基于时空图像融合与多任务分类网络的步态识别研究

通过研究一种基于多尺度卷积神经网络和人体姿态估计模型相结合的多任务步态识别方法,对神经网络识别结果做出一定的解释说明,同时提高其在面对协变量改变场景下的识别效果。该方法将卷积神经网络提取的步态空间特征和人体姿态估计模型得到人体关节时序特征融合,进行身份的识别。使用步态数据集CASIA-B中的正常行走序列和合成行走序列数据以及TUM-GAID步态数据集进行实验。结果表明,该方法在TUM-GAID步态数据集实验中,三种场景T₁、T₂和T₃下的识别率分别达到95.2%、72.4%和84.5%。在CASIA-B步态数据集实验中,对于正常行走序列以及两种合成行走序列,该方法在识别精度上均有较好的表现,体现该模型有较强的鲁棒性。     

基于改进ViT的红外人体图像步态识别方法研究

针对卷积神经网络在步态识别时准确率易饱和现象,以及Vision Transformer(ViT)对步态数据集拟合效率较低的问题,提出构建一个对称双重注意力机制模型,保留行走姿态的时间顺序,用若干独立特征子空间有针对性地拟合步态图像块;同时,采用对称架构的方式,增强注意力模块在拟合步态特征时的作用,并利用异类迁移学习进一步提升特征拟合效率。将该模型运用在中科院CASIA C红外人体步态库中进行多次仿真实验,平均识别准确率达到96.8%。结果表明,本文模型在稳定性、数据拟合速度以及识别准确率3方面皆优于传统ViT模型和CNN对比模型。     

基于空-频域特征和线性判别分析的视频步态识别

为提高步态识别准确率,提出了基于空-频域特征和线性判别分析的视频步态识别方法。利用离散余弦变换、Contourlet变换分别提取步态能量图的频率特征和多尺度多方向轮廓特征;融合得到空-频域特征,并通过线性判别分析映射到最佳鉴别矢量空间;根据相似性距离实现身份识别。在中科院自动化所提供的数据库中进行实验,结果表明,提出的特征提取方法优于现有常用方法。空-频域特征能够有效地区分步态中的高低频分量,并捕捉丰富的细节信息,线性判别分析在降维的同时进一步增强特征的判别能力,有助于提高识别精度。     

基于3D结构光传感器的老龄人异常行为检测方法

针对多视角下老龄人异常行为检测问题,利用3D人体数据和多线性子空间分析方法,从时间、视角和空间动作特征对其进行了研究。首先通过三维结构光传感器获取人体扫描点云数据,并进行点云精简和人体表面重建。然后提取人体点云数据的表面曲率特征,并将其映射到二维彩色图像中,构成彩色动作特征图。通过提取特定时长内所有动作的彩色特征图,生成基于曲率的彩色动作能量图模型,并使用2D-PCA对彩色动作能量特征图进行降维。最后运用基于张量分析的多线性子空间分析方法,对多视角下降维后的数据进行视角无关的特征提取,并完成异常行为的分类和识别。实验结果表明,该方法切实可行,可将其应用于助老机器人和老龄人监护等相关领域。     

工业CT图像轮廓提取与优化系统设计

为了有效地提高面向逆向工程的工业CT图像轮廓处理的精准性和计算效率,开发了工业CT图像轮廓提取与优化系统。该系统主要包括图像处理模块、轮廓识别与提取模块、轮廓拟合与优化模块、图像处理经典算法库和数据接口等功能模块,实现了从工业CT图像到轮廓数据的三维点云与轮廓线的标准格式输出,并与逆向工程软件对接。同时,在轮廓拟合与优化模块中,提出了基于全局约束模型的轮廓拟合策略,并采用有向图分解和数值代数相结合的计算方法,提高了轮廓拟合的计算精度和效率。最后通过实例验证了系统的有效性和正确性。     

基于l~p空间力学模型的三维点云配准算法

为了提高三维激光扫描点云的配准效率和精度,提出一种基于l~p空间力学模型的点云配准算法。针对待配准的两组点云数据,首先计算两片点云的重心,通过重心化将两组点云移到以重心为原点的同一坐标系下,然后利用l~p空间力学模型将复杂的两组点云数据分别简化为三个特征向量表示的模型,再根据两点云特征向量的对应关系利用奇异值分解方法求解刚体变换旋转矩阵,得到初始配准参数,最后使用改进的最近点迭代(ICP)算法实现两组点云的精确配准。本文算法可以处理无序散乱点云样本。相比于经典ICP算法,本文算法对Bunny点云数据的配准效率提高了72%,对Dragon点云数据的配准速度提高了4倍。实验表明,本文算法收敛速度较快,效果优良。     

