摘要：为了改善计算机视觉领域中多目标检测与追踪算法的实时性,综合考虑实现多目标跟踪过程的两个主要阶段:目标检测与目标追踪。第一阶段采用改进的自适应高斯混合背景建模及滤波处理方法,通过间隔性选取的图像帧作为高斯混合背景模型更新方式,进而从视频图像中检测出明确有效的多个目标的同时兼顾算法实时性,此阶段仿真结果显示该算法使得效率提高40%左右;在目标追踪阶段采用一种快速高斯粒子滤波追踪算法,使用按照高斯分布的初始化粒子的线性变换来近似拟合高斯粒子分布,从而在原算法无需粒子重采样的基础上避免了粒子的高斯拟合过程,进一步提高运算效率,增强实时性。最后以测试视频为研究对象结合上述两种优化算法进行仿真,结果显示此组合优化方法可使运算速率提高将近30%。

摘要：现阶段的监控设备无法自主获取目标区域的距离信息,而且在一定范围之外,由于图像模糊程度加深而无法对特定个体进行识别确认。针对以上存在的问题,设计并开发了基于计算机视觉库opencv(IntelOpen Source Computer Vision Library)的双目立体视觉监控跟踪系统。利用opencv强大的计算机视觉和图像处理能力,结合自行研究的双目立体视觉测距改进法和轮廓搜索法,能实现对监控区域内的物体进行距离测量和轮廓识别。通过实验结果表明,基于opencv的双目立体视觉监控跟踪系统运行可靠稳定,在一定范围内达到了实验要求。

摘要：由于遮挡、脸的姿态、脸的表情、图像受光照条件影响及图像分辨率低等因素,针对人脸识别率不高,性价比低,市场推广慢的特点,设计了选择opencv图像采集模块作为MCU,使用摄像头拍摄视频中的人分别进行人脸录入和人脸识别系统。系统得到不同的表情以及不同的状态图像,通过局部二值模式直方图(LBPH)算法处理,进一步人脸面部特征提取对比,从而得到特征差异度,识别人脸。该系统通过多次验证并实现人脸识别及判别功能,结果表明,人脸录入功能测试数据效率达到100%,人脸识别数据检测率高于99%,误检率控制在1%,每张耗时平均为26.57 ms,结果都优于Haar特征检测器和局部二值模式(LBP)特征检测器。

摘要：基于opencv开源平台开发了一种多运动目标检测和跟踪的自动化智能方案。针对多个运动目标在复杂场景中的情况,无法根据背景差和帧间差的方法来确定目标是否首次出现,根据新目标期望出现的位置范围和轮廓面积大小采用筛选法来判断目标的性质。利用CAMShift跟踪算法提取每个目标的颜色特征信息,实现对多个运动目标的跟踪,最后将运动目标的轮廓和运动轨迹描述出来。实验结果表明,在目标颜色特征明显的情况下文中方法具有很好的鲁棒性和精确性。

摘要：计算机视觉在工业,农业,军事,交通等领域都有着广泛应用。摄像机标定是视觉系统的重要环节,也是研究的关键领域。以摄像机标定技术为研究对象,选取针孔成像模型,简述了世界坐标系、摄像机坐标系和图像坐标系及其相互间的位置关系,对标定过程进行了深入研究。特别地,为提高标定精度,充分考虑了透镜径向和切向畸变影响及其求解方法,制作了棋盘格平面标定模板,基于开放计算机视觉函数库(opencv)实现了摄像机标定。该标定算法能够充分发挥opencv函数库功能,对于图像处理与计算机视觉方面的应用设计具有实用价值。实验结果表明该方法取得了较高精度,能够满足视觉检测或其他计算机视觉系统的应用需要。

摘要：本文基于opencv的机器视觉算法，对梗片进行边缘检测，研究梗片图像提取的影响规律；基于树莓派开发板，结合工业相机，开展梗片图像提取，研究图像灰度转换和均值滤波的影响规律；通过对梗片轮廓的提取与跟踪，计算实际像素比例大小，并根据像素大小计算出烟梗的精确尺寸。基于丝状梗丝技术研究的需要，设计研究了一种基于机器视觉的梗片形态测量，替代传统的梗片宽度人工检测方法，科学地指导在线压梗技术参数的调整。

摘要：现代社会中疲劳驾驶是引起车祸的主要原因之一,因此疲劳驾驶检测技术的研究和应用,对于交通安全具有重要意义。本文基于树莓派和opencv技术,设计了疲劳驾驶检测监控系统:以CSI摄像头采集数据,利用opencv获取驾驶员的人脸图像,通过Dlib图像特征提取检测驾驶者的眼部EAR、嘴部MAR和头部仰俯角Pitch等参数,进行疲劳识别,判断驾驶员是否处在疲劳状态,并可通过语音提示、振动提醒、电脉冲警示等方式实现疲劳警告,最后将分析数据通过车载网络系统,发送至云端以实现实时监控。

摘要：针对复杂背景条件下人脸检测的检测率低速度慢的问题,选用了基于统计的人脸检测算法.详细介绍了Adaboost人脸检测算法的原理及训练流程.利用opencv图像处理软件与Adaboost人脸检测算法的结合模块,选取扩展的Haar特征,实现了人脸检测并给出了检测结果.设计的检测器对592个人脸漏检62个,可达倒20帧/s左右.因此该方法具有较高的准确度和实时性.

摘要：为了改善图像分辨率在测量精度上的限制,从图像处理的角度实现高精度的视觉测量。利用开源计算机视觉库(opencv)为平台,采用USB摄像头作为视觉传感器,通过畸变矫正、图像预处理及亚像素检测等技术,构建了以单目相机为测量窗口的实时在线高精度视觉测量系统。测量三个已知标准尺寸的物体,其测量结果的最大绝对误差为0.082mm,最大相对误差为0.430%,由结果可得,该系统可以满足大多数机械加工行业实时在线检测及测量仪器要求。

摘要：为实现除草机器人视频图像实时处理,基于Intel开源视觉库opencv技术,提出了一种除草机器人视频图像处理方法,并给出了整体方案。利用该方案设计除草机器人视频图像实时处理系统,并在土槽实验室进行试验验证。试验结果表明,该系统能够完成视频图像高速处理与作物植株定位,从而为实现除草机器人末端执行机构精确运动控制打下了坚实基础。