三种基于特征的物体识别算法对比与分析

利用特征进行物体识别已经是图形图像处理和模式识别的重要方法。着重对Haar特征、广义hough、SIFT/SURF3种强大的物体识别算法的原理进行了分析,得出了这3种基于特征的物体识别算法的特点异同和各自的应用场合。指出:在设计物体识别算法时,一般都会综合几种特征算法,或在此基础上加入色彩等其它信息。     

移动机器人目标物体识别研究

基于视觉信息的运动目标识别是室内移动机器人自主导航的重要研究内容。背景噪声干扰、自然光照、机器人视角变化等因素经常影响识别稳定性。针对该问题,提出一种有效的目标物体识别方法,采用体素网格滤波和支持kd-tree结构对点云数据有效组织,以识别复杂环境中的物体。实验表明,该方法在满足实时性前提下,相比传统迭代最近点、采样一致性初始配准算法具有更高的准确率,更适合复杂环境下的物体识别。     

基于手势识别技术的3D虚拟交互系统

系统以英特尔凌动处理器嵌入式平台为核心,运用手势识别、多目视觉立体定位、电机控制及3D建模等多种算法和技术,构建了一个真实人与虚拟世界进行实时交互的浸入式环境。一方面以图像处理算法为核心,进行基于肤色模糊识别和多智能体协作思想的图像分割,实现了基于形状特征的手势识别算法;另一方面采用了3dsmax辅助建模的方法,实现了手的骨骼模型这种复杂物体的建模,结合Direct3D开发3D虚拟环境系统,采用DirectSound产生环境的声音。通过对虚拟手的控制实现人与虚拟环境中三维物体的交互操作,如抓取、移动物体等动作。随着3D场景和动作的切换,伴随发出不同的声音。测试表明,该系统的手势识别成功率达到80%,人机交互较为生动、直观和真实。     

面向中学生的人工智能算法教学探究——以物体识别算法为例

本研究探索了在中学教授人工智能计算机视觉算法的教学方法,总结了计算机视觉算法教学的要点和技巧。作者选取了计算机视觉中的经典任务物体识别作为探究对象,以花朵的物体识别为例,通过将物体识别算法拆分为不同的步骤,根据学生的数学、物理、信息技术的知识背景,选择重点进行教学并设计教法。该物体识别算法被分为颜色空间转换、色调降维、圆圈算法、验证等四个步骤,通过与学生日常学习、生活、娱乐的例子相结合,将抽象的算法问题趣味化、实例化、活动化,取得了良好的教学效果,为人工智能算法的教学提供了生动的案例。     

复杂环境中机动车跟踪实时性算法

针对复杂环境中机动车跟踪问题,为克服光照变化、噪声干扰、其他随机运动物体干扰,提出一种机动车识别和跟踪实时性算法。首先对图像进行光照补偿减少光照影响,用Surendra算法和三帧差法检测运动目标,并建立ROI(感兴趣区域)以缩小Haar识别范围提高系统响应速度;其次由训练好的级联分类器在ROI范围内识别机动车,从而保证高检测率和低误检率;最后利用Camshift算法跟踪机动车。为验证算法有效性搭建嵌入式系统平台,实验结果表明在背景复杂且其他运动物体干扰下,该算法较使用传统目标跟踪算法具有更好的鲁棒性和实时性。     

基于特征提取的视频预处理方法

针对现有视频识别算法对不同帧中同一对象反复分类、反复识别问题,提出一种基于特征匹配的预处理算法。该算法将前一帧中已识别物体的图像特征与下一帧画面提取出的特征相比较,找出下一帧中已经被分类或识别过的物体,并将其剔除,达到压缩输入视频画面尺寸、提升视频处理效率的目的。为了验证算法的预处理效果,对两组道路图形进行实验,结果表明,该算法平均降低85%的画面尺寸,视频画面处理时间平均降低5%。     

基于特征融合的复杂场景多目标跟踪算法研究

在复杂地物类型背景条件下,多目标跟踪算法通常表现出目标识别与跟踪能力较差问题,特别在被其它地物遮挡后目标跟踪丢失更严重。提出一种改进的基于多源特征提取与特征融合的多目标跟踪算法。为提高目标在复杂背景下的空间分辨力,充分利用对异类物体判别能力较强的高层特征和针对同类不同物体判别能力较强的浅层特征,提高复杂背景下地物目标的识别能力。同时,为了解决物体被遮挡后导致跟踪算法丢失目标问题,利用滤波器获得追踪目标的空间尺度大小,提高跟踪算法的准确性与可靠性。实验表明,多目标跟踪算法识别目标的准确性可达87.5%,误差在[±2.31%]左右,具有良好的尺度估计效果。     

计算机视觉视域下物体抓取识别算法研究

物体抓取识别是计算机视觉技术的重要研究领域。运用深度学习理论从行为识别、物体识别以及立体匹配等方面着手实现对目标物体的种类和个数识别,通过数据集分析、网络结构建模形成了物体抓取的识别算法。     

基于图像去雾和图像检测的交通信息提取算法

基于图像拍摄成像过程中雾霾天气及相机抖动,提出了一种从单幅图像中移除未知相机抖动的算法,利用图像的形状特征、颜色特征、纹理特征及Hough变换,可以有效地识别交通信号灯、障碍物及道路。利用先近后远,先简单后复杂的原则,设计了一种基于图像去雾和图像检测的交通信息提取算法。算法首先进行图像预处理,然后对图像进行边缘检测,获得每个物体的多边形轮廓;然后根据物体特征分别利用不同算法对物体进行分类。实验结果表明,算法可以有效地对实时环境中包括道路、车、行人、盲道、斑马线、交通灯类型等物体识别,图像检测算法可以满足导盲的要求。     

随机正交匹配追踪算法的热光鬼成像

利用正交匹配追踪算法,使用极少量数据再现了鬼成像系统中被测物体的轮廓信息,进一步提出了改进的随机正交匹配追踪算法,物体图像的对比度大幅提高,连续性明显改善。采用本文提出的随机正交匹配追踪算法可以降低鬼成像系统数据存储量,同时获取高质量的物体识别图像,在复杂物理环境的鬼成像系统探测中具有潜在的应用价值。