机器视觉是一门新兴的学科,是从信息处理的层次研究视觉信息的认知过程;机器视觉系统则是能够实现某些视觉功能的硬件和软件的综合。通过广大研究人员的努力,机器视觉已取得了很大的进展,开始从实验室走向实际应用阶段。但是客观地讲,机器视觉不论是在理论上,还是实际应用中,都存在着较多不足,还处于不成熟的研究阶段,有待进一步的改进与深入研究。本论文以仿人眼颈系统为研究对象,建立了仿人眼颈视觉系统的体系结构和实现平台,研究相关基础理论、技术与应用。主要包括系统模型、复杂背景下单目运动视觉分析、主动目标跟踪、通用的摄像机标定技术、双目立体视觉的人脸重建、DSP视觉处理与实现技术等。 论文介绍了仿人眼颈系统、机器视觉系统理论及发展历程;综述了运动视觉分析和立体视觉系统的研究概况,指出机器视觉相关研究存在的问题与发展趋势,并给出论文的主要研究内容。 建立了仿人眼颈视觉系统的数学模型,包括仿人眼颈系统的运动学数学模型和摄像机数学模型。在深入分析摄像机数学模型的基础上,提出了一种基于直线校正的摄像机标定方法,并且在摄像机镜头畸变参数的求解方法上,提出了一种线性的求解方法,与非线性最小二乘求解相比,避免了非线性优化存在的依赖于初始值、易收敛于局部极小值等缺陷,而且精度与非线性求解算法相当。 对运动视觉分析进行了详细的研究。提出了一种复杂背景下运动目标的检测算法,通过对背景的高斯建模,进行运动目标检测,考虑目标影子的存在及环境光照等条件有可能变化,提出了相应的影子消除及背景自适应更新算法,大大提高了目标检测的可靠性。 针对场景中存在多种可能的目标,提出基于支持向量机的人体目标识别方法。针对不同场景下,运动目标受到遮挡的程度不同,提出了基于头肩模型和星形向量表示法的人体目标特征向量抽取方法。通过样本采集、特征抽取、支持向量机训练得到最终的人体目标识别分类器。实验结果表明,基于现代统计学习理论的支持向量机非常适合于有限样本条件下的目标分类。 研究运动目标定位、跟踪原理和实现方法。提出将背景匹配与帧间差分技术相结合的方法,解决摄像机运动-目标运动模式下的运动目标检测难题。为了使运动目标的跟踪更为平稳,提出了利用卡尔曼预测器对目标的位置进行再估计,并在此基础上,研究了单目视觉跟踪和双目视觉协调跟踪的控制方法。 对基于双目立体视觉的特定人脸重建进行了详细的理论分析和实验研究。建立了双目立体视觉测距的数学模型,分析了基于双目立体视觉进行人脸重建的原理,为三维重建提供理论基础。提出了金字塔结构相关计算方法和活动轮廓模型相结合的视差抽取方法,并在活动轮廓模型中采用了一种新的能量最小化方程,解决了立体视觉中立体匹配的难点,成功地实现了人脸的三维重建。 本文还研制成功一种通用的DSP视觉处理平台。利用它,可以完成仿人眼颈视觉处理及其它一些图象处理,为脱离PC机实现图象处理提供一种途径。详细介绍系统的整体设计,主处理器及外围元器件的选择,各子模块和电路的设计及一些实际经验和体会。 最后,介绍了本文研究成果的两个相关应用实例——目标自动跟踪一体化智