【摘 要】
：
针对传统2D-3D图像转换过程复杂、不适用于单目图像转换的问题,结合DjangoWeb技术,设计了一种基于Django的2D-3D图像转换系统。该系统主要由深度信息提取、基于深度图生成虚拟视点合成3D图像和Web平台3部分组成,转换系统关键为深度信息提取技术,用于获取单目图像的深度图以判断图像中物体的空间深度。本文给出了2D-3D图像转换系统的总体架构,并阐述了Web系统前端网页和后端服务器的实现
论文部分内容阅读
针对传统2D-3D图像转换过程复杂、不适用于单目图像转换的问题,结合DjangoWeb技术,设计了一种基于Django的2D-3D图像转换系统。该系统主要由深度信息提取、基于深度图生成虚拟视点合成3D图像和Web平台3部分组成,转换系统关键为深度信息提取技术,用于获取单目图像的深度图以判断图像中物体的空间深度。本文给出了2D-3D图像转换系统的总体架构,并阐述了Web系统前端网页和后端服务器的实现。测试结果表明,系统能够实现单目图像与GIF格式3D图像的交互式转换。
其他文献
为简化嵌入式机器视觉系统的开发,提出并设计了一种基于图编程技术的算法开发平台。平台将常用的图像处理和机器学习算法封装成一体化图形元件,开发者通过图形元件拖拽连接、参数调优、生成代码和跨平台下载可快速开发一套定制化嵌入式视觉系统,达到了在测量、检测、识别和定位等视觉领域中的广泛应用。经工程实例验证,所提出的方案合理可行,能够有效缩短开发周期,提高开发效率。
面向高清视频的数字化处理技术不断发展,以芯片或板卡形式的产品不断推出,而任何一个新技术或新产品的研发都需要不断的探索与修正,从成本与效率的角度考虑,一个可重配置的全方位实验平台具有非常重要的意义。所述设计采用了Xilinx Zynq7000系列SoC芯片作为核心处理器,兼有多种视频输入输出接口,配备DDR3高速视频缓存及程序执行缓存,为数字视频处理提供了一个便捷的实验平台,支持技术与产品的前期开发
【目的/意义】基于深度学习的目标跟踪研究在国内研究热潮的迅速高涨,吸引了多位来自计算机视觉领域学者产出丰硕的成果,知识图谱能直观地揭示该领域的研究概况与前沿。【方法/过程】利用CiteSpace分析软件,以中国知网引文索引(CNKI)数据库为数据源,搜集基于深度学习的目标跟踪研究相关文献数据。从时空分布、机构与作者分布、关键词频度共现、研究趋势变化时序图谱等方面,绘制知识图谱,梳理研究脉络,揭示国
随着人脸识别技术应用的迅速发展,人证合一的应用日益广泛,人证合一即判断手持身份证和现场否为同一个人。针对目前人证合一技术大多数都是基于计算机,使用范围有限,开发成本高,分析研究人脸检测和人脸识别算法,设计了一款人证合一App,实验通过320张照片对几种常用的人脸检测算法进行测试,结果表明,肤色-Adaboost检测算法在满足精确度较高情况下检测速度较快,提升了20%,最后基于主成份分析(PCA)人
提出一种利用立方体上点在双目摄像机上不同成像的几何约束关系进行标定的方法。即在传统标定方法的基础上,通过1个3个面贴有棋盘格的不规则立体标定件上对应点在两个摄像机上位置关系对获取的摄像机内外参进行修正,从而实现较为便捷地获取矩阵的内外参信息。实验表明,该算法能够准确地获取双目摄像机的内外参数据,并将误差控制在0.1%以下。
基于批量归一化的mask scoring R-CNN在目标检测与实例分割领域展现出卓越性能,其平均精度明显高于传统实例分割模型Mask R-CNN。但是由于批量归一化方法存在小批量精度骤降和大批量GPU内存溢出的缺陷,影响到实际应用中的检测与分割任务效果。自适配归一化方法对各批量大小都有极佳的鲁棒性,可以弥补上述不足。从数学角度给出了减少自适配归一化中计算冗余的证明,并将其应用于mask scor
早期电影受技术限制,多以黑白影片的方式呈现,因此,复现真实色彩场景,满足人们对影像色彩的需求日渐成为图像处理领域中的重要研究方向之一。现有的上色工具多数是为一张普通黑白图像着色,而针对视频连续帧的着色是缺乏系统应用的。利用基于像素流的视频着色方法,一定程度上解决了着色中出现的大幅度运动及遮挡问题;针对着色过程中出现瑕疵的视频帧,利用pyqt与最优化视频着色方法,自动对着色图像进行局部修正,省去了大
由于自然场景中的文本的提取与理解具有重要的现实应用意义,如盲人导航,图片筛选等,针对传统文本检测步骤繁多、效率低下和深度学习复杂度高的问题,本文提出了一种基于轻量级网络的自然场景下的文本检测。该网络基于回归的思想使用全卷积网络结构进行不同层次的特征的融合,快速且准确的定位出文本区域,一步输出预测框。网络采用U-net结构提取卷积特征和预测文本,可以准确定位图片中的小文本行,在分辨率低的图片,定位图
智能小车通过红外光电传感器采集信号,得到小车前方障碍物的灰度图,根据该灰度图进行避障判断,这种灰度图由于环境的复杂性,导致很多智能小车避障困难,甚至无法判断,给智能车的安全运行带来很大不确定性。本文设计了一种有效提高智能小车的红外避障精度的方法,首先将采集图片进行分类,对智能小车进行不断地训练,使其从不同的类别图像中找到最佳路径,从而达到提高避障的精确度,通过实验将本文方法与WALSH、CNN经典
智能手机的普及为现场快速检测技术的发展带来了新的机会,其中使用智能手机相机进行显色分析是一大热点。然而因为智能手机摄像头的拍摄功能集成了预处理功能,并不完全适合进行准确的显色分析,因此需要在智能手机拍摄照片的过程中加入校准过程。目前已经有各种各样不同的校准方法,但各有利弊。为了提高方法的准确性和普适性,一种适用于免疫层析试纸的智能手机读取试纸的新方法被提出,该方法使用线性回归作校准,使用CIEDE