特征点检测

摘要： 针对图像拼接的实时性、准确度问题,本文提出了一种基于改进ORB特征点检测的图像拼接方法.方法在提取图像噪声点周边点的方式和判断特征点条件上进行改进.首先根据ORB算法判断特征点的特点将选取16个点减少为仅选取上下左右4个点,大大减少了质心与周边像素的比较次数;然后根据特征点延展性的特性,再在外圆选取4个相关点进行比较,快速区分噪点或是特征点,提高了特征点匹配准确率.本文还改进了随机取样一致性RANSAC算法,在迭代过程中增加合适的新特征点,提高内点比,减少迭代次数,不仅提升了效率,还可以计算出更合适的变换矩阵,达到更好的拼接效果.实验证明通过改进的ORB算法,改进的RANSAC算法和泊松融合算法能够实时的、高效的、准确的实现图像拼接.

摘要： 首先提出一种深度卷积神经网络(DCNN)与隐马尔可夫模型(HMM)融合的疲劳驾驶检测方法,针对眼睛和嘴巴状态单一特征,构建3层DCNN来识别眼睛和嘴巴闭合状态;再针对训练样本人工标记困难的问题,提出结合人工标记、采用Dlib特征点检测和疲劳参数加权获取驾驶员疲劳等级的方法进行标记;最后,针对疲劳驾驶是一个从状态良好到重度疲劳的时序过程,构建基于DCNN与HMM融合的疲劳驾驶状态判断方法。结果表明,本方法能有效减少因状态检测和突变造成的误差,准确率较传统参数加权方法提高约10%,单帧检测时间约为150 ms。因此,该检测方法既提高了系统鲁棒性,也满足实时需求。

摘要： 特征点提取是图像处理领域的一个重要方向,在视觉导航、图像匹配、三维重建等领域具有广泛的应用价值;基于卷积神经网络的特征点提取方法是目前的主流方法,但由于传统卷积层的感受野大小不变、采样区域的几何结构固定,在尺度、视角和光照变化较大的情况下,特征点提取的精度和鲁棒性较差;为解决以上问题提出了一种结合多尺度与可变形卷积的自监督特征点提取网络;以L2-NET为网络骨干,在深层网络中引入多尺度卷积核,增强网络的多尺度特征提取能力,获得细粒度尺度信息的特征图;使用单应矩阵约束的可变形卷积以提取不规则的特征区域,同时降低运算量,并采用归一化约束单应矩阵的求解,均衡不同采样点对结果的影响,配合在网络中增加的卷积注意力机制和坐标注意力机制,提升网络的特征提取能力;文章在HPatches数据集上进行了对比试验和消融实验,与R2D2等7种主流方法进行对比,文章方法的特征点提取效果最好,相比于次优数据,特征点重复度指标(Rep)提升了约1%,匹配分数(M.s.)提升了约1.3%,平均匹配精度(MMA)提高了约0.4%;文章提出的方法充分利用了可变形卷积提供的深层信息,融合了不同尺度的特征,使特征点提取结果更加准确和鲁棒。

摘要： 由于水下光衰严重、能见度低,导致ROV作业时采集的水下图像特征难以提取,重建的水下目标三维点云辨识质量低。本文提出一种改进SIFT尺度空间的水下目标三维点云生成优化方法,该方法增强了特征提取时颜色边缘特征信息的感知,提高了有效特征点匹配数。基于ROV拍摄的水下数据集实验结果表明,相比于SIFT传统算法,该方法图像特征点数量增加2.9倍,匹配数量增加1.78倍,点云数量增加1.04倍,三维重构模型效果显著。因此该方法可在一定程度解决水下图像特征点难检测及生成的三维模型质量差的问题。

摘要： 图像匹配是计算机视觉应用研究的主要内容。针对ORB(Oriented FAST and Rotated BRIEF)图像匹配方法不具备尺度不变性和匹配精度低的问题,提出一种基于改进ORB算法的图像匹配方法。在特征点检测阶段,ORB和SURF(Speeded Up Robust Feature)同时检测特征点,首先采用oFAST(oriented-FAST)与SURF算法检测左右图像特征点,然后使用rBRIEF(rotation-aware BRIEF)描述子描述特征点;在立体匹配阶段,采用Hamming距离对特征点进行粗匹配的基础上,引入极线约束筛选特征点并进行精匹配,减小匹配搜索范围,加快匹配速度,提高匹配准确率。实验结果表明,所提改进ORB算法点对数平均值是SURF算法的1.5倍左右,匹配速度平均值比SURF算法提高了22%,准确率比SURF算法提高了2倍,比ORB算法提高1.7倍,从而证明所提改进ORB算法,具有匹配点数多、速度快、准确率高的特点,且具有尺度不变性。所提方法可应用于目标识别、目标跟踪、三维重建、缺陷检测等领域。

