我在机器视觉方面过去一年的研究总结

去年自己系统研究了以下几个方面的技术,并取得了一系列的研究成果:
(一)图象预处理技术
主要包括有图象增强,边缘提取,光照消除,直方图分析等技术的研究和实验.特别是在光照消除方面研究了Retinex技术,并在PC端做了模拟仿真.实验证明效果非常好,从根本上解决了人脸识别中的光照影响问题.
缺点是运算量可能较大,在嵌入式系统中应用需要进一步优化.

(二)特征检测
1 ADBOOST技术
系统研究了基于ADBOOST技术的人脸检测方法,通过对人脸库的训练提取级联结构的人脸特征库,通过级联检测,实现了快速准确的人脸检测.
在PC端实现了训练与检测的模拟仿真,并成功在COACH9,AMBA平台上移植,实现了静态图片与动态视频下的人脸检测.同时将特征检测运用到.
应用:
人脸,人眼,鼻的检测定位,为身份识别奠定基础.其中人眼的检测可以考虑在闪光灯的消红眼中尝试应用.
2 模板匹配
研究了基于人脸模板匹配人脸检测技术,并在PC端实现程序仿真.
优点是实现简单,精度高,缺陷是运算量大,不适合在嵌入式系统中应用;
3 肤色模型
通过寻找肤色特征,建立肤色模型来实现人脸检测.
在PC端和AMBA平台上实现了模拟仿真.
优点是速度快,缺点是准确性不高易受环境光影响,可以做其他检测方法的有效验证,提高检测精度.

(三)特征识别
1 SIFT算法的特征匹配
SIFT算法是国际目前流行的特征匹配算法,可以对缩放/旋转/光照/变形等尺度变化的图象实现提取稳定特征的一种算法.目前一些大的数码相机品牌,如SONY/CANON等公司有提供基于PC端的全景图片合成软件就是采用了该技术.我在PC端有实现程序模拟仿真,发现的确效果不错.
缺点:运算量极大,不适合在嵌入式系统中实现实时应用,对纹理不明显的图象失效;
2 PCA人脸识别
通过提取主要成分特征的一种特征识别算法,该方法也是比较流行的识别方法.
在PC端上实现了模拟仿真,光照好的情况下识别精度比较高,运算量也比较小,缺陷是易受光照影响,需要结合消除光照影响的技术一起使用.
4 GABOR小波分析的人脸识别
是目前国际上研究的热点,通过对人脸的局部多尺度GABOR小波分析,来实现人脸识别.
优点是精度很高,对光照/表情/姿态变化有很强的鲁棒性,缺点是计算量大,目前在嵌入式系统中实现动态识别的难度较大,可考虑静态识别.
在PC端上实现了模拟仿真,并为嵌入式系统移植做了大量的优化.
3 LBP特征提取技术
也是目前国际上研究的热点,通过对局部类似直方图的信息进行运算,实现特征提取.
优点是速度快,对光照影响有一定的抑制,准确度也比较高,缺点是对人脸姿态变化(如旋转脸)敏感,在识别之前需要有人脸对齐的处理.
在PC端和AMBA平台上实现了模拟仿真,实验在理想情况(标准正面)下,识别准确性高,但由于没有人脸对齐的处理,因此在非标准情况下易误判.
(四)运动跟踪
1 CAMSHIFT算法
在PC端实现了基于CAMSHIFT算法的单人脸跟踪.
优点是速度快,在无环境色光干扰的情况下准确性比较高,缺点是易受环境光影响,不易实现多人跟踪;
2 KALMAN滤波算法
经典的跟踪算法,只适用与匀速运动场合,运算量较大.
3 粒子滤波算法
目前国际上研究的热点,精度高适用范围广.
在PC端实现了粒子滤波算法的运动物体跟踪,并为嵌入式系统移植做了大量的优化,关于运算速度还需要进一步实验验证.