浅析智能视频监控中的关键技术

智能视频监控技术目前广泛应用于机场、地铁、银行等重要场合的监控系统,因其具有广泛的应用价值,得到国内外学者的关注。该文重点阐述智能视频监控中运动目标检测和运动目标跟踪算法,并对各种算法优缺点进行相关的探讨,对智能视频监控的发展具有一定的意义。     

民用航空飞机注册号自动识别

为了提高机场自动化水平,提出一种简单、有效的飞机注册号自动识别算法.对于机场摄像机获取的彩色跑道图像,首先采用Canny操作和轮廓检测提取飞机图像,为了便于计算机处理将其转换为灰度图像;然后使用Hough转换和SWT(Stroke Width Transform)文本定位法定位飞机尾部的注册号;最后应用阈值法分割注册号,使用基于孔洞的字符模板匹配法识别注册号字符.实验结果表明,该算法具有良好的飞机注册号识别效果,较强的鲁棒性,具有广泛的应用前景.     

基于深度网络的遥感图像目标检测与识别

本文针对卫星遥感图像中的典型目标检测与识别问题,采用了基于深度神经网络的回归算法,利用深度网络所学习出来的特征结构针对多分类复杂场景具有很好的识别效果,同时将检测、分类与识别一同进行回归处理。可以有效缩短训练时间,并提升处理效率,保证目标检测的准确度,在实际应用中前景广泛。     

基于深度学习的两阶段目标检测算法综述

目标检测是计算机视觉的重要研究方向之一，旨在准确识别图像中目标的位置和类别，因其较高的准确性，受到研究人员的广泛关注。近年来，计算机技术快速发展，相对于传统的目标检测算法，基于深度学习的目标检测算法的优势逐渐凸显，该算法精度高、实时性好。本文介绍了几种经典的两阶段目标检测算法，对其优缺点进行了比较，并对未来两阶段目标检测算法的发展进行了展望。     

运动目标识别方法与仿真研究

运动目标识别与跟踪在军事和工业领域具有广泛的应用前景。典型的跟踪方法有相关匹配算法、光流算法、基于运动轮廓算法等。典型的识别方法有：模板匹配目标识别法、基于相似性度量识别法、基于遗传算法目标识别算法等。本文提出了一种基于神经网络的识别与跟踪方法,并研究了运动目标识别与跟踪仿真模型和实现方法。     

目标检测算法在交通场景中应用综述

目标检测是计算机视觉领域的重要研究任务,在机器人、自动驾驶、工业检测等方面应用广泛。在深度学习理论的基础上,系统性总结了目标检测算法的发展与研究现状,对两类算法的特点、优缺点和实时性进行对比。以交通场景中三类典型物体（非机动车、机动车和行人）为目标,从传统检测方法、目标检测算法、目标检测算法优化、三维目标检测、多模态目标检测和重识别六个方面分别论述和总结目标检测算法检测识别交通场景目标的研究现状与应用情况,重点介绍了各类方法的优势、局限性和适用场景。归纳了常用目标检测和交通场景数据集及评价标准,比较分析两类算法性能,展望目标检测算法在交通场景中应用研究的发展趋势,为智能交通、自动驾驶提供研究思路。     

模糊马尔可夫随机场理论在阴影检测中的应用

阴影的检测是目标检测、目标跟踪、视频监控等领域的一个关键问题。提出了一种基于模糊马尔可夫随机场的阴影检测算法。该算法把阴影检测问题看做是一个求最优化的像素点分类问题。对于输入的视频,提取背景图像,找出阴影和前景目标物体区域。通过计算阴影概率分布,前景概率分布,隶属度函数,建立模糊马尔可夫随机场。应用贝叶斯准则,最大后验(MAP)估计和条件迭代模式(ICM)算法,寻找最优化的模糊马尔可夫随机场,并利用最大隶属度原则消除模糊性,得到阴影检测的结果。实验证明,文中算法具有较好的阴影检测率和目标检测率。     

基于多特征提取和SVM分类器的纹理图像分类

能够从大量高分辨率遥感图像中识别出各种感兴趣的目标并进行归类,是一种具有广泛应用前景的技术需求.实验以MATLAB为平台,应用Gabor滤波器、高斯马尔柯夫随机场(GMRF)和灰度共生矩阵(GLCM)三种纹理图像特征提取算法对当前广泛应用于纹理图像分类的样本集brodatz光学数据库图像进行特征提取;然后在二分类支持向...     

