基于时空模型的快速视频显著区域检测

传统的视频显著区域检测方法运算量大且难以处理包含复杂运动的视频,本文提出一种基于时空模型的快速显著区域检测方法.该方法用一种新的模糊聚类算法对特征点的运动轨迹进行无监督聚类,对不同运动类型进行分类.在复杂运动情况下,该算法通过计算优化的聚类中心的个数以获得运动类型数,再将异常数据剔除后,生成运动显著图.而在空间显著区检测方面,则利用反差模型以及Gabor滤波器获得图像的静态显著图.在此基础上,还提出一种基于运动优先思想的时空混合方法,将运动和空间显著图动态合成视觉显著图.实验证明,该方法能够有效地提取视频显著区域,与传统的方法相比该方法平均耗时更少且更方便.     

基于曲率的指尖检测方法

指尖检测是基于视觉的徒手人机交互系统的关键环节,由于背景的复杂性和系统的实时性要求,导致指尖的精确定位在处理速度和准确性方面存在很大问题。本文针对这一问题,提出了一种简单高效的基于曲率的指尖检测方法。该方法首先将输入视频流基于肤色空间进行二值化,并将二值化后的视频序列作为输入数据;然后采用边缘检测算法提取出肤色区域的边缘(肤色区域的轮廓),在肤色区域的轮廓上根据曲率来对类指尖的点进行检测,并且根据类指尖点的位置关系来判定一个肤色区域是不是手;最后通过过滤算法过滤掉误判手臂点。实验结果表明,该方法在不同的应用背景下都具有很好的检测效果,对光照的鲁棒性也较高,并且能够达到实时检测的效果。     

基于区域气球力Snake模型的运动目标快速跟踪方法

提出了一种包含区域信息的Snake模型用于运动目标检测与跟踪。在通常情况下,基于区域信息的跟踪方法对背景光线的微小变化、位置的微小移动较为敏感,而基于边缘信息的跟踪方法则难以对边缘模糊的图像取得满意的跟踪效果。在算法中同时引入这两种信息,边缘信息使得算法快速而鲁棒性好,区域信息可以对边缘模糊的图像取得正确的跟踪效果。使用双差分图像设计了自动初始化的方法来实现视频的自动跟踪。同时,对目标的下一步运动位置增加了一个预测环节来加快主动轮廓模型的收敛速度。该算法的每帧计算时间一般小于0.1S,能应用于实时系统。     

基于光照方向一致性的换脸视频检测

光照条件是视频外部成像环境的重要因素,可反映视频成像时的客观物理条件,即使采用复杂的计算机图形学模型,也难以完全反映光照的真实场景。针对大部分Deepfake换脸视频与真实视频在外部成像环境上的差异,提出一种基于光照方向一致性的换脸视频检测方法。本文利用Lambert光照模型逐帧计算待测视频的二维光照方向,通过判断整段待测视频二维光照方向的角度变化是否平滑确定视频真伪。实验结果表明该方法在公开的测试数据库TIMIT和FaceForensics⁺⁺上具有较好的检测性能,可以有效区分真实视频和换脸视频。由于不需要训练检测模型,该方法具有计算复杂度低、实时性好的优点。     

混凝土检测中基于数字滤波的传感器补偿方法

在超声探测中,为了获得信号最大响应幅度,通常都选用传感器的谐振频率作为探测频率.然而,这样会给探测信号带来较严重的振铃效应,影响反射信号的识别与提取,从而降低探测分辨力.本文提出了一种基于数字滤波方法,有效地对不理想的超声传感器频响特征进行了补偿.首先基于系统辨识算法建立了发射和接收传感器的离散传递函数模型,然后通过一个数字补偿滤波器建立补偿模型,用于抑制传感器的振铃效应.对这种方法的实际效果进行了实验验证,通过水浸测试获得传感器的标定数据,并基于这些数据建立补偿模型.实验结果表明混凝土底面反射信号能够从原混叠信号中被清晰地识别.     

基于深度学习的先进陶瓷零件实时缺陷检测系统

传统先进陶瓷零件检测与分类的主流方法为纯机械尺寸过滤和人工判断,为解决其成本高、失误率高和损坏率高等问题,提出了基于深度学习的多目标实时检测分类模型（Multi-object real-time detection and classification model, MRDC）。该模型以YOLOv3为基础,使用SKNet作为注意力机制进行特征重构提高精确度,配合灰度图快速转化算法与跳帧检测方法提高检测速度,可实现实时缺陷检测。对实际生产中的先进陶瓷零件进行采集训练,多批次采集图像数据,每批数据含多个陶瓷零件的1 000张图像,平均精确率均值达到99.19％,用先进陶瓷零件生产线视频检验,识别分类的正确率达到100％,可以保证每分钟检测450~550个零件。多目标实时检测分类模型拥有识别速度更快、识别准确率更高和零件不易损坏等优点,可极大地节约生产原料与人力成本,减少废品产出。     

