基于弱显著图的实时热红外图像行人检测

针对现有热红外图像行人检测方法在精度和速度方面存在的问题,提出一种基于弱显著图的实时行人检测方法.该方法以轻量级LFFD(Light and Fast Face Detector)网络为基础,由两级改进网络即SD-LFFD(Saliency Detection-LFFD)和SF-LFFD(Saliency Fusion...     

基于增强型轻量级网络的车载热成像目标检测方法

车载热成像系统不依赖光源,对天气状况不敏感,探测距离远,对夜间行车有很大辅助作用,热成像自动目标检测对夜间智能驾驶具有重要意义.车载热成像系统所采集的红外图像相比可见光图像具有分辨率低,远距离小目标细节模糊的特点,且热成像目标检测方法需考虑车辆移动速度所要求的算法实时性以及车载嵌入式平台的计算能力.针对以上问题,本文提...     

车载红外图像的行人检测与跟踪技术

针对车载红外图像的特点,采用基于区域估计的帧差法实现车载红外图像中的行人检测,再通过行人的几何特征和运动速率特征进行行人的识别,最后运用轮廓矩匹配算法进行行人的跟踪。实验结果表明所采用的方法具有较好的行人检测及跟踪效果。     

CFRP层板缺陷红外热波雷达成像检测概率研究

建立了Chirp调制激光激励的红外热波雷达成像检测系统,提出了基于分数阶傅里叶变换的Chirp锁相算法和基于希尔伯特变换时域积分的HT算法,实现了对CFRP层板缺陷的检测;合理设计了模拟缺陷的尺寸分布范围与缺陷判定准则,采用Hit/miss法分析了信号提取算法对检测概率的影响;给出了不同检测参数与判定阈值情况下,相关算法、Chirp锁相算法和HT算法提取结果的检测概率数据,确定了红外热波雷达成像系统对CFRP层板缺陷的检测概率水平。     

一种基于CENTRIST方法与显著图分割的行人检测方法

在智能监控系统中,行人是最为关键的目标对象.监控系统可根据当前捕获的行人检测结果,触发跟踪系统持续观察兴趣目标,从而给出兴趣目标的行为与状态信息.考虑到行人检测结果直接影响跟踪系统的输出,基于CENTRIST(Census Transform Histogram)方法的行人检测结果,采用显著图分割技术,将包含行人的前景区域与检测框内的背景区域分离开来,使得跟踪系统能够根据行人的主体运动部分做出准确判断,有效地缓解了背景区域以及行人局部运动(如手、脚运动)对跟踪结果的干扰.实验结果表明,该行人检测方法在提高后续跟踪模块准确率的同时,又能适用于实时性要求较高的智能视频监控系统.     

热成像系统观察目标的发现概率与识别概率

本文通过对热成像系统实验室综合性能参数MRTD值在实用条件下的修正,提出了计算目标发现概率和识别概率的具体方法与步骤,可用来评价目标的可见性和确定热成像系统的作用距离。     

车载异构非制冷红外成像行人检测系统

车载红外夜间行人检测具有重要的实用价值,传统系统往往结构复杂、行人检测算法实时性难以保证。针对该问题提出了基于FPGA + DaVinci处理器构架的非制冷红外热成像行人检测系统,充分利用红外焦平面的成像特点,获取经预处理后的图像画质清晰;在检测行人区域过程中,提出结合局部自适应阈值分割和形态学处理的预处理方法,能够有效去除强背景的干扰;另外,利用Haar-like特征事先训练AdaBoost分类器,进行ROI的分类、识别。实验结果表明,采用多核心异构的系统,具备结构紧凑、数据通信难度小、算法移植性强等优势;FPGA对算法加速效果约为38 %,实时检测帧频达到了25 f/s。     

基于视觉的车载行人检测保护相关技术

为提高城市交通环境下车辆的主动安全性,减少交通事故,保障行人的安全,很多国内外的科研院机构都对行人保护技术进行了研究,意在开发出一种车载行人保护系统,就是利用安装在车辆上的摄像机检测出行人,从而预测出潜在的危险以便采取相应策略保护行人。其中涉及到的相关技术包括行人的目标分割、特征提取等。     

基于路面约束的行人检测感兴趣区域提取

针对行人检测存在识别精度不高,实时性较差等问题进行相关研究.分析了基于多尺度滑动窗口法提取行人检测窗口的缺点,为解决行人检测中检测窗口数量过多的问题,提出在图像分割和路面提取的基础上实现对行人检测窗口的提取.先利用FCM聚类算法训练得到分割阈值,其次提取路面区域,根据路面区域筛选可能存在的行人位置,进而提取感兴趣区域,并对相应的感兴趣区域提取HOG特征进行进一步精确分类.实验结果表明,采用基于路面约束的图像分割方法来提取感兴趣区域,有效减少了遍历窗口的数量,从而提高了行人检测速度和检测精度.     

