基于单摄像机成像的电力设施侵入目标的参数计算，首先采用成本较低的单摄像机单目视觉系统，对摄像机监控范围内的空间进行三维建模，便于对其监控范围内的各种物体进行距离测算与三维尺寸测算；接着依据立体视觉系统，对采用最新的模式识别技术识别出的入侵物的大小和距离进行计算，判断威胁程度。文中提出的基于单摄像机成像的电力设施侵入目标的参数计算方法，可以更为准确地判断入侵物大小和位置，从而可靠地判断威胁程度，降低误报和漏报，在输电设施的监控方面有广大的应用前景。
上传时间： 2013-11-02
上传用户：chens000
灰度空间共现矩阵(SGLD)是著名的提取目标纹理的特征，已经成功地应用于人脸检测等计算机视觉中。大家可研究此MAtlab代码，在实用中转化为C代码使用。
上传时间： 2014-09-02
上传用户：Ants
从人流统计的实际工程出发,实现了基于计算机视觉的人体运动检测及跟踪系统,采用“差影法”滤掉静止帧,使用自适应的一阶递归滤波及帧差法提取运动区域,并通过数学形态滤波的开运算和闭运算改善运动区域提取效果。实验结果证明本运动跟踪方案处理简单高效 、抗噪能力强,可以完成复杂背景下运动目标的实时性检测与跟踪。
上传时间： 2014-11-29
上传用户：梧桐
，提出了一种利用人眼的视觉特性，采用不规则块、随机覆 盖法和曲线最优匹配的纹理合成新方法L新方法分两个步骤：首先根据人眼的视觉特性，采用智能选择 工具从样本纹理中抽取出具有明显边界特征的不规则块，然后采用随机覆盖法和曲线最优匹配法来决 定如何把不规则块拷贝到目标纹理中L和已有的合成方法相比，新方法能更好地保持纹理的边界结构 特征L实验表明该方法可以快速高效地合成高质量的纹元式纹理
标签： 视觉特性
上传时间： 2014-01-23
上传用户：cazjing
基于FPGA的机器人视觉系统模块的设计 关键字： 机器人 视觉系统 集成电路 FPGA 一、概述 视觉技术是近几十年来发展的一门新兴技术。机器视觉可以代替人类的视觉从事检验、目标跟踪、机器人导向等方面的工作，特别是在那些需要重复、迅速的从图象中获取精确信息的场合。尽管在目前硬件和软件技术条件下，机器视觉功能还处于初级水平，但其潜在的应用价值引起了世界各国的高度重视，发达国家如美国、日本、德国、法国等都投入了大量的人力物力进行研究，近年来已经在机器视觉的某些方面获得了突破性的进展，机器视觉在车辆安全技术、自动化技术等应用中也越来越显示出其重要价值。本文根据最新的CMOS图像采集芯片设计了一种通用的视觉系统模块，经过编制不同的图像处理、模式识别算法程序本模块可以应用到足球机器人，无人车辆等各种场合。
标签： FPGA的机器人视觉系统
上传时间： 2015-04-25
上传用户：justgo123
基于双目视觉的空间非合作目标超近距离位姿测量技术
标签： 测量技术
上传时间： 2016-12-28
上传用户：yanxiaopan
边缘（edge）是指图像局部强度变化最显著的部分.边缘主要存在于目标与目标、目标与背景、区域与区域（包括不同色彩）之间，是图像分割、纹理特征和形状特征等图像分析的重要基础.图像分析和理解的第一步常常是边缘检测（edge detection）.由于边缘检测十分重要，因此成为机器视觉研究领域最活跃的课题之一.本章主要讨论边缘检测和定位的基本概念，并使用几种常用的边缘检测器来说明边缘检测的基本问题图像中的边缘通常与图像强度或图像强度的一阶导数的不连续性有关.图像强度的不连续可分为：（）阶跃不连续，即图像强度在不连续处的两边的像素灰度值有着显著的差异（2）线条不连续，即图像强度突然从一个值变化到另一个值，保持一个较小的行程后又返回到原来的值.