摘要： 针对当今社会手势识别应用度逐渐提高的热点现象,提出一种基于手部及背景环境等21个特征点检测的手势识别算法。首先采用数据流处理机器学习应用开发框架,对图像进行变换与渲染,定义5个手指二维向量的相关角度;然后根据经验确定手指弯直状态改变的阈值角度,通过5个手指不同弯直状态的组合表征不同的含义;同时进行鲁棒预测控制,降低了相关的外部干扰与建模误差,提高了图像识别的精准度。采用公开数据集对提出的方法进行验证,平均识别率达到95%,提高了识别的精准度,为人机交互手势识别的发展提供了新思路。

摘要： 四足机器人是足式机器人的典型代表,其仿生性强、结构简单。针对四足巡线机器人运动过程中,路径识别与跟踪存在识别率低、易受干扰、解算周期长等问题,在图像处理模块OpenMV基础上,提出特征点检测与线性回归法相结合的方法,对地面标识线进行识别与跟踪控制,提高了四足机器人巡线的精度、速度及抗干扰性能。

摘要： 血细胞显微图像拼接时存在特征点冗余导致匹配效率低和过拟合的问题。基于自主搭建的血涂片自动扫描显微视觉平台,系统地研究高效、精确拼接技术。研究Forstner图像特征点检测的性能指标,发现Forstner算子具有较高准确度;针对Forstner算子检测特征点冗余的问题,提出区域匹配和图像定向滤波的复合预处理算法,减小无效搜索区域和图像噪声信息。实验结果表明:采用Forstner算子+复合预处理算法,图像拼接效果良好。对比传统全区域搜寻、匹配特征点的算法,匹配率提升58.69百分点,拼接耗时缩短了90.13%。

摘要： 为自动检测人脸是否规范佩戴口罩,提出了一种基于HSV+HOG特征和SVM的人脸口罩检测算法。首先,使用人脸检测算法RetinaFace检测出人脸和五个特征点坐标,在人脸上使用特征点定位到口鼻区域,提取该区域的HSV+HOG特征并使用SVM进行训练,实现对有无佩戴口罩的检测。然后,使用RetinaFace把检测目标定位到人脸的鼻尖区域,使用YCrCb椭圆肤色模型检测鼻尖区域皮肤的暴露情况,根据实验结果找到最佳分类阈值来判断佩戴是否规范。实验表明,该算法的口罩佩戴检测准确率可达97.9%,佩戴规范检测准确率可达87.55%。

摘要： 视觉SLAM(Simultaneous Localization And Mapping)的鲁棒性是困扰其走向应用的瓶颈,其中特征点提取算法的鲁棒性是重要影响因素。针对目前特征点提取算法普遍基于灰度图像,造成较大信息损失的问题,提出RGB图像的信息熵度量,验证了RGB图像变换为灰度图像的信息损失。在此基础上,提出了基于信息熵评价的特征点提取算法,根据RGB图像三个通道的信息熵确定灰度变换权重,最大限度保留图像信息;然后利用FAST算法进行特征提取;最后直接基于RGB三通道构建特征描述子,实现特征在像素级的融合,为特征匹配提供可靠的依据。通过实验证明,改进的RGB特征点提取算法的匹配精度相比经典ORB算法在一定程度上有所提高;同时,相较于使用RANSC算法的ORB算法,二者精度基本相同,但较大程度地缩短了处理时间,基本可以满足实时处理的需求。

摘要： 传统的基于面片的多视角三维重建算法在扩展面片时由于特征点检测稠密分布不均,容易导致重建结果出现部分区域空洞.本文提出了一种优化特征点检测的三维重建方法.提出的优化方法是以Harris算子作为基础的.本文提出了将Harris算子的响应矩阵分块处理,分块选取响应值,通过比较块中最大响应值与全局响应均值的大小,分情况选择特征点,解决Harris算子的阀值设置问题,减少了特征点的集群现象,改善了重建结果容易出现空洞的问题,也间接提高了重建速度.实验结果验证了该方法的有效性.