基于热成像的渗漏源检测

针对屋面渗漏源难以检测的问题,研究了基于渗漏区域红外图像特征的灰度分段映射图像增强方法,提出了一种基于样板矩阵的图像快速识别技术,设计了一个屋面全自动渗漏源检测系统。在5 m×3 m屋面设置渗漏源形成多个渗漏区域,采用Mecanum轮小车搭载该系统对渗漏源进行检测,结果表明,该系统可以在89 s之内完成检测工作,总测试150个次渗漏点,漏测12个次渗漏点,识别准确率大于90%。该技术检测效率高、操作简单,配合相应载体可用于各类不明渗水源检测。     

基于YOLO算法的行人检测方法

针对复杂道路交通环境,选择YOLO(You Only Look Once)实时目标检测算法,对行人目标进行检测识别的研究。YOLO算法在目标检测的速度和精度上都取得过良好效果。首先在YOLO网络模型的基础上针对行人单类检测问题,修改分类器,并通过卷积操作改变网络最后的输出维度;其次通过对道路交通场景下采集到的样本图片进行标注,得到行人数据集;然后采用相同预训练模型在YOLOv2和YOLOv3上训练,通过优化网络参数,加速模型收敛。实验结果分析可知,基于改进的YOLOv3的行人目标检测方法更能满足实时性的要求。     

MEMS-INS室内行人定位三维地图匹配算法

提高基于微机械(Micro-Electro-Mechanical System,MEMS)惯性导航系统(Inertial Navigation System,INS)的室内行人三维定位精度一直是一个研究热点和难点,其中器件误差是影响MEMS-INS精度的一个棘手问题.由于器件误差产生的机理十分复杂,采用现有的修正技术无...     

一种高概率信号检测方法

针对传统的单波束独立进行信号检测,目标回波能量不能充分利用的问题,应用雷达信号检测理论,以多波束电扫体制为例,并提出了相邻波束联合检测和相邻波位联合检测的方法。理论分析和工程应用表明,该方法在虚警概率不变的前提下可以有效地提高目标的发现概率,并可应用于所有相控阵和同时多波束雷达系统。     

基于局部特征的车载红外行人检测方法研究

车载红外行人检测在准确率和实时性方面存在多方挑战.文中基于行人头部、躯干成像与背景之间存在灰度分布差异,构建行人头部模型和躯干模型作为前端分类器,后端采用支持向量机(Support Vector Machine,SVM)进行分类;结合多帧校验和最近邻匹配跟踪行人.实验结果表明,检测时间基本持平,提高了检测准确率.     

基于后验HOG特征的多姿态行人检测

行人检测是当前计算机视觉领域的挑战性课题之一.本文提出一种基于后验HOG特征的多姿态行人检测方法.首先,统计全部行人样本的梯度特征能量共性信息,对单个行人样本的HOG特征进行加权获得能够表现行人边缘轮廓的后验HOG特征,有效减少复杂背景的影响.其次,利用S-Isomap特征降维方法和K-means聚类方法对不同姿态和视角的行人做子类划分,并针对每一个子类训练子类分类器.最后,根据多个不同姿态的子类分类器输出值,训练等权重加和方式的多姿态-视角集成分类器.不同数据集上的测试结果表明,本文所提利用共性信息获得的后验特征超过了经典HOG和其它典型特征的描述能力.与现有方法相比,通过将所提出的特征与多姿态-视角集成分类器结合,有效地提高了检测精度.     

求解混沌映射不变分布的区间迭代算法

从Frobeniui—Perron积分方程出发，将混沌映射的不变分布看成Forbenius-Perron算子的不动点，经过简化后得到了该不动点的逼近迭代式。在样本数较少的情况下，采用区间迭代算法完成了不变分布的迭代逼近。该方法克服了直方图法要求样本数目大，统计误差明显的缺点，特别适用于分析样本数受限的实际系统。     

基于单目视觉的行人检测研究

行人检测系统是目前先进驾驶辅助系统中直接面向行人的保护系统,可最大程度地减少行人所受到的伤害。纹理对称度特征是目前最直观且能够用于表征行人的特征。文中在采用基于纹理对称度特征方法提取感兴趣区域的基础上,提出了一种线检测的方法,可以有效地减少检测过程中阴影、树叶等小纹理对检测结果的影响。最后利用梯度方向直方图特征和支持向量机方法对感兴趣区域进行验证。试验结果表明,该方法在保证检测速度的前提下,可减少检测过程中的虚警和漏警情况。     

基于形状上下文的公共场所行人检测系统

交通规划中对于慢行交通对象流量的检测精度要求越来越高。虽然引入了一些基于智能监控的手段,但是在取得检测结果的速度和精度上仍然有较大的提高余地。为此论文提出了一种基于视频监控和图像识别的公共行人数量检测手段,利用形状上下文和广义Hough变换技术来提高检测结果的准确度和速度。测试结果表明,该检测方法优于传统的基于SIFT特征的检测方法,在大多数中低人流密度的场景下有较高的精度。另外该方法使用的样本数量较少,训练时间也较短,适用于需要进行实时处理的场合。     

一种联合文本和图像信息的行人检测方法

针对纯视觉行人检测方法存在的误检、漏检率高,遮挡目标以及小尺度目标检测精度低等问题,提出一种联合文本和图像信息的行人检测方法.该方法首先利用图像分析的方法初步获取图像目标的候选框,其次通过文本分析的方法获取文本中有关图像目标的实体表达,并提出一种基于马尔科夫随机场的模型用于推断图像候选框与文本实体表达之间的共指关系（Coreference Relation）,以此达到联合图像和文本信息以辅助机器视觉提高交通场景下行人检测精度的目的.在增加了图像文本描述的加州理工大学行人检测数据集上进行的测评结果表明,该方法不仅可以在图像信息的基础上联合文本信息提高交通场景中的行人检测精度,也能在文本信息的基础上联合图像信息提高文本中的指代消解（Anaphora Resolution）精度.