基于姿态角的双Kinect数据融合技术及应用

针对单个Kinect深度图像传感器在人机交互时的骨骼自遮挡所导致的识别精度问题,提出了基于姿态角的双Kinect数据融合技术。首先,通过两台Kinect采集人体关节的数据信息;并做坐标统一化处理;其次,提出了基于姿态角的骨骼数据融合算法模型,同时依据Kinect SDK构建标准姿势特征向量集合;随后,根据骨骼活动度分配对应骨骼贡献度大小,进而计算融合后的姿势特征向量集合与标准姿势特征向量集合的余弦和,实时反馈两者姿势的匹配度,实现人体姿势的识别。通过构建数据融合处理平台,并应用于人体姿势识别,验证了该方法在不影响识别速率的前提下,提高了人体姿势识别的精准度。     

基于局域网技术的篮球训练姿势智能监控系统设计

为提高篮球训练效果,设计了基于局域网技术的篮球训练姿势智能监控系统。首先采用无线传感器网络采集篮球训练姿势的图像信息,再采用灰色轮廓线标记对采集到的图像信息实施三维融合,得到视觉成像模型,根据视觉成像结果及像素差分特征量判断篮球训练姿势的有效性。然后分析图像的特征并对其进行自动聚合匹配,结合局部边缘信息融合过程求解动态信息的特征,并结合三维姿态分布特征量和边缘信息熵,构建智能监控输出优化模型,实现在智能嵌入式环境下的篮球训练姿势智能监控系统软件开发设计。仿真结果表明,该系统的人机交互性能较好、稳定性较强。     

融合人体骨架和姿势信息特征的轻量级人体动作识别方法

针对人体动作识别任务中特征值选取不当导致识别率低、使用多模态数据导致训练成本高等问题,提出一种轻量级人体动作识别方法。首先使用OpenPose、PoseNet提取出人体骨架信息,使用BWT69CL传感器提取姿势信息;其次对数据进行预处理、特征融合,对人体动作进行深度学习分类识别;最后,为验证此方法的有效性,在公开数据集WISDM、UCIHAR、HASC和自建的人体动作数据集上进行实验验证,并使用改进的目标引导注意力机制(target-guided attention,TGA)–长短期记忆(long short term memory,LSTM)网络输出最终的分类结果。实验结果表明,在自建数据集下融合姿势和骨架特征达到99.87%准确率,相比于只使用姿势信息特征,识别准确率提高了约5.31个百分点;相比于只使用人体骨架特征,识别准确率提高了约1.87个百分点;在识别时间上相比于只使用姿势信息,识别时间降低了约29.73 s;相比于只使用人体骨架数据,识别时间降低了约9 s。使用该方法能及时有效地反映人体的运动意图,有助于提高人体动作和行为的识别准确率和训练效率。     

基于机器学习的人体动作深度信息识别方法研究

为了实现人体动作的准确检测识别,提出基于机器学习的人体动作深度信息识别方法,构建人体动作的三维图像采集模型,建立人体动作三维重建图像的表面结构重构模型,结合模糊度特征提取方法对人体动作三维重建图像进行多尺度分解,采用三维空间结构重组的方法进行人体动作细节特征识别,建立人体动作图像的多维分割模型;采用机器学习算法进行人体动作的细节特征分类识别,建立人体动作深度信息的提取和分类模型,在机器算法下实现人体动作的深度信息检测和多维识别。仿真结果表明,采用该方法进行人体动作深度信息识别的准确度较高,特征分辨力较好,具有很好的人体动作信息检测和辨识能力。     

基于视觉感知的人体轮廓捕获及自动调焦

为使盲人辅助感知设备的摄像头图像采集模块在对人体目标进行识别的过程中能够快速响应自动调焦,提出了一个基于视觉感知实现自动调焦的新方法。先对图像目标进行特征保留的二值化处理,大大减少了复杂背景的信息量,再采用Gabor函数滤波器来模拟大脑视觉细胞的注意力功能,对通过金字塔化的子图层进行信息提取和特征融合,获得了基于视觉感知的特征图,再利用边界扩展法识别特征图启动调焦机制。实验结果表明,对于各种状态下捕捉到的图像,都能够快速准确地定位到人体活动目标,能够满足盲人辅助感知设备对摄像头捕获人体目标信息的实际要求。     

新闻图像中重要人物的自动检测和识别研究

针对网络新闻图像中人物的不同表情、光照、姿势等因素带来的视觉空间差异造成的人脸检测效果差的问题,提出滑动窗口自适应方法和肤色特征相融合,检测新闻图像中的人脸。针对单样本条件下的人脸识别问题,提出有监督的双向二维局部保持投影法,提取人脸特征。结合图像子特征加权方法,先将人脸图像分块,子图像的子集作为一个子特征统计权重,采用人为投票的方式进行识别。实验选取雅虎新闻图像和新华网新闻图像。结果表明,滑动窗口自适应算法在不同类别新闻图像中人脸检测率提高了3%到10%,人脸识别率在一定范围内提高了5%。     

