基于OpenCV的边缘检测算法效率分析

在图像识别中,图像边缘分析有着十分重要的意义。人体边缘识别亦在图像边缘识别的工作中占着很大的比重。在OpenCV环境下,对人像图像中人体边缘的识别,使用合适的边缘检测算子能极大的提高识别的准确性和识别效率。主要介绍了三种应用于图像边缘分析的算子:canny算子,sabel算子和laplacian算子。     

基于视频的动作识别研究

基于视觉的人体行为分析是计算机视觉领域中最活跃的研究课题之一。它在智能视频监控、高级人机交互、基于内容的视频检索等方面有着广泛的应用前景。从人体行为的分类以及现有数据库两个方面对动作识别进行了介绍。     

基于深度学习的人体行为识别网络设计

基于深度学习的人体行为识别技术是计算机视觉领域的重要的研究方向,是智能视频监控、虚拟现实、视频检索等领域的关键技术,有重要的研究价值。本文主要针对视频中的人体行为进行识别,围绕人体行为识别网络展开研究。针对目前人体行为识别相较于图像识别的特殊性,提出基于3D卷积神经网络的特征提取与训练方法,通过采用3D卷积层搭建DenseNet,从而提高网络中的特征利用率,提升神经网络的识别率。最后实验结果证明了本文所采用的方法在提高人体行为识别的识别率上的有效性。     

一种基于人体动作控制的智能系统

人体动作控制的智能系统设计是集计算机视觉与硬件系统设计于一体的综合性研究课题。本文基于视频图像的目标行为分析,以人体动作检测与识别为研究重点,在实现动作识别的基础上完成人机交互功能的扩展。在软件算法部分,本文采用了背景减除法与分水岭算法相结合的运动目标前景提取方法。针对人体动作的识别分类,采用了HOG特征提取方法和多分类SVM分类器进行分类,以实现对目标动作的识别。     

基于kinect人体动作辨识技术的多媒体教学控制系统的设计

本文介绍了一种基于体感识别技术的多媒体教学控制系统,是一种结合计算机控制技术、体感识别技术的产物。硬件部分以计算机为控制中心;KINECT2.0为人体检测识别模块。可以达到使用者在不接触鼠标键盘等计算机输入部分就可以达到控制计算机的目的。主要用于教学,演讲,路演等多种需要使用多媒体设备的场合,提高控制多媒体控制的适用性,灵活性和美观度。     

人体行为识别方法研究

<正>本文针对常用基于RGB和RGBD的人体行为识别数据库特点,提出对不同识别方法如何选择行为识别的数据库的观点。在人体行为识别行业起到作用。分析视频中人体的行为是行为识别研究的重要内容,作为计算机视觉范畴的重要研究课题,行为识别不仅具有重要的科学意义,而且具有十分关键的现实应用价值,对我们的生产生活有很大影响。一方面,现在的电脑计算能力越来越强大,另一方面,它的价格却越来越便宜。计算机的出现和使用,最大限度地减轻了人的压力,避免了人力和物力的浪     

心音身份识别——南京邮电大学成谢锋教授成果展示

心音是否可以像人脸、指纹、语音一样成为一种人体生物识别特征？南京邮电大学成谢锋教授对此做了比较深入的研究,提出一种心音身份识别的有效方法,将身份识别技术向前推进了一步,将身份识别研究的领域扩展到了人的心脏。     

结合CNN的人体行为识别特征特取模型的改进

人体行为识别是计算机视觉研究的一个热点,其目标是从一个未知的视频或者是图像序列中自动分析其中正在进行的行为。针对目前人体行为识别过程中特征提取仍旧存在的参数过多、特征提取效果不好等缺陷,本文在RBM模型的基础上提出一种结合卷积神经网络的特征提取模型,在人体行为测试库上的测试表明,本文提出的卷积条件限制玻尔兹曼模型能在人体行为识别的准确度上优于RBM模型。     

机器人人机交互中的干扰动作排除方法研究

有效的动作识别是实现机器人人机交互的关键,在进行人机交互过程中,采用图像识别的方法进行人体动作特征提取和感知,实现动作重构和识别,由于人体动作的随机性,导致大量的干扰动作,需要设计有效的干扰动作排除方法。提出一种基于局部线性嵌入人体动作重构的机器人人机交互中的干扰动作排除方法。建立特征空间背景全局性信息模型,对特征空间中的突变信息进行采集,采用图像处理方法实现对人体动作的特征模型构建,筛选出干扰动作特征,预测人体的动作点,构建全局非显著性二维流形集合矩阵,实现对干扰动作的排除,利用颜色梯度变化对像素点进行局部修正处理,进行干扰动作排除,可以提高对人体动作识别的抗干扰能力。仿真实验结果表明,采用该算法进行人机交互干扰动作排除和识别,能有效提高机器人人机交互的动作识别准确率,抗干扰能力强。     

基于人体动作识别的智能机器人系统设计

随着计算机技术的发展,用于人机交互的操作指令同样处在高速发展中,其中,基于人体动作识别的人机交互系统具有重要的研究应用价值。本技术系统地设计了基于人体运动识别的人机交互系统机器人。该系统可通过摄像头获取人体动作,对视频中的图像进行HOG特征提取,随后将提取出来的特征矩阵送入SVM中训练,对捕获动作进行识别判断后,STM32芯片组成控制器,相应指令通过蓝牙端口发送到控制器,控制机器人执行相应的动作,实现人机交互的功能。实验结果表明,机器人可识别人体动作并执行相应动作,如抬手、转弯、点头、捶胸等,也可实现自行躲避障碍的功能,可广泛应用于高危工作、危险环境探测、家政服务等方面。     