摘要： 移动端快速点检测算法是计算机视觉领域中比较热门的话题.本文结合ORB算法和分数阶微分方法,提出了一种适于移动应用的点检测和匹配方法.在检测特征点时引入了分数阶微分算子,提升了平滑区域特征点检测数量;借助特征相似度和形状约束构建具有结构不变的图模型,引入层次化的匹配策略提出了适合于移动应用的图模型快速匹配方法.实验结果表明,本文改进的算法提取的特征点数比ORB算法平均提高了35.01％,匹配正确率平均提高了17.10％.

摘要： 由于受分辨率和视角范围的限制,普通的图像获取设备通常无法拍摄到较大场景的图像,而图像拼接技术可通过对获取的若干幅小视角场景的图像进行配准和融合得到一幅宽视角的全景图像,为此,本文设计了两种序列图像拼接系统.针对只存在二维平移的待拼接图像,设计了平移鲁棒的实时序列图像拼接系统,该系统以基于傅里叶变换的相位相关法为基础进行拼接.针对待拼接图像同时存在旋转和平移的情况,设计了基于Harris特征点检测的旋转和平移鲁棒的序列图像拼接系统.实验结果表明,平移鲁棒的序列图像拼接系统能够实时地处理仅存在二维平移关系图像的拼接,但无法处理旋转;而旋转和平移鲁棒的序列图像拼接系统可在线下非实时地处理同时存在平移和旋转仿射变换的图像拼接.

摘要： 图像的局部特征以其对光照和几何畸变的优良的鲁棒性大量的运用于物体识别、三维图像重建、机器人视觉、医学图像匹配、景象匹配导航等领域中。局部特征包括特征点和特征区域两种。本文从实际应用的角度将局部特征检测算法分为旋转不变特征检测算法、尺度不变特征检测算法和仿射不变特征检测算法三种，并对具体的算法进行了详细的描述和性能比较。目的是为工程实践中局部特征检测算子的选用提供指导和帮助。

摘要： 图像的局部特征以其对光照和几何畸变的优良的鲁棒性大量的运用于物体识别、三维图像重建、机器人视觉、医学图像匹配、景象匹配导航等领域中。局部特征包括特征点和特征区域两种。本文从实际应用的角度将局部特征检测算法分为旋转不变特征检测算法、尺度不变特征检测算法和仿射不变特征检测算法三种，并对具体的算法进行了详细的描述和性能比较。目的是为工程实践中局部特征检测算子的选用提供指导和帮助。

摘要： 图像的局部特征以其对光照和几何畸变的优良的鲁棒性大量的运用于物体识别、三维图像重建、机器人视觉、医学图像匹配、景象匹配导航等领域中。局部特征包括特征点和特征区域两种。本文从实际应用的角度将局部特征检测算法分为旋转不变特征检测算法、尺度不变特征检测算法和仿射不变特征检测算法三种，并对具体的算法进行了详细的描述和性能比较。目的是为工程实践中局部特征检测算子的选用提供指导和帮助。

摘要： PCA方法已经被成功用于检测人脸,它在嘴巴和眼睛的检测中也有用到,但是由于嘴巴比眼睛的姿态更多,在嘴巴的检测中,效果不是很好,而嘴巴特征点。却不容易受到嘴巴姿态改变和光照变化的影响。本论文选择了应用较广泛的Harris Corner方法用于特征点的检测,并结合了PCA概率模型,使嘴巴的定位比较准确,并具有一定的抗干扰性。

摘要： PCA方法已经被成功用于检测人脸,它在嘴巴和眼睛的检测中也有用到,但是由于嘴巴比眼睛的姿态更多,在嘴巴的检测中,效果不是很好,而嘴巴特征点。却不容易受到嘴巴姿态改变和光照变化的影响。本论文选择了应用较广泛的Harris Corner方法用于特征点的检测,并结合了PCA概率模型,使嘴巴的定位比较准确,并具有一定的抗干扰性。