基于机器视觉的婴儿全身运动质量智能评估

针对婴儿全身运动质量评估问题,本文基于姿势识别对婴儿运动特征进行提取与分析,提出基于ResNet和反卷积层的婴儿姿势热力图识别模型,平均识别率达到86.9%;利用婴儿的二维姿势坐标,建立基于DenseNet的3D人体姿势识别模型,使用1D卷积网络及1D连接层,实现婴儿的2D姿势坐标到3D姿势坐标的升维推算;使用四元数作为空间向量表示方式,对婴儿主要肢体运动的角度、角速度、角加速度进行提取,并提出基于SVM的由婴儿肢体运动角度特征进行判定的婴儿异常行为识别模型。针对模型参数过多的问题,在保证模型整体识别率的情况下,使用主成分分析的方式对模型进行特征降维,提高整体识别速度,将维度由18维度降低至8维度后,整体运行时间减少近50%,且对于不同的视频样品均能正确分类。     

基于特征提取的武术散打鞭腿动作视觉图像识别方法

为了提高武术散打鞭腿的动作有效指导性,提出基于特征提取的武术散打鞭腿动作视觉图像识别方法。结合帧片段扫描技术进行武术散打鞭腿动作视觉图像采样,采用边缘特征分割方法进行动作视觉特征表达处理,建立动作视觉图像的边缘轮廓特征分析模型,结合模糊度辨识方法进行动作视觉图像的去模糊度处理,提高动作视觉的输出信噪比,建立动作视觉特征分析和自适应特征提取模型,根据对动作视觉特征提取结果实现对武术散打鞭腿动作视觉图像识别。仿真结果表明,采用该方法进行武术散打鞭腿动作视觉图像识别的准确性较高,特征识别能力较好,在指导武术散打鞭腿动作训练中具有很好的应用价值。     

一种自适应颜色特征的目标识别与跟踪法

文中提出了一种自适应颜色特征的目标识别和跟踪方法,该方法结合图像颜色特征和形态特征对图像进行处理.首先依据颜色特征对帧图像进行初步处理,利用图像数学形态学的运算特点,对初步处理的结果进行修正补偿.在识别跟踪过程中,作为识别依据的颜色特征会根据目标颜色特征的改变自适应地进行更新.在类人足球机器人比赛中取得了比较理想的识别跟踪效果,应用证明该方法可以提高视觉子系统的实时性和精确性.     

基于视觉传感的地面烟火监测系统设计

针对地面火灾区域识别的实时性要求,提出了一种高精度的地面烟火面积快速测量方案,通过电子测量手段和视觉传感图像甄别方法,对拍摄图像的特征区域进行处理。根据单目视觉测距成像原理,采用无人机航拍为该测量过程提供相应参数及烟火区域方位信息。系统采用视觉图像分割与堆叠技术,初步判别存在烟火区域特征并进行人工圈定边界识别,运用人机交互进行实时烟火面积判断测量。实验结果表明:通过无人机实际飞控测量及软件处理,能准确判断地面烟火区域及位置信息,模拟烟火区域面积测量精度为10~(-3) m~2,测量相对误差低于5%,垂直拍摄平均相对误差低于1.3%。     

计算机视觉的液压气动控制液位的识别

针对传统的超声液位检测技术进行液压气动控制液位识别受到多层介质传播损失因素的影响,导致识别的精度不高的问题,提出一种基于计算机视觉的液压气动控制液位识别技术,对采集的液压气动控制液位标记视觉图像进行模板特征匹配,进行液位视觉图像的信息增强和边缘轮廓检测处理,结合气动控制液位成像区域特征分割方法实现液位标记线分割,实现液位视觉识别。仿真结果表明,采用该方法进行液压气动控制液位识别的精准度较高,抗介质传播损伤的干扰性较好。     

基于视觉词袋模型的人脸识别方法

近年来,基于视频的人脸识别吸引了很多人的关注,同时,视觉词袋模型已成功应用于图像检索和对象识别中.论文提出了一种基于视觉词袋模型的人脸识别方法,该方法首先在兴趣点提取尺度不变特征变换的图像描述,这些兴趣点由高斯差分检测,然后基于k均值生成视觉词汇,并使用视觉单词的索引以取代这些描述符.然而,在人脸图像中,由于面部姿势失真,面部表情和光照条件变化,采用尺度不变特征变换描述符后识别效果并不理想.因此,论文使用仿射尺度不变特征变换描述符作为人脸图像表示法.在Yale及ORL人脸数据库上的实验结果表明,在人脸识别中,本文方法可以获得较低的错误率.     

