深海集矿机视频测速中目标定位算法研究

实现深海集矿机视频测速的关键难点是在间隔已知时间的两幅视频帧图像中找到可以作为测速目标的对应块。根据集矿机行走作业的深海底环境,以锰结核区域为对应块,采用灰度差水平叠加投影的方法,构造可以代表其鼓形区域的函数,以其作为定位结核区域的判别函数。此算法能够快速、准确地定位到结核区域,从而为深海集矿机视频测速的关键难点提出了一种切实可行的解决办法。     

基于视频的夜间车辆检测

由于夜间道路情况复杂,光照条件差,使得夜间车辆检测成为车辆检测技术的难点。提出一种基于视频的夜间车辆检测方法,首先通过图像处理的基本方法提取车前灯,然后通过对图像遍历以及遍历后缩小范围再遍历来对车灯进行定位,最后根据同一车辆两端车灯位置特征进行车灯的匹配。这种方法有效避免了对含有四个车前灯车辆的重复检测,以及不同车辆车灯之间的误匹配。     

视频图像的车辆速度实时检测算法研究

在监控视频图像中因拍摄角度的问题,导致图像中的车道线并不是竖直的。针对在此图像中选取对应块,实现车辆速度实时检测的问题,分析了车身的特征及图像中车道线的倾斜角度,选择车灯作为对应块,选取车灯存在的候选区域;然后根据车灯的对称性强度筛选车灯带,实现车灯的准确定位,并把车灯移动的距离通过摄像机标定转换到实际坐标中,从而实现车辆速度的实时检测。实验结果证明该方法运行速度快,定位准确。因此可以广泛的应用于红绿灯路口环境中实现视频图像的车速实时检测。     

视频监控中的一种快速人脸定位方法

根据视频监控应用的特点，结合视频图像的时域连续特性和人脸肤色特征，提出了一种应用十视频监控的快速人脸定位方法。该方法首先通过对称差分算法，提取运动区域；然后基于BP(back-error-propagation,误差反传)神经网络的肤色分割算法，对运动区域进行肤色检测，最后，经过进一步的候选人脸区域验证，定位图像中的人脸。实验结果表明，提出的方法实现简单、检测速度怏、误检率低，适合实时视频监控系统应用。     

公共区域监控视频数据目标特征跟踪定位方法

为了提高公共区域监控视频的目标定位检测能力,需要进行目标特征跟踪定位算法设计,提出一种基于图像超分辨率重建的公共区域监控视频数据目标特征跟踪定位方法。构建公共区域监控视频的三维图像重建模型,采用边缘层的高分辨融合方法进行公共区域监控视频图像数据的三维结构重组,提取公共区域监控视频的关键特征点,用图像退化模型进行公共区域监控视频数据目标特征检测,结合线性滤波模型使得监测输出图像满足最优匹配特征解,提高对公共区域监控视频数据目标特征跟踪能力。引入引导滤波方法进行公共区域监控视频数据的图像超分辨重建,实现对目标特征准确跟踪定位。仿真结果表明,采用该方法进行公共区域监控视频数据目标特征跟踪定位的准确性较高,图像重建能力较强,归一化均方根误差较小。     

基于车牌字符边界定位的视频测速

针对卡口环境下视频测速误差大的问题,提出一种提高测速精度的方法。采用以车牌第2个字符作为车辆定位的特征块,利用小波变换分解字符的外部边界特征曲线,在低分辨率下实现目标字符的模板匹配,并获取该曲线相对模板的偏移量,在原分辨率上进行边界坐标的精细调整,完成车辆特征块的精确定位。结合字符高度固定的先验知识,确定车辆特征块所处的实际坐标系,以提高对车辆行驶距离的计算。在实际环境下,对该方法进行长达2个多小时的测试,并对测试结果与线圈测速、基于车牌定位的视频测速进行对比,结果表明,在车辆正常行驶的速度下,与线圈测速相比,该方法视频测速误差在3 km/h以内。     

