基于改进Mask R-CNN的交通监控视频车辆检测算法

针对交通监控视频车辆检测常易受到遮挡导致目标车辆出现漏检或误检的问题,提出一种基于改进Mask R-CNN的交通监控视频车辆检测算法. 采用基于bottleneck结构的主干网络,提高主干网络提取特征的能力; 通过基于预测mask分数的掩码分支,融合目标的类别分数和掩码质量分数,提高车辆的掩码质量; 通过基于Arcface Loss的目标检测损失函数设计,提高不同特征之间的可判别性,提高目标的检测精度. 实验结果表明,改进的Mask R-CNN模型可更好地检测到被遮挡的车辆,目标车辆的检测精度超过Faster R-CNN、YOLO v3和Mask R-CNN模型,可解决目标车辆漏检或误检问题.     

颜色特征模型在静态车辆检测中的应用

为了解决智能交通中的静态车辆检测准确率不高的问题,提出一种基于颜色特征的车辆目标检测方法.该方法首先根据Hough变换分割出路面感兴趣区域,利用颜色特征空间降维建立理想的颜色特征模型;其次,根据贝叶斯分类器进行路面与车辆的像素分类;最后,由最小割/最大流算法进行车辆目标分离.在实景采集交通视频图像后对文中提出方法和现存方法进行了对比评估.基于颜色特征的车辆目标检测方法对于静态车辆目标的检测准确率达到了63.05%,误检率降低至21.27%,漏检率降低至24.01%.与传统方法相比,该方法能更快、更准确地检测到目标.     

基于特征融合和集成学习的隧道内车辆视频识别方法

随着数字视频技术在交通领域的广泛应用,视频车辆识别成为了一个"ITS"领域的基础问题.视频图像中的车辆识别是一个典型的分类学习问题,针对这一问题,提出一种基于特征融合和集成机器学习的车辆识别算法.该方法首先获取视频序列中的兴趣区域;然后对兴趣区域提取纹理特征、Hu不变矩特征和小波特征,将这些特征组合成一种新的特征向量;然后将组合特征向量作为BP神经网络输入进行训练得到基分类器,最后利用Adaboost方法将BP神经网络集成得到强分类器.对所用方法进行了实验对比分析,其统计正检率、误检率、漏检率以及准确率等多参数结果均优于其他两种算法,实验验证该方法具有较好的识别率和鲁棒性.     

基于颜色特征和SVM的交通标志检测

为提高道路交通标志识别系统的实时性和准确度,提出一种改进的RGB空间颜色检测和SVM相结合的交通标志检测算法。首先使用直方图均衡化和Gabor滤波相结合的方法进行图像增强,突出目标颜色;然后使用改进的RGB空间颜色检测方法初步提取并切割出候选标志区域;最后使用HOG特征训练SVM分类器,对候选标志进行精确检测并判断其形状。在检测精度和检测用时2方面进行对比试验,其结果表明,本文算法的检测用时较短,误检率和错检率都较低。该算法能对亮度较低的图像进行有效处理,对旋转、部分遮挡等多种情况也有较优的稳定性和准确性,适用于复杂背景下的标志检测。     

场景语义SAR图像桥梁检测算法

在合成孔径雷达图像中存在大量相干斑乘性噪声,导致桥梁检测中极易出现漏检和误检．针对这一问题提出了基于场景语义的水上桥梁检测算法．该方法首先根据图像的内容自动分割出水域和陆地两类不同的场景,沿着水陆交界区域搜索疑似桥梁目标,有效地缩小了搜索范围;然后提取图像的素描特征,抑制相干斑噪声的干扰;最后根据素描特征的几何特性定义桥梁的隶属度函数,实现桥梁目标的检测．在真实合成孔径雷达图像上的仿真实验表明,该算法有效地降低了桥梁的漏检率和误检率,具有较好的鲁棒性．     

一种改进的极值中值滤波算法

针对极值中值滤波算法在去除噪声时存在误检率较高的问题,提出了一种改进的噪声检测去噪算法。该算法首先采用改进的噪声检测方法,进一步减小误检率和漏检率;然后利用信号点对噪声点滤波。经过仿真实验并与其他方法对比分析表明,该方法能够在去除图像噪声的同时保留图像的细节,有效提高图像的输出信噪比。     

基于改进YOLOv5的小目标检测算法

针对目标检测中小目标误检、漏检及特征提取能力不足等问题,提出一种基于改进YOLOv5的小目标检测算法.该算法使用Mosaic-8方法进行数据增强,通过增加一个浅层特征图、调整损失函数,来增强网络对小目标的感知能力;通过修改目标框回归公式,解决训练过程中梯度消失等问题,提升了小目标的检测精度.将改进后的算法应用在密集人群...     

