基于高斯混合模型和AdaBoost的夜间车辆检测

针对夜间车辆检测精度相对不高的问题，提出通过构建车头灯对空间几何关系的高斯混合模型（GMM）和采用逆投影车辆样本的AdaBoost分类器准确检测夜间车辆的方法。首先，在交通场景中根据车头灯对的空间位置关系设置逆投影面，通过图像预处理粗定位车灯区域；其次，在逆投影图像下利用车头灯对的空间几何关系构建车灯对的高斯混合模型，初步匹配车头灯对；最后，采用逆投影车辆样本，利用AdaBoost分类器进一步准确检测车辆。实验在3个交通场景的检测结果表明，与原始图像下的AdaBoost方法相比，所提方法的检测率提高了1.93%，漏检率降低了17.83%，误检率降低了27.61%；与D-S （Dempster-Shafer）证据理论方法相比，检测率提高了2.03%，漏检率降低了7.58%，误检率降低了47.51%。所提方法提高了相对检测精度，减少了地面反光和影子等的干扰，满足交通场景中夜间车辆检测的可靠性和准确性的要求。     

自偶置换滤波器

制约置换滤波器实用的关键是其参数数量过于庞大。文中提出具有自偶特性的置换滤波器结构。该滤波器较一般置换滤波器的参数数量减半，但实验表明，它们的性能却非常接近。     

基于同步的一维混沌离散映射的参数估计方法

在已有“均值估计方法”基础上提出了一种针对一维离散混沌映射的参数估计方法,该方法充分利用了混沌信号的各态历经性和同步参数敏感性的特点,它对一维离散混沌映射的估计精度比“均值估计方法”高。最后通过对Chebyshev和Tent这两种典型一维离散混沌映射进行数值仿真来验证本文方法的有效性。     

网络处理器IP2022及其在嵌入式牌照识别系统中的应用

介绍了Ubicom公司的最新网络处理器IP2022以及专为网络优化而设计的嵌入式实时操作系统ipOS的特点。描述了如何在ipOS下编制以太网应用程序。给出IP2022在一个嵌入式牌照识别系统中的应用实例。     

基于Bayes决策的组合中值滤波

针对图象滤波中的滤噪和细节保护的矛盾,提出了基于Bayes决策的组合中值滤波技术。内容有:(1)导出了测试向量的联合分布密度函数;(2)提出了先验概率的一种估计算法,该算法具有一定的普遍应用意义;(3)基于Bayes决策,将标准中值滤波器(MF)和多级中值滤波器(MLM)组合应用,给出一种效果优良的组合中值滤波器结构。     

真空断路器真空度现场测量新技术

真空灭弧室真空度的传统测试方法主要有磁控放电法及工频耐压法.磁控放电法需要使用磁场线圈,而工频耐压法只能测出严重漏气的灭弧室.本文提出了一种新的真空度测量方法--发射电流起始场强法,该方法不需要施加磁场,它是将闭合的灭弧室触头强行拉开0.45mm,在触头间隙上施加工频高电压,接着使用电子轰击或间隙击穿的方法去除触头上固有的气体吸附层,再通过离子捕集的方法重建动态平衡的气体吸附层,然后测量发射电流起始场强Eip.通过理论分析知,发射电流起始场强Eip与真空灭弧室内的真空压强P成正比,故通过测量发射电流起始场强Eip的大小,就可以获得真空灭弧室内的真空度.本文在实验室对发射电流起始场强与真空度的关系进行了实验研究,结果表明,该新方法可将真空度测量范围拓宽到100～10-3Pa.     

一种测量真空开关灭弧室真空度的新方法

提出了一种无需施加磁场、利用发射电流衰减速度测量真空开关灭弧室真空度的新方法。首先利用500μA发射电流对触头表面轰击,除去触头表面上多余的分子吸附层。然后利用35μA发射电流与触头间残余气体分子的碰撞电离,形成离子流。离子流又撞击触头表面,被表面捕获,形成新增吸附层。这些新增吸附层的存在会增大触头材料逸出功,导致发射电流的衰减。真空度不同,发射电流的衰减速度就不同,故在发射电流衰减量一定的条件下,通过检测发射电流衰减时间就可以测量灭弧室内的真空度。文中通过理论分析,给出了发射电流衰减时间与真空度的关系并进行了实验验证。     

秩排序非线性滤波器的自适应优化算法

在图像处理中，秩排序非线性滤波器具有非常重要的作用。本文从加权顺序统计滤波器的自适应优化算法出发，导出了加权中值滤波器、秩选择滤波器和置换滤波器等几种重要的秩排序非线性滤波器的自适应优化设计算法，这些算法采用迭代计算实现，并可以在MAE、MSE和／Z准则下得到最优解。模拟实验表明，这些算法具有非常好的收敛效果，并可以很好地用于类似图像的非平稳信号的处理。     

基于线阵CCD摄像机的交通信息采集和检测系统

系统采用成像控制和激光补光技术，使成像质量不受外界光线变化的影响，达到全天候32作和应用的要求。同时提出了一种检测车辆及其速度的算法，并将该算法应用到本系统中。实验结果表明，该系统可以全天候准确地检测出车辆及其速度。     

基于鲲鹏云的复杂道路场景行人监测系统

随着交通智能化的发展, 高速公路监控视频加密上云逐渐成为交通发展的主要趋势之一. 交通数据深度挖掘, 尤其是行人检测问题, 则是该趋势中亟待解决问题之一. 本文针对多种道路环境的行人检测问题, 提出了一种基于鲲鹏云的全天候行人监测解决方案. 首先, 将监控相机中的视频流通过流媒体服务转发至鲲鹏云; 然后鲲鹏云进行视频流解码与行人检测, 同时保存行人历史信息; 最后进行行人事件分析和上报. 本系统采用嵌入式神经网络处理器(NPU)代替传统图形处理器(GPU)平台加速YOLOv4行人检测模块的推理, 一方面取得了较快的检测速度并可实时处理22路视频流, 另一方面, 该解决方案针对不同道路场景下高速道路上的行人也可取得较好的监测效果.