基于支持向量机的视频字幕自动定位与提取

视频字幕蕴含了丰富语义 ,可用于对相应视频流进行高级语义标注 .文中首先将原始图像帧分割为 N× N的子块 ,提取每个子块的灰度特征 ;然后使用预先训练好的 SVM分类机进行字幕子块和非字幕子块的分类 ;最后结合金字塔模型和后期处理过程 ,实现视频图像字幕区域的自动定位提取 .实验表明文中方法取得了良好的效果     

基于灰度差分的新闻视频标题字幕探测

为实现新闻视频图像中标注文本的快速检测与定位,提出了一种有效的字幕定位方法。该方法通过灰度差分统计对视频帧中文字区域进行行定位,再利用行定位信息得到的子图像在垂直方向的投影进行列定位,最后对预处理结果进行过滤和合并得到文字区域定位的精确结果。实验结果表明：该方法效果良好,不受文字大小影响,不受图像背景复杂度限制,方便快捷。     

基于Radon变换的视频测速算法

为了从视频监测图像中自动提取车辆行驶速度,提出了一种基于Radon变换的视频测速算法。根据车辆行驶轨迹的时空特点,利用道路交通标线为图像与道路建立距离映射关系,简化了现场标定的条件和过程;利用时间堆栈成像方法,建立了车辆行驶轨迹的时空关系;基于Radon变换的图像处理,实现了行驶车辆的视频测速技术。算法具有较好的鲁棒性,与传统方法相比,计算复杂性也要低很多。     

一种新的利用多帧结合检测视频标题文字的算法

视频中的标题文字通常在视频信息索引和检索中起到重要作用．提出了一种新的视频标题文字的检测算法．首先采用一种新的多帧结合技术来降低图像背景的复杂度，它基于时间序列对多帧图像进行最小(或最大)像素值搜索，搜索的具体方式由Sobel边缘图来决定．然后以块为单位来进行文字与非文字的分类，即用一扫描窗口对图像进行扫描，以Sobel边缘为特征，判断其是否为文字。一个2级的金字塔被用来检测不同大小的文字．最后，提出一种新的迭代的文字区域分解方法，它能够更精确地定位文字区域的边界．实验结果表明，这种文字检测算法能够取得很高的精度和召回率．     

交通监控场景下的相机标定与车辆速度测量

针对交通监控场景中对车辆速度测量的需求,提出了一种相机标定方法和车辆速度测量方案。首先,通过深度学习YOLO检测算法和光流跟踪算法对图像中的车辆目标进行检测和跟踪,根据获得的轨迹集合使用级联霍夫变换计算出道路方向上的消失点,从而检测出道路上的标志线。之后根据消失点和标志线,使用试探焦距思想完成相机标定任务。最后通过计算多帧之间瞬时速度的平均值来实现车辆速度的测量。通过真实交通监控场景的实验结果表明,这种基于消失点的自动相机标定方法具有较好的稳定性和较高的标定精度,能够满足车辆速度测量和实际工程应用的需求。     

模糊约束满足在夜间车辆识别中的应用

根据夜间运动车辆识别中存在的无法提取有效的车辆特征,提出了一种改进后的模糊约束满足的夜间运动车辆分类方法。通过对夜间交通监控视频中行驶车辆的车灯光的预处理,调整模糊约束问题算法中各类型车辆的隶属函数参数,从而从构造的车辆运动轨迹图像快速地识别出运动车辆的类型。实验结果表明,引入车辆灯光信息后夜间车辆类型识别准确率得到了一定的提高。     

Linux下多线程的视频图像平滑度评价算法

视频图像的平滑度评价算法是对视频质量评价的重要指标。平滑度与视频运动信息相关,具有计算量密集和实时性特点。随着流媒体业务的快速发展,传统的评价算法不能满足现状,为了对视频图像质量进行大规模处理,在现有的平滑度评价算法上,提出在Linux环境下处理视频图像,采用多线程技术实现该算法程序。试验结果证明:在Linux环境下实现的多线程算法比传统的串行算法提高了10倍的效率,在大规模计算密集型任务有具大的潜力。     

基于深度学习的智能停车场车位查询系统

本文基于深度学习目标检测算法设计并实现了一种实时的智能停车场车位信息查询系统.采用YOLO目标检测算法结合大量关于汽车以及车牌的图像数据对物体检测模型进行训练.利用该模型对停车场视频监控画面进行处理,根据模型处理的结果以及所设计的相关算法对车位进行判断,并且计算出被占用车位停车时长,识别出车辆的车牌信息.车位信息将以示意图的方式通过微信终端进行接收,使车主能够实时获取停车场车位信息.该系统能够准确地判断出停车场的车位信息,可为城市商业停车场管理方式提供参考.     