摘要： PCA方法已经被成功用于检测人脸,它在嘴巴和眼睛的检测中也有用到,但是由于嘴巴比眼睛的姿态更多,在嘴巴的检测中,效果不是很好,而嘴巴特征点。却不容易受到嘴巴姿态改变和光照变化的影响。本论文选择了应用较广泛的Harris Corner方法用于特征点的检测,并结合了PCA概率模型,使嘴巴的定位比较准确,并具有一定的抗干扰性。

摘要： PCA方法已经被成功用于检测人脸,它在嘴巴和眼睛的检测中也有用到,但是由于嘴巴比眼睛的姿态更多,在嘴巴的检测中,效果不是很好,而嘴巴特征点。却不容易受到嘴巴姿态改变和光照变化的影响。本论文选择了应用较广泛的Harris Corner方法用于特征点的检测,并结合了PCA概率模型,使嘴巴的定位比较准确,并具有一定的抗干扰性。

摘要： 本发明提供一种即使存在外部乱光或个人差别，也能够提供根据面部图像高精度地检测特征点的装置。利用摄像机(2)和图像输入部(21)获取面部图像数据(51)。边缘计算部(23)根据面部图像数据(51)，计算出表示水平方向的亮度变化的水平方向边缘值、或表示垂直方向的亮度变化的垂直方向边缘值。图像窗口扫描部(25)针对将边缘计算部(23)计算的按每个像素的水平方向或垂直方向的边缘值与面部图像的像素对应地排列的边缘图像，利用以规定形状选择的像素的集合即图像窗口进行扫描，对图像窗口内的像素对应的边缘值乘以图像窗口的按每个像素的规定值并相加加权和作为扫描记分数据(56)。特征位置判断部(26)将加权和为最大的上述图像窗口的位置判断为存在检测对象的检测位置。

摘要： 本发明提供一种即使存在外部乱光或个人差别，也能够提供根据面部图像高精度地检测特征点的装置。利用摄像机(2)和图像输入部(21)获取面部图像数据(51)。边缘计算部(23)根据面部图像数据(51)，计算出表示水平方向的亮度变化的水平方向边缘值、或表示垂直方向的亮度变化的垂直方向边缘值。图像窗口扫描部(25)针对将边缘计算部(23)计算的按每个像素的水平方向或垂直方向的边缘值与面部图像的像素对应地排列的边缘图像，利用以规定形状选择的像素的集合即图像窗口进行扫描，对图像窗口内的像素对应的边缘值乘以图像窗口的按每个像素的规定值并相加加权和作为扫描记分数据(56)。特征位置判断部(26)将加权和为最大的上述图像窗口的位置判断为存在检测对象的检测位置。

摘要： 本发明公开了一种训练特征点检测器的计算机装置、方法及图像特征点检测方法。其中，计算机装置包括用于基于图像变换操作集对原始图像进行随机采样变换得到变换图像的图像变换模块、特征点检测器和用于对各差分响应图进行全局批规范化操作，并利用无监督机器学习方法训练各差分响应图的模型训练模块；特征点检测器用于利用两个不同尺度的卷积核对输入图像进行处理得到各自相应的响应特征图，并对各卷积核输出响应特征图进行差分计算，得到原始图像和变换图像的差分响应图。本申请技术方案不仅数据处理流程简单，还对物体边缘更敏感，可有效缓解特征点密集选取现象，适用于小规模数据集应用场景。

摘要： 本发明提供一种特征点检测装置、特征点检测方法及特征点检测程序。其课题在于，实现高速地从图像中检测特征点的位置。作为解决手段，使用学习图像，预先取得各节点配置在特征点的正确位置上的正解模型和任一节点配置在错误位置上的误差模型之差与根据误差模型所取得的节点特征量之间的相关关系的信息。在从输入图像中检测特征点时，生成确定了多个节点的三维位置的三维模型，将各节点投影到输入图像上，从投影点取得节点特征量，根据该节点特征量和学习所得的相关关系的信息，取得表示当前的各节点位置与对应的特征点位置之间的偏差的误差估计量，根据该误差估计量和当前各节点的位置，来估计输入图像中的各特征点的三维位置。

