基于深度学习的VGG16 图像型火灾探测方法研究

为了快速、有效地检测不同场景下的火灾信息,基于深度迁移学习设计了一种改进VGG16 的图像型火灾检测方法。搜集不同场景下的照片,使用离线数据增强技术增加样本数量,对VGG16 进行改进,并使用迁移学习的方法训练火灾识别模型。结果表明：改进的VGG16 网络对于火灾现场的图片分类识别准确率为98.7%,优于Resnet50 网络和Densenet121 网络,可快速、准确地检测到火灾信息。     

基于图像与激光多数据融合的轨枕检测方案研究

铁路轨道轨枕的准确检测是实现捣固车智能化升级的前提,也是实现大型养路机械自动捣固的必要条件之一。为实现大型养路机械捣固车轨道轨枕自动检测识别,文章提出一种基于多维传感器数据融合算法的轨枕自动检测算法方案。该方案结合混沌增强果蝇优化算法与模糊聚类分割技术,扩大了算法适用范围,提高了图像识别准确性和抗噪能力;其将图像与激光测距传感器数据进行多数据融合,同时充分考虑了捣固车的作业速度和制动特性,进一步确定轨枕宽度和轨枕之间的距离信息,快速准确完成对轨道轨枕的检测识别。实验结果表明,本文所提检测算法能够快速准确地给出轨道轨枕的位置,同时判断出异常区域,为后续自动捣固作业控制奠定基础。     

车载雷达点云的结构化道路边界提取方法

为了提高结构化道路边界检测的准确性与鲁棒性,结合非参数变点统计方法,提出了一种基于32线激光雷达三维点云的道路边界提取算法。基于结构化道路区域和非道路区域存在一定高程跳变特征,该算法利用非参数变点统计,对激光雷达扫描的道路环境三维点云数据中突变的z坐标值进行标记,并提取对应的候选道路边界点(x,y)。利用道路边界方向的最大期望(EM)聚类算法,对候选道路边界点进行聚类去噪。利用最小二乘法拟合道路边界,在不同光照条件下的校园结构化直、弯道路环境进行实车实验,统计直道1 030帧数据和弯道650帧数据。仿真结果表明:算法识别准确性较高且检测距离达18 m,耗时约28 ms,可满足智能车实时性要求。     

基于时空融合的交通场景中运动行人检测算法

将视频监控技术应用于交通信息获取与处理,解决行人安全问题,已成为智能交通系统中的一项关键技术。为精准地提取交通场景语义信息,提出了融合时域和空域信息的行人检测算法。通过相邻多帧时域变化和Canny边缘检测算法得到初始检测掩模图像,解决差值局部化和噪声问题;提取空域信息时,引入二次重构和内外标记技术对梯度图像进行修正和分水岭变换,得到空域掩模图像,有效地提高空域分割精度,消除过分割现象;最后将两者结果进行融合和形态学修正,提取出交通场景图像中的运动行人。以北京南站为例进行实验分析,结果表明,该方法能快速准确地检测到较完整的目标信息,在动态场景的行人检测取得了较好的效果。     

一种基于栅格投影的快速地面点云分割算法

针对激光雷达不同类型点云在不同场景下存在地面点云过分割和欠分割的问题,本文提出一种能够适用于不同类型点云的地面分割算法,该算法先将原始点云栅格化,然后计算栅格单元高度差、平均高度和高度方差信息,综合三个分割指标实现地面点云准确快速分割.分别采用KITTI开源数据集和实测数据进行实验验证,结果表明本文算法针对不同类型点云...     

基于视觉的烟火监控云台算法研究

火灾给人们的生命财产安全带来了严重威胁,做好火灾预防有着重要意义。基于人工智能和嵌入式控制技术,开发了一套基于视觉的嵌入式烟火监控云台,用于公共区域的烟火实时监控与预警。该云台使用NumPy算法库对视频图像进行快速预处理,以提高烟火检测的准确度和处理速度;使用Yolov5检测算法对视频图像中的烟雾和火焰进行分类识别,通过选取大量不同的火焰和烟雾场景制作数据集,得到烟火视频图像的检测模型,可以实现大范围的烟火监控与跟踪。实验表明,该算法可以实现通用场景下的烟火快速识别、检测与预警。     

北京市沥青路面结构破损评价综合方法应用分析

近几年,北京地区沥青路面破损严重,为方便对道路路况和病害进行有效识别,从而制定养护对策与方案,急需研发快速、准确、有效的道路病害检测技术。现状旧路评价系统中将路面破损及结构承载力作为指标对旧路进行评价,而对影响道路结构性能的内部破损关注较少,这使得评价结果准确度不高。文中从探地雷达检测原理及应用出发,分析现状沥青路面结构破损评价方法,研究采用传统统计与无损检测相结合的方法,应用路况调查、探地雷达、贝克曼梁等无损检测方法对路面状况进行检测,从路表破损、道路内部破损以及结构承载力等方面对道路状况进行综合评价。该评价结果更加准确、全面,为科学制定养护维修方案提供了依据。     

堆石坝压实密度快速检测方法的研究

提出了基于三维激光扫描、图像智能识别与小粒径骨料自动筛分机的堆石坝密度快速检测方法,旨在提高堆石坝检测精度和效率,保障水利工程安全。通过三维激光扫描获取堆石坝测坑表面的三维点云数据,实现测坑体积的快速计算;结合图像智能识别技术,实现对骨料粒径的自动测量;利用小粒径骨料自动筛分机对堆石坝中的骨料进行筛分和测量,定量评价压实状态。该方法具有快速、准确等优点,适用于大规模的堆石坝密度检测,达到了推动碾压施工自动化水平的效果。     

基于多特征融合的自适应烟雾检测算法

烟雾检测技术在火灾早期预警阶段发挥着重要的作用,准确快速地烟雾检测算法具有非常重要的实际应用价值。针对现存的烟雾检测算法抗干扰能力差、实时性不强、复杂场景下适应性差的问题,本文提出基于多特征融合的自适应烟雾检测算法。首先,算法通过改进的三帧差分法提取基于图像块的运动区域;其次,提取烟雾图像块的HSV颜色特征、纹理特征、能量特征、面积变化率和LBP特征,多特征融合之后通过支持向量机(SVM)算法训练烟雾检测模型,进行烟雾检测。为了有效评估基于多特征自适应的烟雾检测模型的有效性,在复杂的烟雾场景中进行试验,试验结果证明该烟雾检测算法具有良好的鲁棒性。     

基于YOLOv4算法从视频图像中监测道路积水

针对城区降雨量多,道路易积水而导致内涝且传统道路积水监测方法耗时耗力、成本高等特点,提出了一种针对城市道路积水的检测方法,基于YOLOv4算法从视频图像中监测道路积水.基于有效提取道路积水深度的目的,采用YOLOv4的目标检测模型对参考目标进行检测的方法,通过合成图像数据集训练的检测模型有效地从图像中检测出参考对象,由检测到的参考对象获得道路积水深度.结合视频图像应用案例表明,利用YOLOv4算法对视频图像进行目标检测,能快速、高效、准确地提取道路积水的深度.