摘要：人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。具体来说,指通过电子仪器采集图像中的人脸,经过图像的检测和人脸的跟踪,对捕捉到的人脸进行识别的技术。随着图像处理与生物鉴别技术日新月异地进步,大量的安全系统采用了人脸识别技术。本文在研究人脸识别技术现状的基础上,结合实际生活中身份认证安全系统的需求,设计了基于Open CV的人脸识别门禁系统。介绍了如何使用Open CV进行人脸检测与识别、如何运用人脸识别控制门禁等,重点探讨了不同模型的人脸识别算法识别效果的好坏、光照变化及不同姿态对人脸识别结果的影响。

摘要：文章介绍了利用计算机视觉技术实现车载摄像头对车道识别分析、驾驶员驾驶状态实时监控的监测方法,并将监测方法结合具体应用场景开展实践研究;通过opencv实现了驾驶员人脸识别和道路直线检测,为驾驶员驾驶提供一定辅助功能;使用Yolov5进行疲劳检测和对手机、水杯等物品进行检测,以提高驾驶员专注程度和驾驶安全性。

摘要：设计了一种基于YOLO算法实现嵌入式系统控制交通信号灯及路灯的新型装置。该设备使用摄像头捕获视频,通过opencv对视频进行预处理,YOLOV3算法作为识别算法和定位算法检测并判定图像中车辆的相对位置及数量,利用STM32单片机改变左转和直行的通行时间,从而实现智能控制。经实验仿真验证,该设备可提高当前道路的通行能力,缓解交通压力。

摘要：为了解决在复杂环境下人工操作难以实现自动化、智能化和精确性的问题,设计了一种具有自平衡功能的取放一体平衡机器人,并开发了其软硬件系统。该机器人利用opencv在NVIDIA Jetson TX2平台上进行图像处理,从而能够识别其周围的环境,并根据目标参数实现自动控制平衡机器人的运动。机器人的底盘采用STM32F4系列作为主控芯片,能够快速地获取电机等数据,并进行实时的PID控制等处理。

摘要：本文根据当今物流系统中对快递面单上条形码进行识别的需要,设计了一个基于深度学习的快递单面条形码识别算法。该算法通过对摄像头采集到的原始图像进行智能处理及识别,读取出包裹的快递单号信息,并应用于高校快递智能服务系统。该算法包含条形码定位以及条形码识别两部分。为了提高算法效率,本论文采用结构最简洁,推理速度最快的Yolov5s模型来完成对条形码的定位,首先使用Yolov5s框选出条形码所在位置,输出边框选中的部分,再使用opencv的最小外接矩形方法得到图片的偏转角度,然后使用仿射变换对存在偏转的图像进行矫正,最后使用解码器对条形码进行解码,并以字符串的形式输出解码出的内容,实现对快递面单上条形码的定位与识别。通过真实环境下的测试得出,Yolov5s条形码检测模型的mAP值为99.67%,测试精度为93.64%,较好地达成了实验目的。

摘要：设计一套基于深度学习的文本检测比对系统,采用工业相机采集原产地烟包标签和物流入库条码标签的图像数据,利用opencv对图像进行预处理,提取标签位置并进行正畸和放大,利用PP-OCR超轻量级OCR系统对标签中的文字进行自动识别,并结合深度学习算法进行样本训练和逻辑匹配,实时检测出标签信息不符合的烟包,并触发剔除指令,将问题烟包移送至待检区。测试结果显示,该模型对烟包文本图像具有良好的识别效果,准确率达99.85%。在实际应用中,信息的实时识别准确率能保持99.97%,实现数据标签检查的自动化,降低检测人员的劳动强度,提高了生产线的自动化水平。

摘要：随着科技的发展,智能设备产生的大量数据给云计算处理方式带来了巨大的压力,进行快速、有效地人脸识别的技术要求日益迫切。本文基于边缘计算,采用Qt+opencv技术设计了人脸识别系统,实现了人脸识别模块在ARM开发板上运行,完成了边缘端及服务器端的开发,优先在移动设备所处的边缘端对图像进行处理,并结合了AdaBoost算法进行识别。该系统可以减少图像目标识别的计算成本、减少网络数据泄露的风险、增强服务响应能力。

摘要：为了提高利用opencv库函数进行图像采集的帧率、减少图像采集延迟,在基于树莓派的嵌入式Linux系统中,设计了一种多线程图像采集方法,并对图像采集的帧率和延迟进行了测试实验.实验结果表明,在使用USB接口或CSI接口摄像头进行图像采集的条件下,相对于直接调用opencv中的库函数进行图像采集,利用多线程采集方法可使采集帧率至少提升143.8%,采集延迟至少下降31.1%.

摘要：为了提高居家环境的安全以及视频监控系统的检测和存储效率,论文设计了一种基于PBAS算法的嵌入式视频监控系统。首先,构建了以S3C2440芯片为核心的嵌入式Linux平台,使用Qt5.6实现了系统的人机交互界面。然后,对PBAS算法提出了改进方案,即改进决策阀值的更新策略和引入闪烁点机制。最后使用opencv实现该算法并应用在嵌入式Linux平台上。实验结果表明,该视频监控系统能较准确地检测出视频中含有移动目标的帧并将其保存下来,能有效节省存储视频所需的内存空间。

摘要：随着人类海洋活动的发展,水下自主机器人成为海洋勘察和科学研究的重要装备。设计一种基于图像识别的水下机器人自主避障系统,在无人干预的条件下实现机器人水下自主巡航、规避障碍、上浮下潜和实时数据传输。该系统采用CMOS模拟摄像头结合LM1881视频分离芯片提取视频模拟信号,MC9S12XS128单片机外部中断功能和内部AD转换器转换成数字信号,被转换出来的数据直接使用边缘检测算法实现障碍物的识别。数字信号和视频流也会经nRF24L01无线数据模块传到上位机,上位机将数据接收后进行相应显示,并可直接显示视频流,对水下环境进行实时监控。同时无线视频采集卡的影像模块采用opencv库进行的二次开发,完成上位机更加复杂的图像识别算法。并通过实例进行实验验证。实验结果表明,该系统能通过图像识别实现自主的水底探测和避障,具有较高的性价比和实用价值。