一种改进的ViBe目标检测算法

现有ViBe目标检测算法存在误检率高,得到的结果噪声较大的问题。为此本文提出了一种将判定阈值自适应规则与优化结果反馈机制相结合的改进算法。该算法首先使用样本自身统计值作为阈值进行目标检测;接着对检测结果进行去噪、形态学处理等优化处理;最后将优化后的检测结果反馈给背景模型更新过程使检测更精确。与传统的ViBe算法相比,本文算法可更精确的提取出运动目标,误判率低,过检率较原始算法降低10%-20%。实验结果证明了该算法的有效性。     

面向交通拥堵的车辆鲁棒检测及分车道到达累计曲线估计

针对大交通量拥堵情况下现有视频车辆检测技术不能有效处理车辆相互遮挡而导致的大量漏检问题,提出了一种面向交通拥堵的车辆鲁棒检测及分车道到达累计曲线估计方法.首先,完成非拥堵区域的检测,避免针对交通拥堵停驶车辆进行复杂遮挡处理及检测的工作;然后,基于假设生成和验证框架,融合Ada Boost分类器与车底阴影检测结果,得到车辆鲁棒检测结果;最后,使用投影畸变车辆稳定特征将车辆位置划归特定的车道,准确估计分车道车辆到达累计曲线,实现针对交通检测断面分车道详细交通参数的有效分析.实验结果表明:该方法能够在高峰时段的交通拥堵状态下实时进行车辆鲁棒检测并准确地获取交通参数,有效避免针对车辆遮挡的复杂处理过程,对解决车辆到达率和车头时距调查成本高、工作量大、不确定因素多等问题具有实际的意义.     

基于感兴趣区域模型的车道线快速检测算法

为满足智能车载视频取证设备对车辆违章行为取证时检测车道线准确性和时效性的要求,提出一种基于感兴趣区域模型的结构化道路车道线的快速检测算法。该算法首先基于结构化道路具有车道线与路面对比度高的特点,采用Soberx边缘检测算子检测车道的边缘信息,然后在感兴趣区域模型基础上,采用改进的Hough变换检测出可能的车道线。为准确提取车道线完成车道的准确检测,该算法基于透视图像消失点原理,采用逆透视变换消除伪车道线完成车道准确定位。实验表明,该算法定位精度高、快速快、鲁棒性好,能够满足高速公路智能车载视频设备取证的性能要求。     

基于车载摄像机的雨量传感器算法研究

基于具有通用性的成像条件而设计的视觉型汽车雨量传感器能够与其他视觉型汽车先进驾驶辅助系统(ADAS)共用车载摄像头,提高其便利性和经济性。因此,针对目前通用成像条件设计的汽车雨量传感器在背景较为复杂的情况下会出现较多误检、检测性能不够理想、运算速度较慢等问题,以梯度算子为基础,研究了一种在通用成像条件下,通过模糊化背景以及亮暗分区处理方法检测雨滴的视觉型汽车雨量传感器算法。通过与相关文献给出的算法进行雨滴检测算法效果对比,所得结果表明,相比传统方法,所提出的方法能有效降低雨滴检测的误检率和漏检率,并能有效提高图像处理速度。     

基于色彩特征的CAMSHIFT视频图像汽车流量检测

针对视频图像中目标车辆尾灯及背景色彩在HSV空间分布上的特点,提出了把车辆尾灯作为跟踪目标,恰当选取色彩特征参数,采用CAMSHIFT目标跟踪算法对汽车流量进行检测的技术方案.研究了基于HSV色彩空间的CAMSHIFT目标跟踪算法在视频图像汽车流量检测中的实现,并用实际拍摄的交通视频图像对该检测算法进行了验证.实验结果表明,本文算法具有较高的准确度,能够有效跟踪以各种速度行驶的车辆,可以较好地应用在汽车流量检测领域中.     

具有高区分度的视频火焰检测方法

为了在视频监控系统中准确地判断火焰区域并预测火灾的发生,提出一种新的基于人工神经网络的视频火焰检测方法.该方法在分析火焰的运动和三维颜色特征的基础上,分别通过傅里叶变换和圆形度分析、角点检测的方法研究火焰的闪烁频率、几何形状对应的时空域特征,采用获得的各类特征构成概率向量作为人工神经网络分类模型的输入,输出表示火灾发生的概率.在保持检测准确率的同时,该方法通过实验选择最优的参数组合解决神经网络容易陷入局部极值及收敛慢的问题.该方法可以区分大空间（隧道、仓库、博物馆等建筑物）中闪烁的车灯和真实火焰,能够避免在实际的视频监控系统应用中将闪烁车灯误判为火焰,有效减少环境光对检测结果的影响,降低火灾火焰的误报率.实验结果表明,采用该方法在保持检测实时性的同时,能够达到96%的检测正确率.     