基于格式塔完形规则的闭合轮廓提取方法

针对传统基于格式塔完形规则的轮廓提取易受到背景上边缘影响,导致轮廓提取的准确率低问题,提出一种新的基于格式塔完形规则的闭合轮廓提取方法。首先,为减少边缘提取过程中提取的背景边缘,给出了融入显著性约束的Canny边缘检测方法,即在Canny边缘提取的框架中,融入显著性约束;接着,针对Canny边缘检测方法检测到的边缘易受噪声影响问题,提出一种融入边缘信息的折线逼近边缘拟合算法;然后,采用格式塔完形规则中的闭合性对拟合边缘进行度量,得到边缘之间的闭合关系;最后,通过分析边缘间的闭合关系与区域的显著性,设计了一个边缘闭合的代价函数,并利用最小权值最优匹配算法求解代价函数,得到最终的闭合轮廓。实验结果表明,该算法提高了轮廓提取的有效性和准确性。     

利用C++ Builder实现基于DirectShow的视频捕获

阐述了实现视频捕获与回放的可选方案,介绍了DirectShow的原理,针对传统视频播放与捕获的不足之处,提出了一种基于DirectShow技术的视频播放与捕获软件设计方案。给出了在C Builder环境下开发基于DirectShow技术的实时视频捕捉的步骤,并实现了实时视频捕捉系统,通过实例验证了本系统具有稳定、可靠和较好的通用性及扩展性的特点。     

一种新的基于红外图像的道路边界检测方法

研究了红外图像中道路边界的检测方法。首先分析了用于智能车辆视觉导航的红外道路图像的特点,并指出常用图像处理方法在检测红外道路边界时的缺陷;然后从图像灰度角度出发,提出了基于折线模型的候选道路边界线段快速提取方法,并采用关系稳定性规则对道路边界区域进行筛选和处理;同时利用多尺度形态学梯度进行道路边界区域提取;最后将上述基于灰度和梯度的两种边缘提取结果相互验证,得到可靠的道路边界描述。实验表明文中提出的道路边界检测方法具有很好的性能,能够满足实时应用需要。     

基于闪光红外热像技术的积冰探测方法（英文）

结冰探测在防除冰系统运行中起着至关重要的作用。本文提出了利用红外热波检测技术进行了积冰探测，并运用相关分析技术探讨了积冰边缘、厚度识别与冰形重建的方法。搭建了闪光脉冲红外主动式红外积冰探测实验平台，制备了规则型与阶跃型积冰样件，借助红外热像仪采集了受脉冲红外热激励后的积冰红外热信号。运用传统边缘检测方法与新构建的高斯-拉普拉斯金字塔和面积滤波相结合的边缘检测算法进行了积冰边缘识别效果的对比与分析。利用积冰热信号的时空相关性，提出了在长短时记忆（Long short term memory,LSTM）模型中引入注意力机制建立端到端的红外探测积冰厚度预测模型（Convolutional neural netwok-long short term memory-efficient channel attention,CNN-LSTM-ECA），用以预测积冰厚度。此外，通过结合边缘检测和厚度预测，进行了阶梯状积冰样件的三维重建。结果表明，基于高斯-拉普拉斯金字塔和区域滤波的传统边缘检测算法和新的边缘检测算法都可以用于检测冰的外边缘，但新算法在检测具有内部阶梯边界的冰边缘方面显示出显著的优势。基...     

一种基于时间差分运动检测的改进方法

本文提出了一种基于时间差分运动检测的改进方法。首先计算时间上连续的两帧灰度图像的差分图像；然后，将得到的差分图像通过低通滤波和二值化处理；最后，利用图像序列中的多帧灰度图像计算得到一组二值图像，通过对二值图像进行像素的算术运算，提取出运动目标区域。实验结果表明：这种方法是有效的。     

监控视频中异常事件检测技术研究进展

异常事件检测技术是当前智能监控技术研究领域关注的一个热点,作为计算机视觉的重要研究内容,其主要目标是利用计算机自动检测出可被视为异常的事件。传统方法存在低层视频特征描述能力弱,异常检测方法计算代价大,对复杂场景建模时鲁棒性差等方面的限制。本文结合国内外的研究现状和目前的主流方法,介绍了监控视频中异常事件检测涉及的基本技术,分析了各类监控视频特征提取方法、特征学习模型和异常检测方法的优缺点,整理归纳了可用于监控视频中异常事件检测的常用实验数据集,最后讨论了监控视频中异常事件检测技术的难点、挑战及未来发展趋势。     