基于计算机视觉的客机舱门识别与定位技术研究

登机桥是机场将航站楼与飞机连接的活动通道,登机桥与客机舱门对接系统的智能化变得尤为重要;对于基于计算机视觉的客机舱门识别与定位系统,其关键组成部分是目标检测系统;传统的目标检测算法通过提取传统手工特征进行学习,不能达到鲁棒性好、速度快、准确性高的检测要求;基于迁移学习在深度学习上的应用,利用SSD(Single Shot Multibox Detector)算法,以轻量化的MobileNet作为特征提取网络,实现了鲁棒性好、准确度高的目标检测模型,完成对客机舱门的识别与定位,对不同样式的舱门、部分遮挡、背景变化、光照变化、运动模糊具有鲁棒性,能准确完成识别功能,完成对舱门在当前视觉图像中的相对位置的解算。     

基于最大稳定极值区域的机场目标识别

针对机场背景下动态变化的场景,采用一种基于最大稳定极值区域(MSER)的算法对目标进行匹配和识别。通过采用最大稳定极值区域的方法将区域结构相似性和特征空间结合起来,比较好地实现了机场复杂背景下的特定目标的匹配和识别,提高了目标匹配识别的稳定性,并在相同试验样本下采用基于SIFT的算法进行匹配识别,将其与基于最大稳定极值区域(MSER)的算法进行比较。实验结果证明了这种方法在机场目标识别方面的有效性。     

LBP特征分类的极化SAR图像机场跑道检测

目的 在极化合成孔径雷达（synthetic aperture radar，SAR）图像中常用直线检测进行机场跑道的识别，但是河流、道路等与机场跑道具有相似直线的地物容易对检测结果造成干扰，出现检测目标难定位、目标模糊、多虚警等问题。为此，本文设计了一种利用目标散射特性结合局部二值模式（local binary patterns，LBP）特征分类的极化SAR图像机场跑道区域检测方法，采用LBP特征对极化SAR图像进行有监督的分类来提取真实的机场区域。方法 首先利用异化散射功率对极化SAR图像进行阈值分割，然后通过形态学处理得到疑似机场跑道区域，同时构建机场跑道和非机场跑道两类训练样本，并提取、统计样本的LBP特征，形成直方图，得到特征向量训练支持向量机（support vector machine，SVM）二分类器，其中SVM二分类器采用了径向基函数（radial basis function，RBF）核函数；接着对疑似机场跑道区域构建LBP特征，送入SVM二分类器中分类，对机场跑道进行检测识别，最终得到真实的机场跑道区域。结果 利用UAVSAR（uninhabited aerial vehicle synthetic aperture radar）系统采集的7幅极化SAR图像数据进行实验检测，并选取基于几何特征辨识跑道的两种算法进行对比，3种方法均有效检测出了7幅场景中的真实跑道，但是本文方法在7幅数据中总的虚警和漏警个数均为1，而两种对比算法中的虚警个数分别为2和11、漏警个数分别为8和1。结论 本文方法不仅能有效检测出机场跑道区域，且检测效果更好，计算量较小，虚警和漏警率低，效率更高。     

基于改进SPCNN模型的机场跑道胶痕检测方法

针对机场跑道胶痕形态特征多样性和跑道环境复杂性导致胶痕检测效率低下的问题,提出了基于改进简化脉冲耦合神经网络模型的机场跑道胶痕图像分割算法。首先在利用邻域灰度关系优化反馈输入的基础上,将神经元点火阈值机制从传统的指数衰减改进为线性分层步长衰减。然后引入杜鹃搜索算法,结合最小交叉熵对改进模型进行参数寻优。最后根据点火映射区域的平均灰度值构建自适应迭代终止条件。实验结果表明,该算法具有更高的胶痕检测精度,且在光照条件较差和标志线影响的情况下具有更好的抗干扰性。     

