商场云台摄像机跟踪控制策略及实现的研究

如今,商场的监控系统由监控人员盯着屏幕。当发现可疑分子,可疑分子需要跟踪的操纵杆。当目标分子远离镜头,监控人员需要手动调整变倍系数,目标锁定在一个固定大小的屏幕上。这个过程中监控人员跟踪可疑分子,可能会有人工错误。本文的智能商场云台的监控系统,通过监视人员选择选择可疑分子,控制PTZ旋转和缩放锁定可疑分子总是在屏幕的中心,可以自动减少,扩大屏幕,大大提高一个监测效率。     

基于Adaboost的快速人脸检测系统

提出了基于Adaboost的快速人脸检测方法。根据人脸生理学特点,针对PaulViola方法提出了新的Haar-like特征,扩展了图像预处理及扫描方法,设计并实现了快速人脸检测系统。     

云台故障快速检测系统的研究与实现

本论文针对云台故障点检测效率低、检测方法盲目的现状,通过深入研究云台控制信号协议,实现了一个快速检测云台故障的系统。该系统包括信号接收、信号整理、信号解析、信号记录的保存以及清空接收区功能。该系统通过在控制链路上的节点收集信号、整理信号、解析信号,将解析出来的动作与测试操作动作对比,判断出云台的故障点。该系统在实际运行中提高云台故障检测效率、规范化云台检测方法、提升视频维修水平,具有很强的实用性和针对性。     

基于卷积神经网络的人脸目标跟踪及表情检测

随着计算机技术和人工智能技术及其相关学科的迅猛发展,整个社会的自动化程度不断提高,人们对类似于人和人交流方式的人机交互的需求日益强烈。表情识别是情感理解的基础,是计算机理解人们情感的前提,也是人们探索和理解智能的有效途径。本文在深度学习的背景下,提出一种基于VGG-16网络基础上的迁移学习方法,以VGG-16网络作为基础网络,通过展平层将输入特征压平为一维,最后利用两层全连接层加上Softmax经典分类算法进行分类。然后在CK+数据集上进行实验。经实验,微调的VGG-16网络在CK+数据集上训练后,得到97.97%的验证精度。实验结果证明了提出方法具有更好的检测性能。     

新型云台摄像系统可追拍快速移动物体

让轨迹多变的乒乓球一直处于屏幕正中 中国科技网讯据物理学家组织网7月15日报道,日本东京大学石川奥研究室的科研人员开发出了一种新型云台摄像系统,能够以“令人惊叹”的高准确度实时追踪快速移动的球类轨迹,并自动保持移动物体处于画面正中,以契合奥运会或世界杯等国际顶级体育赛事转播对于拍摄视频的高品质需求。     

基于OpenMV的运动目标预测跟踪云台

运动目标的跟踪技术在军事、科技交通、多功能监控、运动分析等领域均有着广阔的发展前景.随着科技的进步,技术的提升,国内外学者对目标识别与跟踪系统进行了大量且深入的研究,也取得了一些有参考作用的成果.但是现存许多目标跟踪系统均存在一些弊端:一是现有系统大多局限于于特定的物体及领域,目标产生细微变化时仍需要大幅改动代码;再是...     

基于小波变换的彩色图像中快速人脸检测算法

首先将图像进行非线性变换,然后进行小波变换提取人脸高频分量,同时用小波核函数替换神经网络的隐层函数.实验结果表明,该算法可以在保证检测准确率的同时降低检测时间,从而为实际人脸检测系统设计提供参考.     

基于Mean Shift算法的人脸跟踪

人脸跟踪是视频检索、视觉监控等领域中的一项关键技术,随着机器视觉技术的发展,实现人脸跟踪的算法也是多种多样。将人脸跟踪问题近似于一个meanshift跟踪问题,选取面部的颜色特征作为跟踪模板,并在MATLAB中进行了仿真,得到了良好的实验效果。     

无人机云台的设计与研究

云台作为一种相机稳定器,能在拍摄尤其是航拍过程中起到平衡与稳定的作用。航拍是无人机技术中非常重要的一部分,由于无人机本身在飞行过程中的抖动会对图像采集产生极大的影响,因此设计好无人机的云台设备,让无人机可以获取清晰的图像信息是非常必要的。     

