共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
3.
吾尔尼沙·阿不都热依 《科技通报》2014,(6)
从视频像素灰度序列中提取特定人员的状态特征,采用平面阵对特征信息进行融合处理是实现计算机视觉下特定人员定位的重要步骤。传统的人员视觉定位方法采用视频步进跟踪学习方法,在随机状态分布下的复杂环境人员进行准确定位效果不佳,提出一种基于平面圆阵定位算法的特定人员计算机视觉定位方法,提取监控视频的图像,进行视频图像的背景建模,得到高斯差分尺度空间中的背景像素灰度值,实现对特定人员的表情识别的动作判别,以此为数据基础设计平面圆阵人员定位系统,实现对暴恐等特定人员的准确锁定和跟踪识别。仿真实验表明,采用该算法准确实现1500 m远距离暴恐人员特征识别与定位,误差较小,分辨率和准确性较高。 相似文献
4.
OpenCV是近年来新出现的并逐渐普及的计算机视觉研究工具,利用面向对象的vc.net2003编程工具,实现了基于OpenCV的图像采集、图像存储、图像加载、图像灰度化、图像滤波、阈值分割、边缘检测等功能,并给出了实现代码。 相似文献
5.
6.
7.
8.
通过OpenCV机器视觉库技术与Python开发平台对车牌识别进行了研究与分析,该车牌识别系统主要由图像预处理、车牌定位、字符分割与识别等部分组成,实验表明该系统具有良好的识别效果。 相似文献
9.
通过对军事禁区人员的视觉特征提取提高军事禁区的人员监控和识别能力。提出一种基于嵌入式视觉技术的军事禁区人员监控技术,系统采用4台计算机,3台显示器,虚拟现实设备设计,整个系统的控制是通过连有手控器的计算机来实现军事禁区人员的视觉特征提取,构建视觉特征提取的状态方程和观测方程,对嵌入式视觉特征进行运动属性分析和图像处理,实现人员监控特征分析算法改进。仿真结果表明,该系统能有效实现远距离视频监控和人员特征识别及嵌入式视觉定位,测距误差较低,对军事禁区人员的监控精度提高,对远程监控视频特征的场景恢复性能较好,能有效识别人员的行为和视觉特征,性能优越。 相似文献
10.
11.
为了提高人脸识别的准确度同时降低技术成本,采用OpenCV与云计算结合的方法来实现人脸识别,首先在OpenCV下采用AdaBoost算法训练出级联分类器用来进行人脸检测,然后使用OAuth2.0授权调用百度云的AI开放平台人脸比对接口进行人脸识别,根据返回的人脸图像相似度值判断是否为同一个人,实现了一个人脸识别的登录验证系统。系统在基于Java的web应用上实现,采用MVC设计模型,其各个层使用的框架为SSM框架。本地资源OpenCV跨平台计算机视觉库有丰富的算法,可以简化程序设计,节省通信开销;使用百度云的AI开放平台可以提高人脸识别精度。文章提出的方法结合了本地资源和云计算的优势,为高精确度低成本实现人脸识别技术提供了一种思路。 相似文献
12.
<正>计算机视觉是人工智能的一项核心技术，目前正处于全球研发热潮期。计算机视觉是一种利用计算机从图像或视频中获取信息的技术，即试图理解或者仿真人类视觉系统达到完成特定任务的目的，可以分解为增强现实、生物识别、场景理解、字符识别、目标跟踪、视频图像识别等多个技术分支。场景理解作为计算机视觉领域的一个重要分支，其目标在于将采集到的视觉数据转换为语义信息，使计算机能够获得概括与描述视觉场景的能力，在人机交互、机器人模式识别、自动驾驶、增强现实等领域具有广泛的应用。 相似文献
13.
14.
15.
16.
本文研究了视觉巡检机器人的导航线检测识别问题,所用的检测方法能大大降低计算量,并结合自动阈值分割和改进Hough变换算法,具有良好的鲁棒性,能够满足视频图像检测的实时性和准确性要求。 相似文献
17.
18.
视频事件建模与识别是视频特征处理和计算机视觉领域的关键技术。本文提出利用模糊petri网进行监控视频事件建模和识别的方法,用模糊Petri网进行监控视频事件建模．并所建立的视频事件模糊Petri网模型基础上进行模糊推理,计算出发生某个视频事件的置信度。通过案例证明了该方法的有效性。 相似文献
19.
提出一种基于域特征点预置乱熵编码的高保密性无线视频传输实现方法,基于计算机视觉库OpenCV处理,对域特征点进行相关,并对视频域特征点进行分离,形成原始域特征点库,采用预置乱算法对域特征点库进行置乱,使得域特征点库在不增加容量的情况下提高保密性,基于置乱后的域特征点库进行熵编码,实现高效压缩,兼顾视频保密性和压缩率要求。采用实际视频进行处理,结果显示,采用该方法进行无线视频加密传输,视频在相对保密性提高40%的情况下,压缩效率仅降低了1%,在高保密性无线视频传输中具有很好的应用价值。 相似文献
20.
板球走迷宫系统是一种建立在板球控制系统基础上,对图像处理进一步强化的控制系统,通过分析板球走迷宫系统对多特征图像处理的要求以及二维平面运动控制,设计了以树莓派为图像处理平台,以OpenCV+Linux+Python为软件基础,以STM32为平板控制芯片。上层系统(树莓派)以图像处理作为核心,依靠开源视觉库OpenCV实现板球走迷宫系统的多特征图像处理。下层系统(STM32)接收上层系统发送的串口数据,结合平板倾角,通过PID控制方法控制芯片输出PWM驱动数字舵机,从而实现板球在平板上的运动控制,以达到走迷宫的效果。软件算法方面,上层系统软件算法采用Python语言编程,实现图像处理、串口信息发送。下层系统采用C语言编程,实现串口数据解析、PID控制功能和系统参数调试及显示功能。 相似文献