在实际中，阶跃和线条边缘图像是很少见的，由于大多数传感元件具有低频特性，使得阶跃边缘变成斜坡型边缘，线条边缘变成屋顶形边缘，其中的强度变化不是瞬间的，而是跨越一定的距离，这些边缘如图6.1所示对一个边缘来说，有可能同时具有阶跃和线条边缘特性.例如在一个表面上，由一个平面变化到法线方向不同的另一个平面就会产生阶跃边缘：如果这一表面具有镜面反射特性且两平面形成的棱角比较圆滑，则当棱角圆滑表面的法线经过镜面反射角时，由于镜面反射分量，在棱角圆滑表面上会产生明亮光条，这样的边缘看起来象在阶跃边缘上叠加了一个线条边缘.由于边缘可能与场景中物体的重要特征对应，所以它是很重要的图像特征。比如，个物体的轮廓通常产生阶跃边缘，因为物体的图像强度不同于背景的图像强度在讨论边缘算子之前，首先给出一些术语的定义：边缘点：图像中具有坐标[门且处在强度显著变化的位置上的点边缘段：对应于边缘点坐标[，门及其方位，边缘的方位可能是梯度角边缘检测器：从图像中抽取边缘（边缘点和边缘段）集合的算法
上传时间： 2022-04-22
上传用户：bluedrops
OpenCV 3是一种先进的计算机视觉库，可以用于各种图像和视频处理操作，通过OpenCV 3 能很容易地实现一些有前景且功能先进的应用（比如：人脸识别或目标跟踪等）。理解与计算机视觉相关的算法、模型以及OpenCV 3 API背后的基本概念，有助于开发现实世界中的各种应用程序（比如：安全和监视领域的工具）。本书将从图像处理的基本操作出发，带你开启先进计算机视觉概念的探索之旅。计算机视觉是一个快速发展的学科，在现实生活中，它的应用增长得非常快，因此写作本书的目的是为了帮助计算机视觉领域的新手和想要了解全新的OpenCV 3.0.0的计算机视觉专家。通过阅读本书，你将学到:安装和熟练使用基于Python的OpenCV 3的API掌握图像处理和视频分析的基础知识在图像和视频中检测和识别目标使用OpenCV检测和识别人脸训练和使用自己的对象分类器了解计算机视觉中的机器学习概念使用OpenCV的人工神经网络来解决实际问题开发现实生活中的计算机视觉应用
上传时间： 2022-05-14
上传用户：
一款专门用于CCD机器视觉定位的软件，模式匹配，轮廓模板，粒子分析，目标追踪算法齐全，可配合三菱，松下，omron ，等plc 各大牌子的 机器人，资源较大，放在网盘中，附件中提供了链接和提取码。
上传时间： 2022-06-03
上传用户：jason_vip1
上面是一段实时目标识别的演示， 计算机在视频流上标注出物体的类别， 包括人、汽车、自行车、狗、背包、领带、椅子等。今天的计算机视觉技术已经可以在图片、视频中识别出大量类别的物体， 甚至可以初步理解图片或者视频中的内容， 在这方面，人工智能已经达到了3 岁儿童的智力水平。这是一个很了不起的成就， 毕竟人工智能用了几十年的时间， 就走完了人类几十万年的进化之路，并且还在加速发展。道路总是曲折的， 也是有迹可循的。在尝试了其它方法之后， 计算机视觉在仿生学里找到了正确的道路（至少目前看是正确的） 。通过研究人类的视觉原理，计算机利用深度神经网络（ Deep Neural Network，NN）实现了对图片的识别，包括文字识别、物体分类、图像理解等。在这个过程中，神经元和神经网络模型、大数据技术的发展，以及处理器（尤其是GPU）强大的算力，给人工智能技术的发展提供了很大的支持。本文是一篇学习笔记， 以深度优先的思路， 记录了对深度学习（Deep Learning）的简单梳理，主要针对计算机视觉应用领域。
上传时间： 2022-06-22
上传用户：