基于深度学习的民航维修记录自动识别技术

针对民航维修行业如何自动识别维修记录上的重要记录区域的问题,本文给出了一种基于深度学习的目标检测算法,通过对飞行记录本照片的训练,使用CNN (循环神经网络),搭配YOLO(You Only Look Once) v3目标检测算法,自动识别出放行签署、工作处理、油量记录等3种重要记录。     

一种改进的模糊聚类算法在图像边缘检测中的应用

提出了一种改进的模糊聚类图像边缘快速检测算法,该算法在利用像素灰度值的同时还考虑了像素的空间信息,基于模糊集合理论将图像从灰度空间映射成一个模糊隶属度矩阵,然后将隶属度矩阵中的元素作为样本进行模糊聚类,从而提取出图像边缘。基于热力学原理选取隶属度函数,通过调节温度系数,实现图像边缘由粗到细的提取。实验证明,该方法在计算速度、滤除噪声、提取边缘等方面均优于C-均值聚类算法。     

基于全卷积孪生神经网络的复杂监控场景下前景提取方法

由于光照变化、相机抖动和动态背景等因素影响,现有基于传统图像处理方法的前景提取算法并不能在复杂场景下获得良好的分割效果。针对此类问题,本文提出了一种基于全卷积孪生神经网络的前景提取算法,仅需任意2帧图像即可准确提取运动前景。将输入的2帧图像分为背景图像与待提取图像,将其输入全卷积孪生神经网络得到二者的相似性度量图,该相似性度量图中包含待提取图像相对于背景图像的各像素变化情况信息;接着将相似性度量图与待提取图像融合,利用编解码网络以实现端到端的前景提取。在CDnet2014数据集上进行综合评估与测试,结果均证明了该方法的有效性。     

基于视觉测振和卷积神经网络的螺栓松动检测方法

螺栓松动故障的准确检测对于确保机械产品可靠性具有重要意义。为了解决现有的基于卷积神经网络（CNN）的检测方法所需的大量高质量数据难以在实际工程中获取的问题,本文提出了一种基于视觉测振和CNN的螺栓松动检测方法。通过视觉测振技术,从视频中的每一个像素点提取出振动信号,有效解决了CNN模型训练数据难以获取的问题,通过少量实测视频样本即可对CNN模型进行训练,并实现对螺栓连接状态的准确预测。本文通过一个对悬臂梁结构的敲击实验验证了所提方法的有效性。     

基于线结构光的坡口特征尺寸检测算法研究（英文）

机器视觉经济高效,在焊缝检测中得到广泛的应用。基于线结构光技术,本文提出一种坡口特征尺寸检测方法。首先,针对激光光条灰度和宽度分布不均的问题,介绍了一种基于二次加权灰度重心法的自适应中心线提取算法。其次,为滤除图像噪声,设计了一种基于感兴趣区域划分和图像差分的预处理算法。接着,本文提出了一种亚像素特征点提取算法以计算坡口特征尺寸并识别坡口类型。最后,实验结果表明,坡口特征尺寸检测的绝对误差为0.031～0.176 mm,相对误差为0.2%～3.6%。     

基于视频像素点阵的交通参数检测方法

本文介绍一种基于视频触发像素点阵的交通参数检测方法。该方法找出车辆图像中因与背景帧不同而触发的像素点,通过分析这些触发像素点所组成的像素点阵进行对车辆的自动识别和追踪。该方法具有适应性好,计算量少,识别结果准确等优点。     

基于HOG和SVM算法的磨粒图像在线监测技术

为了解决发动机润滑油液磨粒图像监测只适用于微流且易受气泡干扰等问题,设计了一种可适用于相对大流量工作环境的油液磨粒光学图像在线监测系统,区分气泡和磨粒。通过该监测系统,批量采集了一系列磨损颗粒和气泡图片,用于后续图像分类算法的训练与测试。采用了一种基于背景差分和大津法的运动物体提取算法提取出大量磨粒及气泡图像样本,运用基于方向梯度直方图（Histogram of oriented gradients,HOG）进行特征提取和支持向量机（Support vector machine,SVM）分类算法对气泡和磨粒进行识别。实验结果表明,该监测系统能有效采集磨粒及气泡图像并进行自动识别。与基于形态学特征提取算法以及K最近邻（K-nearest neighbor,KNN）等传统分类算法相比,HOG-SVM算法分类精度更高,识别准确率可达83 8%。     

智能飞机机载烟雾探测器检测系统研究

国内对民用飞机机载烟雾探测器的故障检测仍处于较低水平,烟雾探测器的故障检测技术完全依赖于国外。本文基于神经网络算法,分析机载烟雾探测器的故障诊断方法,实现对机载烟雾探测器故障的测试与定位,测试平台经调试运行可以达到实际应用水平。