摘要： 本发明提供一种人脸特征点检测装置、特征点检测装置。将多个节点配置在预先确定的初始位置上，取得各节点周围的多个采样点的特征量，作为对应的各节点的节点特征量，根据相关关系的信息和各节点的节点特征量，取得表示当前的各节点位置与分别对应的特征点位置之间的偏差的误差估计量，其中，所述相关关系为学习用图像中以下两个值之间的相关关系：一个值是多个节点配置在分别对应的特征点的正解位置上的状态下与配置在错误位置的状态下所取得的两节点特征量之差，另一个值是正解位置和错误位置之差，根据该误差估计量和当前的各节点位置，来估计所输入的图像中的各特征点的位置。

摘要： 本发明提供了一种点云特征点检测方法和点云特征提取方法。所述检验方法包括：以点云数据中一数据点为球心建立局部球坐标系，通过近邻算法找出k个邻域；将球心分别与各个最近邻点相连，得k个线段组；按线段组水平投影夹角大小对k个线段组排序，通过拉普拉斯算子检验每个线段组，确定数据点是否为特征点；根据上述步骤处理点云数据中每个数据点，得所述点云数据的所有特征点。所述点云特征提取方法包括步骤：根据上述的检测方法确定出特征点，记录各个特征点的区域连接信息；确定各个特征点之间的顺序连接关系，连接所述特征点，构成分段特征多边形，实现区域分割。本发明标记出来的特征点数量较少，特征点提取有序，特征线重建简便。

摘要： 本发明提供一种特征点检测装置、特征点检测方法及特征点检测程序。其课题在于，实现高速地从图像中检测特征点的位置。作为解决手段，使用学习图像，预先取得各节点配置在特征点的正确位置上的正解模型和任一节点配置在错误位置上的误差模型之差与根据误差模型所取得的节点特征量之间的相关关系的信息。在从输入图像中检测特征点时，生成确定了多个节点的三维位置的三维模型，将各节点投影到输入图像上，从投影点取得节点特征量，根据该节点特征量和学习所得的相关关系的信息，取得表示当前的各节点位置与对应的特征点位置之间的偏差的误差估计量，根据该误差估计量和当前各节点的位置，来估计输入图像中的各特征点的三维位置。

摘要： 本发明公开了一种训练特征点检测器的计算机装置、方法及图像特征点检测方法。其中，计算机装置包括用于基于图像变换操作集对原始图像进行随机采样变换得到变换图像的图像变换模块、特征点检测器和用于对各差分响应图进行全局批规范化操作，并利用无监督机器学习方法训练各差分响应图的模型训练模块；特征点检测器用于利用两个不同尺度的卷积核对输入图像进行处理得到各自相应的响应特征图，并对各卷积核输出响应特征图进行差分计算，得到原始图像和变换图像的差分响应图。本申请技术方案不仅数据处理流程简单，还对物体边缘更敏感，可有效缓解特征点密集选取现象，适用于小规模数据集应用场景。

摘要： 本发明提供一种人脸特征点检测装置、特征点检测装置。将多个节点配置在预先确定的初始位置上，取得各节点周围的多个采样点的特征量，作为对应的各节点的节点特征量，根据相关关系的信息和各节点的节点特征量，取得表示当前的各节点位置与分别对应的特征点位置之间的偏差的误差估计量，其中，所述相关关系为学习用图像中以下两个值之间的相关关系：一个值是多个节点配置在分别对应的特征点的正解位置上的状态下与配置在错误位置的状态下所取得的两节点特征量之差，另一个值是正解位置和错误位置之差，根据该误差估计量和当前的各节点位置，来估计所输入的图像中的各特征点的位置。

摘要： 本发明公开了一种基于全局特征和引导信息的特征点检测与描述方法，该方法通过在Transformer框架基础上进行改进和优化，在全局特征上进行检测和描述，避免了局部感受野带来的性能限制；同时通过引入特征点引导信息，使特征点检测和描述变得更加智能和鲁棒。一方面预先估计特征点位置，为网络提供先验位置信息，提升训练效率；另一方面，引导信息有利于网络提升对尺度和旋转等因素的鲁棒性。本发明将Transformer框架和特征点检测任务结合，通过成熟的传统方法生成的引导信息，可以避免掉大部分的误检测；同时在一些细节地方减少了冗余的计算量，对于特征点检测与描述算法在实际工程的应用有很大的帮助。