基于改进的混合高斯背景模型的运动目标检测研究

针对传统混合高斯背景建模（GMM）在一些复杂场景下未能有效地描述背景,目标容易出现错误的检测,本文提出一种改进算法。该算法先对视频帧进行分块处理,然后对单模区域和多模区域采用不同的更新速率进行更新,最后在空域上对检测结果进行数学形态学的处理,从而提取运动目标。实验结果表明,该算法能够提高背景建立和运动目标检测的速率,在多种场景下运动目标的检测都具有良好的鲁棒性。     

家庭安防系统中的多摄像头视频采集与网络传送

为了实现家庭安防系统中多摄像头的现场视频图像采集和实时远程视频报警功能,通过非探测器触发,由多个摄像头循环采集数据,根据While循环的计数端口变量和摄像头的数量确定具体算法,将其结果作为索引号调用对应的摄像头采集数据.运用了美国国家仪器公司的DataSocket技术进行现场数据的远程读取、保存等操作,并以彩信的形式将数据发往用户的手机.设计了USB接口检测程序,确定所插的每一个摄像头的序号.此外,利用沿检测概念,实现了用常闭探测器代替比其贵五六倍的常开探测器.系统测试结果表明,系统性能稳定,各个摄像头和模块之间的配合完全符合视频快速采集、传输、报警、记录的要求,并可将采集的信息以手机短信方式通知用户;没有发生误报和漏报情况,达到了预期的效果.     

基于车辆运动轨迹的VANETs位置验证

正确的位置信息在维护VANETs的正常运行扮演着重要的角色, 恶意节点的位置欺骗将严重影响VANETs诸多应用. 通过对节点的位置验证以检测节点的位置欺骗是VANETs重要的研究领域. 针对VANETs中车辆移动的相对速度较高, 网络拓扑结构频繁变化, 传统WSN和MANET中的位置验证方案不再适用于VANETs, 提出基于车辆的运动轨迹位置验证方案, 采用最小二乘法对车辆进行连续定位跟踪, 并绘制其行驶路线, 与邻居车辆的行驶路线、速度相比较, 计算其吻合度, 检测位置欺骗. 仿真结果表明, 该方案有较低的漏警率和虚警率, 当恶意节点的欺骗距离达到30m时, 漏警率和虚警率接近于0.     

基于DM643的大米边缘视频检测技术研究

以TI公司的多媒体图像处理器TMS320DM643为核心处理器,提出了一种大米外观检测视频处理嵌入式系统硬件的实现方案.基于MATLAB平台对大米样品的视频系统回读图像分别进行了Sobel算子及其改进算法的仿真比较研究.结果表明,改进算法可以检测出更为完整的大米边缘,实现了大米视频图像的实时检测,处理一帧图像仅需42.7 ns.     

不同光照和姿态下的航拍车辆检测方法

为了解决在不同光照和姿态下的航拍车辆检测准确度低的问题,基于Fourier-HOG算法提出了一种航拍车辆检测方法。该方法是基于滑动窗口的检测方法。首先,在处理过程中引入图像预处理,可以将背景区域进行有选择的剔除,大大节省检测时间和降低虚警率;其次,提取航拍图像基于局部敏感直方图的光照不变性特征;然后,再提取旋转不变的Fourier-HOG特征。将此特征在线性支持向量机中对车辆目标与非车辆目标进行分类。在后续处理阶段,引入非极大值抑制来降低误检目标。实验结果表明：所提出的车辆检测方法在谷歌地图数据集上进行测试,其检测准确度较高,且时间消耗低于原始的Fourier-HOG检测方法,该方法是一种较为有效的航拍车辆检测方法。     

红外电视制导目标搜索中ROI提取和编码算法

针对红外电视制导系统提出了一种基于灰度自动检测的ROI算法,并对优化截取内嵌块编码(ECBOT)中的隐式ROI编码算法进行了改进。减小了ROI编码块中背景区域的优先级,提高了ROI区域的图像质量,在低信道速率下对疑似目标可进行高质量显示,使操作人员能够快速完成精确人工导引,并对EBCOT、隐式ROI方法和改进的隐式ROI方法进行了比较。结果表明,改进算法具有压缩效率高,复杂度低且在低信道速率下重建的ROI图像质量好的优点,提高了在大背景下搜索小目标的效率。