基于开源计算机视觉库OPENCV在VC中的应用

讨论了OpenCV(Open Source ComputerVision Library)相对于现有的计算机视觉软件包所具有的优势,描述了OpenCV的特点、环境配置和数据定义及表示方法,OpenCV成为一种源码开放、包含丰富的高级数学计算函数、图像处理函数和计算机视觉函数、不断更新和平台无关性的计算机视觉软件包.给一个实例说明它的部分特性.     

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OpenCV和OpenGL的计算机视觉虚拟实验开发

目前高校计算机视觉实验面临台套数不够和灵活性不足的问题,且多侧重于利用计算机对图像进行处理,而忽略了计算机视觉中的"视觉"二字.针对该问题,开发了一个基于OpenCV和OpenGL的计算机视觉虚拟实验室.具体实现过程如下:首先,采用OpenGL进行虚拟相机标定和虚拟场景构建;在确定实验内容后,采用OpenCV建立对虚拟...     

采用OpenCV实现的录相机程序

OpenCV是Intel资助的开源计算机视觉库。介绍了OpenCV的图像、视频处理功能及采用OpenCV计算机视觉库实现录相机程序的方法。     

基于OpenCV的双目立体匹配方法

双目立体匹配是三维重建、多视点视频编码、目标跟踪等研究领域的研究热点。首先介绍平行相机模型,分析归纳双目立体匹配原理、规律及一般步骤,然后对现有经典立体匹配算法进行分类,并对不同类型的算法进行剖析,最后基于OpenCV实现10种典型的双目立体匹配算法,在匹配误差和时间复杂度上进行比较,分析相关算法优缺点,总结立体匹配算法未来研究方向。     

JNI技术在基于OpenCV的人脸与微笑检测中的应用

人脸识别技术是当前人工智能中较为热门的一个分支,已经有许多开源的视觉库为其奠定了良好基础,如OpenCV等,然而OpenCV在Java环境下有诸多不便。为了解决这一问题,介绍了JNI技术,以及在Java环境下,如何通过JNI调用OpenCV库实现人脸与微笑检测。实验结果表明,将JNI应用于Java虚拟机的人脸检测,可获得更高的人脸检测速度。     

基于计算机视觉的无人机物体识别追踪

提出一种将ROS系统的AR.Drone飞行器作为载体,基于飞行器实现物体识别追踪的具体优化方案。在计算机视觉方面,结合物体识别OpenCV模块中的Haar级联分类器与卡尔曼滤波,实现无人机的目标识别以及对错误目标的过滤功能,使飞行器在搭载摄像头模块后,可结合现有视觉模型完成目标识别要求,算法融合后的系统性能具有良好的鲁棒性;在飞行器控制方面,结合飞行器自身的反馈控制模块与基于相对位置控制的PD位置控制器,优化飞行器自身姿态及目标追踪过程中的动态参数调节优化功能,使飞行器在目标追踪过程中具有良好的自适应性。基于以上两点优化方案建立实验模型,取得了较好的实验效果。具体相对位置估计均方根误差实验结果为：在x方向上为0.124 5m,在y方向上为0.243 7m,在z方向上为0.176 8m,证明了该优化方案的实用性。     

基于计算机视觉技术的苹果分选检测研究

苹果的大小和缺陷是苹果分级的重要指标,文章简要介绍了国内外利用计算机视觉技术进行苹果分选的研究状况,设计了基于计算机视觉的对苹果分选的检测系统,提出了一种在运动状态下检测苹果大小和缺陷的R通道方法,并对检测系统进行了试验,结果显示,该算法可达到实际应用的要求。     

基于计算机视觉的原木材积检测方法研究

针对原木材积检测中存在的效率低下和人工成本高等问题,提出了基于计算机视觉技术的原木堆自动化检尺方案.方案首先采集原木堆两侧端面图像,进行包括灰度变换、二值化、孔洞填充以及边缘检测在内的一系列图像处理操作;然后对获得的处理结果,利用霍夫变换圆检测进行原木端面类圆形检测;最后,将检测得到原木两端检尺径数据排序整理,运用国家...     

基于计算机视觉的室外停车场车位检测实验设计

为便于汽车驾驶员在室外停车场中寻找可用空车位,基于以数据采集、图像处理和目标检测等过程的计算机视觉,开发了室外停车场车位检测实验。该实验将Haar-like特征描述和车位中颜色能量变化作为判别模型的数据输入,选取随机森林作为车位可用状态的判别模型。通过在国际公开数据集PKLot上进行实验,对可用车位的检测准确率的均在91%以上;在自建的GZMU-LOT上进行实验,可用空车位的检测准确率达92.21%。     

基于计算机视觉检测技术的零件在线测量

随着计算机技术和光电技术的发展,已经出现了一种新的检测技术——基于计算机视觉的检测技术,利用CCD摄像机作为图像传感器,综合运用图像处理等技术进行非接触测量的方法,被广泛地应用于零件尺寸的精密测量中。本文以面阵CCD为传感器,研究了零件在线测量的方法,实现了零件尺寸的图像边缘亚像素定位测量,对面阵CCD在高精度测量方面的应用作了进一步的探索和研究,为面阵CCD在复杂零件尺寸高精度测量的实现打下了基础。     