用于三维重建的点云单应性迭代最近点配准算法

点云配准是光学三维(3D)轮廓测量术的关键技术之一。无标志点的点云配准大多由迭代最近点(ICP)算法实现。为提高ICP算法的性能,提出了一种基于点云单应性的迭代最近点配准算法。描述了该算法中单应性点对的建立方法,并推导了点云之间的坐标变换。用一种手持式三维轮廓扫描仪对一个同时具备高频轮廓和低频轮廓的石膏像进行扫描,共得到92帧点云。利用改进ICP算法,82帧点云被成功配准。同时也利用三种具有代表性的ICP算法对这92帧点云进行配准实验以作比较。实验表明,该算法具有稳健性强、收敛速度快、收敛精度高的优点,有助于三维模型的快速重建。     

基于粒子滤波状态估计的滚动轴承故障识别方法

提出了一种基于粒子滤波状态估计的滚动轴承故障识别方法,该方法主要包括故障模型建立和故障识别两个步骤。在故障模型建立部分,首先依据滚动轴承不同故障状态下的振动信号,建立对应的自回归模型,作为故障模型;在故障识别部分,将正常状态下对应的模型,转化为状态空间模型,设计粒子滤波器,然后对不同的故障状态进行估计,提取其残差的相关特征,并结合模型参数特征应用BP神经网络识别算法进行故障识别。最后以美国凯斯西储大学的滚动轴承振动数据为例,验证了该方法的有效性。     

面向光学测量跨源点云的多尺度采样配准方法

为了实现具有不同测量尺度、分辨率与精度等特性的跨源点云的精确配准,提出了基于多尺度采样的测量点云数据配准方法。通过尺度滑移算法来滤除高频细节信息,保留轮廓数据,并结合体素网格邻域法来实现点云数据的降采样;对于宏观结构光视觉测量的低分辨率点云数据,通过基于深度学习的渐进式三维点云上采样算法可以精确还原结构光点云的轮廓细节,实现跨源点云在尺度与分辨率上的统一。最后,采用迭代最近点法对处理后尺度近似的数据进行配准,并将配准关系逆向用于原始跨源点云的配准。实验结果表明,多尺度采样方法对于跨源点云的配准精度有所提高,能有效用于发动机叶片等零部件的高性能检测。     

基于语义分割的城区激光点云与光学影像配准

基于点云数据与光学遥感影像的协同应用在遥感领域获得广泛关注,为了对两种数据进行精确的配准以更好地融合两者优势,提出了一种城市场景下点云与光学遥感影像的自动配准方法.首先,由点云数据生成深度影像,即3D数据转换为2D影像;然后,运用Unet模型对深度影像和光学遥感影像分别进行训练并分割得到建筑面;再基于建筑面轮廓点集构建...     

一种高效的人脸三维点云超分辨率融合方法

三维人脸识别技术是当前研究和应用的热点。提出了一种专门针对人脸的三维点云融合方法,通过人脸检测、人脸姿态校正、点云对准和三视点投影等步骤实现三维点云超分辨率融合。实验结果表明,该方法可提高点云的分辨率,降低噪声的干扰,消除孔洞,能较好地重构人脸表面,能大幅度地降低融合的计算复杂度,提高融合的效率。     

单光子探测三维点云与可见光图像融合处理算法研究

为了提升光电系统对于目标的探测识别能力,实现单光子探测三维点云数据和二维可见光图像的融合处理,提出了单光子探测成像系统的融合处理算法,采用直接线性变换方法并利用同名特征点的选取和间接平差算法解决了融合处理过程中的参数标定问题。通过实验数据进行融合处理算法验证,实现了分辨率1024×768像素单光子探测三维点云和二维可见光图像的像素级融合处理。实验结果表明,提出的融合处理算法能够有效实现三维、二维图像的融合。     

基于多传感器数据融合的人体运动模式识别研究

针对单一传感器在人体运动姿态监测中误差较大的问题,提出了一种基于加速度传感器和陀螺仪数据融合的人体运动模式识别方法。该方法使用陀螺仪输出的人体运动信息对加速度传感器采集到的姿态角信息进行修正,采用卡尔曼滤波算法实现多传感器信息的融合,有效提高了姿态角度测量的准确度。根据人体日常的活动状态构建了基于人体姿态角度特征的隐马尔可夫模型实现人体运动模式的识别。实验表明,该方法比采用单一传感器方法识别的准确率高,可以有效区分不同的日常活动行为。     

基于拟牛顿和遗传算法的三维人脸建模

用网格重采样算法和点变形技术把不同人脸纹理全景图进行标准化,实现三维人脸的像素级对齐;根据在不同姿态下用拟牛顿法优化目标函数优化速度的不同和提取的人脸特征点精确计算出输入图像中人脸的姿态;确定三维人脸模型在此姿态下的可见点,最后利用改进的实数遗传算法进行匹配计算,建立完整的三维人脸模型。实验表明,此算法能实现三维人脸像素级的精确对齐,快速的精确计算输入图像中人脸的姿态,减少优化参数,简化目标函数,提高模型匹配效率和重构精度,缩短匹配时间。     

