视频检测技术是多学科的交叉与结合，既是一门科学学科又是一门工程学科，运用机器视觉和数字图像处理技术，探讨机器视觉技术在驾驶员桩考系统中的实现方法，这对机器视觉技术方法研究和实际应用具有一定的价值。本文以驾驶员桩考系统为研究对象，采用图像处理技术和机器视觉理论方法，研究如何在熟悉或不熟悉环境条件下检测和识别出运动目标，自动跟踪和测量所监控运动的车辆目标。本文基于机器视觉研究从图像或图像序列中提取信息，对客观景物和物体进行形态和运动识别，获取周围环境的信息，计算目标物体运动的方向和速度。研究内容如

随着计算机技术、数字图像处理的迅速发展，机器视觉技术广泛应用于 汽车及汽车零部件制造业、机械加工行业等诸多领域中。目前传统的工业机器 人必须通过逐点示教才能完成生产线上的物料搬运、装配，但是工业现场工件 往往任意摆放，致使工业机器人无法完成操作任务。针对上述问题，本文引入 机器视觉技术，对工业生产线上的工件自动装配问题进行了研究 独创性声明 木人卢明所呈交的学位论文是木人在导师指导下进行的研究工作和取得的 研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发 表或撰写过的研究成果

针对现有电铲斗齿检测方法存在实时性较差、误报率较高等问题,提出了一种基于机器视觉的电铲斗齿缺失检测方法。该方法利用红外热像仪采集铲斗图像,基于模板匹配原理对复杂背景下斗齿的目标区域进行准确定位,利用帧差法实现斗齿的运动检测;在目标区域已定位的基础上,结合斗齿齿线区域的位置关系与齿线结构特征对斗齿进行分割提取,通过自适应阈值,实现对缺失斗齿的检测。实验结果表明,该方法实现了对电铲斗齿缺失的实时、在线、快速、准确检测,检测准确率达到90%以上,为电铲斗齿缺失检测提供了一种有效的解决方法。

摘要:从20世纪80年代开始，机器视觉技术的发展速度不断加快，已经走进了人们的日常生活与工作之中。机器视觉的图像目标识别系统的自动化程度较高，应用范围广，尤其在危险场所的运用，采用机器视觉代替传统的人工视觉，能够更好的满足危险作业基本需求。通过机器视觉对图像的目标与背景进行特点分析，然后选取适合的阈值分割方法，可对目标物体进行提取、识别与定位。