基于视频图像的人脸检测

视频图像的人脸识别技术发展,促进了数字视频监控等系统的广泛应用。本文对基于特征、模板、统计理论等视频图像的人脸检测基本方法进行了介绍,对人脸检测系统的图像采集、图像处理、特征定位、人脸识别处理等设计进行了阐述,对人脸检测方法的改进进行了尝试。     

基于OpenCV的人脸检测系统实现

基于计算机视觉类库OpenCV 实现人脸检测系统,采用级联分类器的方法对人脸进行检测。系统对不同图像有较强的适应性,能够比较精确地判断出人脸位置,尤其对有遮挡物人脸的检测效果较好,具有一定应用价值。     

基于肤色模型的人脸检测算法

在此研究了彩色图像中的人脸检测算法,在肤色模型方面讨论了肤色在不同的色彩空间中的表现,通过对一定数量的样本建立了一个图像库,选择色彩空间并建立了肤色模型,然后通过形态学等处理后得到候选区域。然后对候选区域使用特征脸的方法进行验证。通过这样的方法在保证了精度的同时克服了特征脸方法原有的搜索速度慢的特点。最后本文对所使用的方法作了一个总结并对下一步的工作进行了展望。     

基于CLM的人脸特征点检测

人脸分析在人机交互中发挥着重要作用,人脸特征点检测是人脸检测、人脸特征提取以及人脸分析的重要组成部分之一,因而鲁棒的人脸特征点检测算法受到广泛关注。人脸特征点检测经常使用的方法有ASM和AAM,CLM分别继承了ASM和AAM的一些特征,速度和效果也得到了提升。主要介绍CLM模型的构建和CLM模型的搜索方法,其中CLM模型由形状模型和面片模型组成,形状模型用PCA建立,面片模型由SVM训练获得。     

基于BP神经网络的人脸检测算法

针对灰度图像的正面人脸,提出了一种基于BP神经网络的人脸检测算法,并在Delphi 7上实现,可有效运用于复杂背景下不同表情、肤色、姿态以及不同光照条件下的人脸检测,算法快速有效。     

基于人脸关键点的活体检测系统

随着图像识别技术和计算机技术的不断成熟,对抵御图片攻击的需求不断增加.人脸活体检测技术是以人脸特征为验证信息的相关认证之后,判定人脸是否为活体,以防止伪造和窃取他人的生物特征用于身份认证.本文设计并实现了一种基于人脸关键点的活体检测系统,该系统基于LBP(Local Binary Patterns)的人脸关键点算法实现...     

人脸检测与识别综述

计算机人脸识别技术就是利用计算机分析人脸图象,进而从中提取出有效的识别信息。用来“辨认”身份的一门技术。主要分为三个阶段：人脸检测、特征提取和人睑识别。然后分别对三个阶段所采用的技术进行探讨。     

基于肤色和几何特征的人脸检测与识别方法

基于肤色模型、唇色模型和几何特征的人脸检测确定方法,在机器视觉、智能人机交互系统、以及图文排版与校对等领域发挥着重要的作用。     

基于肤色建模与人眼定位的人脸检测方法

根据肤色在Ycrcb色彩空间中具有很好的聚类性,通过形态学算法对肤色建模之后的图像进行预处理,消除噪声,再对肤色进行分割,从而可以对人脸图像有一个大致的定位,并通过平均眼睛模板匹配法定位出人的眼睛,在此基础可以比较精确的定位出人脸位置。实验结果表明,该方法用于人脸检测取得较为良好的效果,具有较好的鲁棒性。     

基于OpenCV的运动目标检测与跟踪

提出了一种针对动态激光点的目标检测与跟踪方法,将Intel公司开放的OpenCV开源计算机视觉库源代码作为基础函数库,改写或者调用其中的函数,在Visual Studio 2010平台上编程实现,配以红光窄带滤光片对实时获取的视频图像进行预处理,以实现对红色激光点的目标检测与跟踪。实验结果表明,该方法具有目标跟踪快、噪声小、实时性好等特点。     

基于人脸检测的视频检索技术研究

为了提高视频检索的效率和准确率,本文提出了一种基于人脸检测技术的视频检索方法。该方法通过人脸检测技术将视频每一帧中的人脸与双手检测出来,然后通过建立点线连接来创建人脸与双手的拓扑结构;最后通过拓扑结构的连续变化特点来识别视频中人物的动作特征,从而达到视频检索的目的。实验表明,该方法检索速度较快且识别度较高,有广泛的应用前景。