基于OpenCV的汽车插片保险丝定位算法研究

根据汽车插片保险丝的形状特征,基于机器视觉与OpneCV开源视觉库设计汽车插片保险丝定位算法。通过对采集到的汽车插片保险丝图像进行处理,计算出汽车插片保险丝的位置与角度。算法核心为通过计算汽车插片保险丝轮廓的几何矩求取位置信息,并结合最小外接矩形与汽车插片保险丝的形状特征求取角度信息。试验结果表明,该算法能够准确检测出图像中汽车插片保险丝的位置及角度信息,具备一定的应用价值。     

计算机视觉注意模型的研究与分析

物体的选择与识别是当前计算机视觉研究的热点．对计算机识别技术的展开主要通过模仿人的视觉识别机制。并建立相应的视觉注意模型来实现。本文在介绍视觉注意机制研究的基础上介绍了计算机视觉注意模型的研究方法,分析了计算机视觉注意模型的研究现状,并指出了当前计算机视觉注意模型的研究趋势。     

基于OpenCV的教室节能控电系统设计及内部控制策略研究

通过调研发现,目前国内很多高校对教室节能控电缺乏有效手段,以传统的光线、红外、温度传感器构建的节电系统,存在控制逻辑单一、可靠性不足的缺点。基于OpenCV视觉检测技术,多传感器协同工作,再叠加有效的逻辑控制策略,能够有效解决传统方案的弊端,大大提高节能效率。实验结果表明:在同样的用电周期内,环境因素类似的情况下,经过改造,采样教室的用电效率相比改造前提高了12.21%,节能效果明显。     

基于计算机视觉的车速测量方法研究

针对车辆测速的问题,研究了基于计算机视觉的车速测量方法,分析了序列清晰图像测速、模糊图像测速和区间测速,并详细介绍了基于单幅模糊图像的车速测量方法,从车速测量模型出发,分析了测量方法中存在的问题,并提出了改进方向。     

基于计算机视觉的人机交互技术研究

计算机视觉技术使得人类手势识别在工业应用中发挥了重要作用,如人机交互等.该方法提出了一种基于手工提取特征的动态手势分割和分类方法,这些特征是从Kinetic传感器提供的骨架数据中提取出来的.其中,手势检测模块依赖于前馈神经网络,该神经网络执行逐帧的二分类.手势识别方法采用滑动窗口的方式从空间和时间维度提取信息.然后,本文组合不同持续时间的窗口,以获得多时间尺度方法所带来的性能增益.受递归神经网络最近在时间序列领域验证成功的启发,该方法还提出了一种基于双向长短期记忆单元来同时进行手势分割和分类的方法,该方法具有在长时间尺度上学习时间关系的能力.所提方法评估了2014年ChaLearn Looking at People挑战赛数据集,并与其他不同方法进行对比,该方法的性能几乎与最先进的技术相匹配.最后,该方法识别出的手势可以应用于与协作机器人进行交互.     

基于视觉注意的人体动作检测

基于计算机视觉的人体运动检测是计算机视觉领域中备受关注的前沿课题。本文利用一个基于灰度、颜色和运动等时空特征的视觉注意模型,有效地提取出视频中包含运动信息的显著区域。将这一视觉注意模型与一个基于时空梯度特征提取与子块匹配的人体动作检测相结合．可弥补传统方法耗时长的不足,并提高了对噪声的鲁棒性。实验表明．利用该方法能有效提高人体动作检测的效率和准确率。     

基于计算机视觉的执行器角度识别算法研究

针对汽车空调执行器自动参数检测过程中输出轴角度测量难点问题,基于计算机视觉,提出基于轮廓特征找直线并进行角度解算的方法。分步骤阐述了边缘检测、直线检测、坐标变换、象限划分及角度计算公式推导。利用工业相机采集图像,并基于Python-OpenCV编程进行算法验证,能准确计算出输出轴的旋转角度,在验证的10个样本中,测量误差小于0.19%,能为后续自动化检测提供精确的定位信息。     

基于OpenCV的运动目标检测软件实现

OpenCV是一种基于开源发行的跨平台计算机视觉库,应用范围非常广。从运动目标检测角度出发,介绍了基本背景差分法检测运动目标的一般流程和当前经典的混合高斯模型（GMM）。采用基于OpenCV的方法软件实现GMM算法,提取运动目标,对该算法进行了评价。     

基于计算机视觉的三维重建技术研究

三维纹理重建是计算机视觉领域研究的重要内容,在工业造型和商品展示中具有重要的应用价值。本文就三维纹理模型在深度数据获取、深度像匹配、融合以及简化方面展开研究,利用基于纹理和体积特征的深度像匹配建立目标物体的几何模型;然后通过相机标定确定纹理相机的姿态,并利用实拍照片进行纹理映射和纹理融合,把纹理映射到三维模型上并消除表面的纹理人工痕迹,重建真实感三维纹理模型。最后,实验结果验证该研究方法的有效性。