- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于多向量场约束的彩色与深度图像配准算法
摘要： 图像配准旨在建立图像间可靠的特征关系，是图像处理领域的关键问题。为提高彩色与深度图像配准的精度，本文提出一种基于多向量场约束的新型图像配准算法。首先初始化彩色与深度图像的边缘信息特征，基于边缘信息建立初始对应关系；考虑图像间的相关性，据此建立多向量场约束的函数关系。在再生核希尔伯特空间(RKHS)中，将该约束加入概率模型，并采用EM算法优化模型参数，最终获取图像对应边缘点的概率分布。为进一步提升配准精度，本文将输入从单对图像扩展为双对图像，通过参数模型迭代评估图像间的特征变换关系。以公开RGB-D图像为实验对象，结果表明：对于单物体图像配准，本算法相比SC、ICP和CPD算法的配准精度提升约5%；此外通过人工噪声测试表明，本算法较SC、ICP和CPD算法具有更优的抗噪能力。
关键词： 多矢量场约束、图像配准、EM算法、深度图像
更新于2025-09-23 15:23:52
-
深度图像中快速六维物体位姿精修
摘要： 恢复6D物体位姿因其应用于机器人智能操控等领域而备受关注。本文提出一种从消费级深度传感器获取的含噪深度图像中优化6D物体位姿的方法。与现有同类技术相比，该方法具有高精度、对部分遮挡和噪声的高鲁棒性、低计算成本及快速收敛等优势。其通过迭代方案仅采用随机森林来最小化能量化真实位姿与估计位姿偏差的代价函数实现这一效果。本算法中的随机森林仅需使用物体3D模型渲染的合成深度图像进行训练。多项实验结果表明，相较于深度图像6D位姿优化中常用的ICP算法和基于优化的算法，本方法性能更优。此外，我们的算法迭代过程仅需单核CPU即可显著快于现有技术。
关键词： 物体位姿精修、随机森林、深度图像、六维位姿估计、快速收敛
更新于2025-09-23 15:22:29
-
使用深度和红外图像进行人脸识别
摘要： 本文提出了一种结合深度图像与红外图像的人脸识别方法。传统基于彩色图像的人脸识别方法虽能准确识别人脸，但易受光照影响，且易被照片、雕塑等假人脸盗取用户面部信息。而基于深度或红外图像的方法受光照影响较小，并能有效防止假脸识别。本文利用深度图像缩短识别时间，采用红外图像提升识别性能。在人脸检测阶段，通过捕获的深度图像定位人鼻位置以减少检测耗时，并划定人脸区域；在特征提取阶段，采用三维局部二值模式从红外图像提取特征图；在人脸识别阶段，将捕获人脸特征与数据库预存人脸特征进行比对获得相似度，当相似度超过设定阈值时判定识别成功。仿真结果表明，该方法在正常环境及弱光条件下均能保持良好的人脸识别性能。
关键词： 局部二值模式，深度图像，人脸识别，红外图像
更新于2025-09-12 10:27:22
-
使用多台RGB-D摄像机进行动态姿态估计
摘要： 由于人体结构复杂且存在自遮挡问题，人体姿态估计具有较大难度。本文提出一种无标记的人体姿态估计系统，通过检测和追踪头部、手部及足部等关键身体部位实现定位。该系统利用多台RGB-D相机采集的彩色与深度图像，构建包含各相机分割区域的图模型，并基于图中累积测地距离将关键身体部位检测为一组极值点。搜索过程中采用监督学习模型进行局部检测以匹配身体特征，最终通过投票机制选取极值点集，并根据多相机统一数据中的物理约束进行追踪。追踪阶段引入基于卡尔曼滤波的方法来降低位置噪声并恢复极值点追踪失败的情况。相比商用系统，本系统平均准确率达87%，性能优于既有多Kinect系统，仅需少量极值点作为输入数据，即可应用于人体动作识别或从若干关键姿态合成运动序列。
关键词： 动作识别、动态姿态、深度图像、运动跟踪、运动合成、人体运动、身体部位检测
更新于2025-09-09 09:28:46
-
[计算机科学讲义] 模式识别与计算机视觉 第11257卷（首届中国会议，PRCV 2018，中国广州，2018年11月23-26日，会议录，第二部分）|| 基于特征可视化的堆叠卷积神经网络用于深度图像中的人体检测
摘要： 人体检测是生物特征识别领域的关键技术，而深度图像中的人体检测由于严重的噪声效应和缺乏纹理信息颇具挑战性。针对这一问题，我们提出基于特征可视化的堆叠卷积神经网络（FV-SCNN），该网络可通过双层无监督学习进行训练。具体而言，通过在前一层重建的可视化特征上优化稀疏自编码器（SAE）来获取下一层CNN，从而捕捉鲁棒的高层特征。在SZU深度行人数据集上的实验验证了该方法能实现良好的人体检测精度。本方法的核心在于：基于CNN的特征可视化实质上是对深度图进行数据驱动处理，显著减轻了噪声与干扰对人体检测的影响。
关键词： 特征可视化、稀疏自编码器、卷积神经网络、深度图像、人体检测
更新于2025-09-04 15:30:14
-
[IEEE 2018年第24届国际模式识别大会(ICPR) - 中国北京(2018年8月20日-24日)] 2018年第24届国际模式识别大会(ICPR) - 基于局部回归的沙漏网络用于单深度图像手部姿态估计
摘要： 手部姿态估计在人机交互等诸多应用中具有重要作用。随着商用深度传感器的普及和深度学习技术的发展，该领域近期取得了显著进展。然而现有方法的准确性和鲁棒性仍不尽如人意。本文提出一种基于端到端局部回归的沙漏网络，通过改进的损失函数来估计深度图像中的手部三维姿态。我们采用三阶沙漏?？樘崛∈植刻卣?，在网络顶层先将特征图分割为多个区域进行独立回归，随后合并回归结果并输入最终回归器。此外，我们还比较了不同损失函数在该任务中的表现。结果表明，本文设计的网络结构和损失函数带来了明显提升，所提方法在公开挑战性数据集上达到或超越了当前最优水平。本系统在单GPU上可运行超过910帧/秒，估计平均误差降至12.36毫米。
关键词： 沙漏网络，深度图像，手部姿态估计，局部回归，损失函数
更新于2025-09-04 15:30:14