点云投影结合轻量化卷积神经网络实现三维成像声呐快速目标分类*

三维成像声呐的成像结果是三维点云,基于点云的三维成像声呐目标分类方法具有网络结构复杂,计算量大的特点,针对这一问题本文提出了一种将三维成像声呐成像结果从三维点云投影至二维图像的方法,并且使用轻量化卷积神经网络实现了三维成像声呐快速目标分类。该方法首先对三维成像声呐波束形成后的波束域数据进行最大值滤波和阈值滤波,降低点云数据维度;接着,依据三维成像声呐的波束方向,将点云投影为深度图和强度图,分别保存点云的位置信息和强度信息;然后,利用深度图和强度图分别作为第一个通道和第二个通道构建混合通道图,将混合通道图作为目标分类网络的输入,从而将三维点云的目标分类问题转换为二维图像的目标分类问题;最后使用MobileNetV2网络实现了三维成像声呐快速目标分类。实验结果表明,通过本文提出的投影方法可以用二维图像分类网络完成三维成像声呐点云的目标分类任务;而且混合通道图比单独的强度图和深度图收敛速度更快,结合目标识别网络可以25fps实时的进行目标分类,在真实数据集上分类精度达到了91.13%。     

一种散乱点云的均匀精简算法

针对散乱点云数据密度大、重建时间长、效率低等问题,提出了一种散乱点云的均匀精简算法。该算法基于开源C++编程库点云库(PCL),利用PCL的体素化栅格类创建一个K邻域三维体素栅格,结合包围盒法对输入的点云数据进行K邻域距离计算和法线估计,确定每个小立方栅格的重心,并以其来近似显示这个小立方栅格内所有的数据点,达到精简点云的目的,最后利用贪婪三角投影类对精简后的点云实现三角网格面重建并显示其效果。实验结果表明,该算法在充分保留点云数据几何特征的前提下,能有效滤除部分点云数据冗余量,且精简结果比较均匀,避免了大规模精简所出现的空白区域,提高了重建效率。     

车载抬头显示系统自由曲面反射镜点云匹配算法

车载抬头系统是未来车载仪表显示发展的必然趋势.针对在抬头显示系统自由曲面反射镜测量过程中不同区域特征相似、不易提取特征点,以及优化时易陷入局部最小值的问题,提出了一种高精度的三维点云与抬头显示反射镜面形模型匹配的方法,实现了高稳定性、高精度配准和误差评价.首先测量数据和模型数据转换成点云文件,经过三维旋转,使点云的法向...     

基于深度图像的嵌入式人体坐姿检测系统的实现

以检测不良坐姿,分析人们学习工作状态为引导,设计了基于深度图像的坐姿检测系统。该系统采用3D传感器获取人体坐立时的深度图像,设计了一种基于深度阈值的快速前景提取与干扰移除方法,能快速有效的提取坐姿状态下的人体分割图。基于人体轮廓的曲线特征实现了人体关键点定位,通过人体关键点的角度、深度信息与轮廓特征,对不同的坐姿图像进行统计分析,得到了一种区分不同坐姿的判定基准,运用该基准对9种不同坐姿进行识别,平均识别率可达到90%。最后,基于Android平台设计了坐姿检测系统的应用软件,实现了坐姿检测、坐姿提醒以及姿态统计等功能,并且对学习过程进行测试,测试结果表明,本系统可以有效的检测出9种坐姿、并对不良坐姿进行提醒与统计。     

智能化交互人体表面特征点三维运动轨迹检测技术的研究

人体表面特征点三维空间坐标的实时监测是实现自然高效、非接触的智能化人机交互的关键技术。算法在提取肤色区域外轮廓的基础上,依据手指和手势的多种形状约束特征实现指尖定位。基于Adaboost算法确定人脸区域,针对是否佩戴强干扰性眼镜,采用不同的灰度及空间结构特征实现人眼中心的准确定位。对左右内眼角点或是黑框眼镜内框曲率点进行改良性的光流跟踪。通过多尺度逐级定位算法提升特征点的定位精度。基于双目立体视觉原理实现特征点的三维空间坐标重构,并依靠三维信息反馈有效重启跟踪错误的光流算法。算法将特征与统计方法相结合,通过多尺度以及多信息(灰度、色调、空间结构、三维)的综合运用,相对于传统算法进一步提升了算法的时间处理效率和复杂背景中多状态下(强干扰佩戴物、较大角度的姿态变化、遮挡、光照)目标特征点的检测正确率。     

基于点云数据的三维目标检测技术研究进展

近年来,随着深度传感器和三维激光扫描设备的普及,点云数据引起了广泛关注。相对于二维图像,点云数据不仅包含场景的深度信息,还不受光照等环境因素的影响,能够更精确地实现目标识别和三维定位。因此,基于点云的三维目标检测技术已经成为智能空间感知和场景理解的关键技术。本文首先介绍了点云数据的特点,并探讨了不同类型的点云特征提取方法;其次,详细阐述了基于体素、点、图以及体素与点混合的点云目标检测方法的原理和发展历程;然后,介绍了常见的室内外点云目标检测数据集和评价指标,并对各类点云目标检测方法在KITTI和Waymo数据集上的性能进行了详细的比较和分析;最后,对点云目标检测技术的研究进展进行了总结和展望。