有效避免了传统时间平均法构造背景时产生的前景目标与背景混合的现象.实验结果表明,该方法无需预先存储背景图像即可实现场景中运动目标的提取与跟踪,弥补了传统背景差法需要事先提供背景帧以及对背景变化缺乏适应性的缺陷.     

基于嵌入式的智能目标检测与跟踪系统

借鉴嵌入式系统在电子技术、信号处理和计算机等领域运用的成功经验,在分析目标检测与跟踪算法的基础上,将改进的目标检测与跟踪算法植入嵌入式系统,设计一种基于嵌入式S3C2410处理器的目标检测与跟踪系统,给出该系统的硬件结构和软件程序流程图,并以具体的飞行目标对其进行目标识别和跟踪。通过实验发现该系统可实现目标的准确跟踪。     

基于边缘组合算法的似物性采样研究

利用图像中的边缘信息对似物性窗口进行定性分析,设计了一种采用边缘组合算法的采样,降低了采样数量的同时保证了窗口精度,并用一种基于边缘的似物性估计为这些窗口排序,在较短的时间内为物体检测算法提供高精度的建议窗口.在VOC2007测试集中该算法在性能上达到了真正的平衡,限定每张图片输出1 000个窗口时,不仅达到了0.2s的计算速度,而且在0.7的重叠率条件下命中率高达79%,与其他似物性采样相比,该算法具有更强的通用性和适用性.     

基于全景视觉的目标跟踪方法研究

文章充分利用全景视觉具有360°视域的特点,将其引入视频监控领域,提出了一种基于全景视觉的目标跟踪方法。该方法基于多摄像机跟踪的思想,通过分析全景视觉的构造,将其分解为基于静态相关联多相机的跟踪。通过划分视场分界线,确定摄像机间的重叠区域,并对摄像机间相互关联关系进行描述和判断。当目标进入重叠区域时,通过同一目标在相邻视域中的关联实现目标交接,以达到在整个全景视觉中实现目标连续跟踪的目的。以全景视频中的行人跟踪为例,对文中所提的跟踪方法进行验证。实验结果表明,该方法可以有效解决多相机间的目标交接问题,实现全景视觉下目标的连续跟踪。     

基于视觉目标跟踪的侦察机器人导航方法

针对未知环境下侦察机器人的自主导航问题,提出了一种基于视觉目标跟踪的侦察机器人导航方法.首先利用二进制鲁棒独立元素特征(BRIEF)提取方法来检测和描述待跟踪视觉目标的局部不变特征点,在快速的特征匹配计算基础上提出由粗到精的目标定位两步法实现机器人导航过程中视觉目标的实时准确跟踪.其次对基于视觉目标跟踪的自主导航任务进行行为分解和实现,在行为中集成视觉目标跟踪算法.最后利用基于宏行为的机器人事务执行机制实现移向视觉目标的自主导航控制.实验结果表明,提出的方法能够使侦察机器人实时准确地跟踪视觉引导目标,在复杂障碍物环境下可靠地完成移向目标的自主导航任务.     

基于光电跟踪系统的系列实验开发

介绍了＂光电跟踪系统＂实验装置,针对自动化专业目前实验课程的现状和问题以及该实验装置已有模块的不足开发了光电跟踪系统的图像处理、光电跟踪系统的目标跟踪、光电跟踪系统的PID控制系统设计、基于神经网络的光电跟踪控制系统设计、基于模糊控制的光电跟踪控制系统设计等五项实验内容。该系列实验可以作为自动化专业模式识别、智能控制等课程的配套实验课,其开放的实验内容提高了学生的创造性思维和工程实践能力,得到了良好的教学效果。     

基于多分辨率分级分块处理的边缘检测方法

为了有效提取运动目标的特征,在目标检测的基础上,要对其进行边缘检测.由于传统逐点扫描方法运算量大,提出一种基于多分辨率分级分块思想的边缘检测算法.该方法先把图像分为多个子块后根据其四个顶点判断该子块是否包含目标,再对目标子块进行扫描确定目标的边缘.实验结果表明,此方法准确地确定目标的边缘,同时检测速度比传统逐点扫描法有一定程度的提高.     

工业对象模拟实验系统的研制

提出了采用计算机技术设计工业对象模拟系统的工作原理和设计方案，给出了基于该系统的实验环境的构成。工业对象模拟系统可以在没有实际工业被控对象的情况下，为控制装置提供模拟的工业常用被控对象，对控制装置的软硬件设计进行验证。被控对象的工艺流程、工艺参数等可以以图形、表格、曲线、动画的形式形象直观地显示在计算机屏幕上。     

基于虚拟监测线的交通参数视觉实时监测

给出了基于虚拟检测线的运动检测方法,说明了虚拟检测线的设置原则,给出了背景更新的图像差分方法和计算流程.在运动检测的基础上,说明了车流量和车速的检测方法.该方法简单有效,对车辆计数和车辆速度检测的准确率和实时性较高.     

基于阴影属性的运动阴影检测方法

提出一种基于阴影属性的阴影检测与去除方法,首先采用光照评估方法判断阴影是否存在,若有阴影存在则确定阴影方向并计算阴影属性,最后根据阴影属性检测阴影点。由于使用了阴影属性,阴影的检测和去除更加准确。     

在智能交通系统下的数据加密技术研究

数据安全与否直接关系到智能交通系统能否正常运行,我们需要一种强有力的安全措施来保护智能交通系统的机密数据不被窃取或篡改.因此本文通过研究数据加密技术在“智能交通系统”中的应用,并应用多步加密算法确保智能交通系统数据安全,保证其稳定可靠的运行.