关键帧样条插值优化位置偏移的虚拟教学动作识别

针对目前人体动作识别算法精确度不高的问题,提出了一种关键帧样条插值优化位置偏移的虚拟教学动作识别策略。首先对运动数据进行去均值的预处理并转化为矩阵形式,然后通过对运动数据矩阵进行非线性降维处理,构建人体姿态空间集,接着在末端约束条件下对集合进行逆向运动学求解,最后对其进行关键帧样条插值优化。算法仿真实验结果表明,本文提出的改进算法具有较高的识别精度,可以精准识别虚拟教学动作,方便人机交互。     

智能搬运机器人的研究与设计

为了降低物流运输和仓储配送过程中使用工具的学习成本和人工成本,提高工作效率,本文设计了一种以单片机为控制核心的智能跟随搬运机器人。通过采用视觉识别模块、人体识别模块、边界检测模块以及视觉辅助等多个模块进行多方面信号采集,并进行综合优化处理,增强了系统的稳定性和机器人的灵活性,实现了自主跟随人体,协助工作人员进行搬运工作,避免人体需要携带信号发射源的问题,极大地提高了用户体验。     

基于神经网络的人体动态行为智能识别方法

针对传统方法的人体动态行为智能识别方法存在识别率较低等问题,提出基于神经网络的人体动态行为智能识别方法。对人体动态行为数据预处理,并构建人工神经网络模型,实现人工神经网络训练以及特征提取;将视频的光流图像放置于卷积神经网络模型中,获取图像的时域特征;融合人工神经网络特征与时域特征,并将其放入SVM中进行类别划分,实现基于神经网络的人体动态行为智能识别。仿真实验研究结果表明,所提方法能够有效提升人体动态行为识别准确率,并且整个方法的综合性能较好。     

妖化纳米

人体嗅觉器官识别气味是一个很复杂的生理反应过程。自然界气味的种类成千成万，甚至专门从事气味识别工作的专业人员也常常出现识别错误而计算机要完     

识别“人体语言”

正每个人的手形、掌纹、指纹、视网膜、声纹等都是独一无二的,有人把这些人体信息形象地称作"人体语言"。人体语言识别装置的开发对建立高可靠性的安全系统具有重大意义。它可以广泛地用于案件的侦破、机密场所的警戒以及金融系统的监测。手形、掌纹和指纹的识别手形识别机手形识别最早出现在1968年。后来,一种被称为"星型"系统的手形识别机出现在市场上。如今手形识别系统已遍布美国,多个手形识别系统被安装在原子能工厂、银行等需要充分提供安全保障的场所。     

电子鼻

人体嗅觉器官识别气味是一个很复杂的生理反应过程.自然界气味的种类成千上万,甚至专门从事气味识别工作的专业人员也常常出现识别错误,而计算机要模拟人的嗅觉器官则更加困难.     

基于动态二维图像序列的三维步态识别方法

针对在当前二维步态识别系统中,受到人体走路姿势中的特征重叠的影响,不能很好的解决信息丢失问题。而三维识别也面临着技术要求复杂,对设备角度要求高的问题,本文提出了一种基于动态二维图像序列的三维步态识别方法。利用摄像机采集单帧步态图像序列,通过对单帧连续通信进行坐标动态转换,对特征矩阵进行有效的三维转化,计算三维特征数据,提取三维人体单帧二维图像转化的特征,进行步态识别。结果表明,本方法无需复杂的设备,能够解决特征丢失问题,识别准确度有了较好的改善。     

“虹膜识别综合信息管理系统”在玉树灾区重建中作用显著

“虹膜识别综合信息管理系统”是一种将先进科学技术与现实需求相结合的人员信息管理系统。系统依据人体虹膜特征进行身份识别,用高科技信息技术方法以实现人员信息管理,以居民户口信息为依据,     

多特征光流跟踪人体关节点的运动员姿态分析模型

为了提高运动员姿态分析的精确性,以量化运动员视频数据进行训练反馈,本文采用图像处理技术对运动员视频进行处理,提出了一种多特征光流跟踪人体关节点的运动员姿态分析模型。首先采用垂直积分投影、水平线扫描、索引查找表和长度比例约束相融合的多特征算法进行关节点提取,然后采用Lucas-Kanade光流跟踪算法对关节点的运动进行初步跟踪,最后采用比例正交投影模型将人体二维骨架模型变换到三维空间,获得人体三维姿态。模型仿真实验结果表明,本文所提出的动作识别及姿态分析系统可以很好地识别人体动作,从而进行运动分析,为体育运动训练提供可视化的帮助。     

基于传感器融合的步态识别方法

为了实现对外骨骼系统控制的快速性、准确性、稳定性,需要对人体步态进行识别,识别的准确率直接影响整个系统的控制效果。因此,本文就此问题基于传感器融合的方法进行了步态识别方法研究。首先搭建一个步态信息采集系统来采集步态数据;然后,对采集的各种不同类型的传感器数据进行预处理,提取步态特征;最后对步态特征进行融合,完成步态的识别。在完成步态的识别后,设计了步态识别算法的验证实验方案,对不同行走速度的步态识别进行了实验验证和结果分析。