基于图像处理的前方行驶车辆速度测量方法

车辆超速行驶是造成高速公路交通事故的主要原因之一,依赖于固定摄像机的传统视频测速系统测速区域十分有限.通过车载双目电荷耦合器件(CCD)摄像头获取车辆行驶过程中前方车辆的行驶状态,提出了一种测量前方行驶车辆速度的方法.利用改进Hough变换识别车道线,提取感兴趣区域,以车底阴影特征为基础完成车辆检测,通过在车载视频图像中选取适当的图像帧,获得车辆的相对位移及对应的时间间隔,获得前方车辆的行驶速度.经测试,算法能得到较高精度的速度测量结果.     

机动车视频测速中关键技术的研究与实现

针对通过视频检测机动车行驶速度方法精度低、易受阴影十扰和无法对多辆机动车同时测速的问题，该文介绍了一种基于机动车视频测速模型检测机动车行驶速度的新方法。基于该测速模型实现的机动车视频测速系统取得了令人满意的测速效果，在一定条件下其视频测速精度可达到98．33％。     

云存储的可视门铃监控系统的设计

针对传统的视频监控系统将数据保存在电脑硬盘上,电脑硬盘损坏导致数据丢失的缺点,设计了一种基于云存储的可视门铃监控系统.系统以S3 C2440A处理器和嵌入式Linux为核心平台,将CMOS摄像头采集的视频信号通过网络传输到PC机进行处理,运用混合高斯背景建模算法实现运动目标的检测,把视频图像上传到百度云存储.局域网内用户可连接PC机获取视频图像,局域网外用户可访问百度云获取视频图像.实验结果表明,该系统具有安全性高、实时性好等优点,具有广阔的应用前景.     

基于公路监控视频的车辆检测和分类

在学习了已有的检测与分类算法以后,设计了一种将改进的高斯混合模型（GMM）与分类网络（GoogLeNet）融合的方案用于车辆的检测和分类.针对高斯混合模型存在模型初始化速度慢和计算复杂的问题,改进了初始化模型的算法提升初始化效率.运用五帧差法做车辆初提取,在提取到的车辆区域上运用高斯混合模型获得车辆图片,把五帧差法和高斯混合模型结合起来减小了建模的区域,提升了检测速度,提高了系统实时性.最后使用GoogLeNet对车辆分类.实验证明相较于现有的车辆检测分类方法,本文所提方法在检测速度和分类准确性上都有很大提升,满足了现实场景下对监控视频的车辆检测和分类的实时性要求.     

车路视觉协同的高速公路防碰撞预警算法

目的 基于视觉的前车防碰撞预警技术是汽车主动安全领域的一个重要研究方向,其中对前车进行快速准确检测并建立稳定可靠的安全距离模型是该技术亟待解决的两个难点。为此,本文提出车路视觉协同的高速公路防碰撞预警算法。方法 将通过图像处理技术检测出来的视频图像中的车道线和自车的行驶速度作为输入,运用安全区实时计算算法构建安全距离模型,在当前车辆前方形成一块预警安全区域。采用深度神经网络YOLOv3（you only look once v3）对前车进行实时检测,得到车辆的位置信息。根据图像中前车的位置和构建的安全距离模型,对可能发生的追尾碰撞事故进行预测。结果 实验结果表明,重新训练的YOLOv3算法车辆检测准确率为98.04%,提出算法与马自达CX-4的FOW（forward obstruction warning）前方碰撞预警系统相比,能够侧向和前向预警,并提前0.8 s发出警报。结论 本文方法与传统的车载超声波、雷达或激光测距的防碰撞预警方法相比,具有较强的适用性和稳定性,预警准确率高,可以帮助提高司机在高速公路上的行车安全性。