带注意力机制的神经网络用于跑道线检测

为了提高无人机着陆的有效性，设计了一种带有注意力机制的神经网络算法（LineNet）实现无人机跑道线检测。根据无人机着陆场景仿真出样本数据，并利用标注工具对数据进行标注，使用Shuffle Conv模块缓解特征融合计算量的占用问题，并引入空洞空间金字塔池化注意力机制（ASPP-SA）,ASPP-SA模块中添加残差的跳跃结构获取更多的图像信息，对LineNet模型的检测结果做形态学处理并结合连通区域约束对跑道线特征点进行分类，对相同类别的特征点通过最小二乘法进行跑道线拟合。经仿真数据验证，设计的方法可以有效地检测和识别出正确的跑道线，其平均检测精度为94.36%，相较于LaneNet算法、SegNet算法分别提高了12.82和9.95个百分点，单帧检测时间17.2 ms，是CNN+Hough变化算法1.5倍左右，可以满足无人机着陆的响应时间需求，在无人机着陆的研究过程中有重要意义。     

基于LSD检测的无人机视觉着陆定位算法

针对复杂电磁和拒止环境下固定翼无人机自主着陆应用场景,提出了一种基于LSD(Line Segment Detector)的飞机着陆跑道检测和定位的方法;根据机场数据特点,构建机场跑道数据模型,并对数据进行标定和预处理,采用LSD直线检测算法以提高检测时间,采用蒙版技术以提高跑道的检测精度,通过检测得到机场跑道线在图像坐标系下的信息;根据相机成像原理推导出基于线检测的PNP(Perspective-n-Points)定位算法,从而求出飞机相对于跑道的位置;分别在视景仿真环境和真实机场环境进行检测和定位解算,结果表明本文设计的算法满足无人机着陆定位的实时性要求。     

一个机场跑道的自动识别系统

介绍一个应用于自动识别遥感图象中跑道的原型系统,包括系统结构与识别流程,以及系统中所采用的基于直线特征的建模方法和图象中跑道识别的算法。该算法能够判断机场跑道的存在性与大概位置具有较高的使用价值。最后给出了实验结果。     

一种快速检测遥感图像中机场跑道的方法

本文在分析机场跑道结构特征的基础上，提出了一种从高分辨率遥感图中检测机场跑道的方法。具体介绍了嵌入置信度的边缘检测算法和基于线基元的直线提取方法，前者增加了检测结果的可靠性，后者加快了跑道检测速度。最后的实验结果表明本文算法是快速、稳健的。     

高分辨率遥感图像中机场跑道快速检测方法

在分析机场跑道结构特征的基础上，提出了一种从高分辨率遥感图像中检测机场跑道的方法．具体介绍了嵌入置信度的边缘检测算法和基于线基元的直线提取方法，前者增加了检测结果的可靠性，后者加快了跑道检测速度．最后的实验结果表明本文算法是快速、稳健的．     

基于协同决策模式的航空紧急运输流量管理优化模型研究

在现有机场设施条件下,如何通过空中流量管理来提高救援效率是一个亟需解决的问题。构建了基于协同决策(CDM)模式的大中型运输机空中流量管理优化模型,对拥挤时段的进离场航班流进行优化处理,通过进离场容量的合理转换来增加机场容量,并通过仿真计算表明方法合理可行。     

一种复杂环境下的跑道识别的新方法

针对机场在遥感图像中成像的复杂性与多样性，提出一种新的机场跑道的自动识别方法。该方法将跑道识别分为定位和识别两个步骤。首先在定位步骤中基于变形模板模型理论，建立了跑道的平行线模型及似然函数，并采用Meropolis算法确定跑道的准确边界；其次，通过分析跑道的标志特征和结构特征确立了跑道识别的通用性判别规则。通过对Spot图像的实验证明，该方法能够实现复杂环境下的跑道自动识别。     

跑道毁伤识别中的变化检测研究

在现代战争条件下，能否对机场等境外大纵深重要战略目标的突袭效果进行实时评估，对下一步的作战行动有着至关重要的影响。跑道是机场的重要组成部分，其毁伤前后变化检测是机场封锁效果评估的第一步。对变化检测所面临的问题、检测参数、原理与算法进行了初步探讨，实验结果说明文中采用的相关系数法能够有效地检测到突袭前后航天侦察影像上跑道的有意义变化。