基于深度神经网络的人体动作识别方法

针对静态图像集中人体动作种类繁杂且识别准确率较低的问题,提出一种基于深度神经网络的人体动作识别方法;该方法采用迁移学习的思想对GoogLeNet模型进行改进,使得网络在预训练之后能够对行为个体的种类具有一定的姿势表达能力;采用逻辑分类中的逻辑回归多分类来实现动作的多分类,并通过建立动作识别模型应用系统对其进行验证;通过MATLAB2017处理平台对该模型进行测试,并得出图像的平均识别率。结果表明,本文中提出的方法在公开的图像数据集PPMI上的平均识别率相对较高,证实了构建的基于GoogLeNet人体动作识别模型应用系统对人体动作的分类是可行且有效的。     

视频中人体行为分析

为实现机器视觉代替人眼观察、 认知世界以及减少背景和噪声对视频中人体特征提取的影响, 以提高识别效果, 在研究人体动作表征与识别的基础上, 充分考虑局部和全局特征的优缺点, 提出了基于局部时空兴趣点和全局累积边缘图像特征相结合的人体行为分析方法。首先, 从视频序列中提取局部时空兴趣点和全局累积边缘图像特征; 然后用加权字典向量法将两者有机地结合在一起; 最后利用最近距离法进行人体行为分析和识别。该方法可有效获得人体时空特征, 人体边缘轮廓
, 人的运动趋势和强烈程度。实验结果表明, 该方法快速, 相比其他算法识别率大致提高了2%~5%。     

嵌入式视觉实时跟踪系统

在差分得到的二值图像基础上，采用快速搜索算法确定运动物体，并用光流场方法跟踪运动目标。作者选择TMS320作为视觉跟踪系统的硬件平台，采用摄像机获取场景图像，通过软件捕捉场景图像中的运动物体，识别物体运动的方向和距离，实现了视觉实时跟踪功能。在此基础上，完成了分立器件构成的嵌入式视觉实时跟踪系统的设计，对于视觉技术的实际应用具有一定工程意义。     

基于序列图像的无人机进近着陆跑道识别与跟踪研究

跑道的准确识别与跟踪,是基于视觉的无人机自主着陆的重要条件.利用单目视觉获取进近着陆过程中实时跑道序列图像,经过Canny边缘检测算法和基于梯度方向的Hough变换处理,将同一跑道上的2条边缘线识别出来,并进行实时跟踪.最后利用大量真实的室外道路模拟跑道图像,以DM642为核心处理器设计视觉处理系统,结合固定翼无人机进近阶段着陆飞行特点,对设计的相关算法及视觉系统进行验证.结果表明所设计方法可以在进近着陆阶段准确提取跑道目标,并能够满足无人机着陆实时性要求.     

多尺度模型与矩描绘子相结合的手势识别算法

提出了一种基于单目视觉的手势识别算法.通过用户初始化过程获取基本识别参数,结合视频跟踪的过程实时获取用户手势区域,在该区域内采用矩描绘子与多尺度模型相结合的方法进行特征提取,对于提取出的特征采用分类识别规则,实现对手势1～10的正确识别.经过试验证明,该算法可以适用于不同用户,识别正确率达到93.5%.     

基于三维动态步态的身份识别方法仿真

根据步态识别人身份的研究中,由于二维步态特征无法完全表示人体特有的动态步伐特征,导致识别受限。提出基于三维动态步态的身份识别方法,以连续步态图像帧为单位,通过立体视觉技术从二维图对不同采样时刻的运动人体三维步态轮廓信息进行提取,提取人体步态三维轮廓后,对其进行无关区域分割,获取和人体行走相关的步态特征。通过构建步态特征变换的几何模型,给出动态三维步态特征的转换过程,依据欧氏距离度量,根据结果实现身份识别。仿真实验结果表明,所提方法具有很高的识别精度和识别效率,性能较静态方法有较大的改善。     

图像分割方法在焊缝跟踪过程中的应用

为提高焊缝超声波探伤的实时跟踪,提出将图像分割方法应用于白线跟踪法和激光跟踪法两种不同焊缝跟踪系统中。一种是采用Hough变换边缘检测法对检测图像中的目标边缘进行提取,另一种是利用区域增长法对检测图像中的目标区域和背景区域进行有效区分,这两种方法都能很好地提取出图像中的目标特征信息。仿真结果表明,两种图像分割算法在焊缝跟踪过程中能够准确地识别出焊缝的特征信息,确保跟踪系统的实时性。     

非标准姿势的上装原型设计

服装运动功能性和适体性主要取决于加入服装中的放松量，即由普通梭织面料做出的服装与人体之间的空隙量．为了研究上装中对不同运动需求的放松量设计，本文采用石膏法测量在标准自然姿势和2个非标准姿势下不同人体部位的尺寸，并对获得的尺寸进行比较．3种原型板在石膏模型的基础上用COAT4．1软件获得．研究发现，石膏法提供了一种用来精确测量不同运动状态下人体尺寸并进行原型板设计的有效方法，为在不同姿势下人体上装结构中放松量设计提供了依据．