交通监控系统中车辆和行人的检测与识别

本文提出一种应用于智能交通监控系统的车辆和行人的检测和识别方法.首先结合帧间差分,对交通监控场景的视频图像序列建立动态背景模型,然后用背景消除法对监控视频中的运动目标进行有效检测,提取出运动目标的轮廓.最后采用支持向量机,对检测出运动目标进行快速识别.实验结果表明,该方法能够快速准确地在监控视频中对运动的车辆和行人进行检测和分类识别,对快速交通通道中非法行人入侵进行自动报警.     

基于改进OTSU法的运动目标检测与跟踪

运动目标的检测与跟踪是当前进行图像分析和理解以及计算机视觉领域的重要研究内容,为了能够在数字视频系统中实时的检测出运动目标,在帧间差分基础上采用改进的最大类间方差法--基于灰度拉伸的最大类间方差对图像进行了阙谮值分割,并采用形态学滤波消除噪声,然后使用投影法快速定位目标,实验结果表明,该方法能够快速有效地检测出视频图像中的运动目标,满足检测跟踪的基本要求.     

基于改进均值建模的自适应三帧差分算法研究

针对实际视频图像中复杂的背景环境（光照变化、有微动物体等）,运动目标检测算法不易提取出完整的运动目标,提出了基于改进均值背景模型的自适应三帧差分算法。该算法利用前k帧建立的均值背景模型作为三帧差分法的中间帧,再采用三帧差分法,并对差分结果选取自适应阈值来二值化,将两个检测出的目标进行“与”运算,最后通过形态学处理、滤波等,获得运动目标的真实位置。最后试验结果表明,提出的算法能够适应比较复杂的背景环境,不易受光照变化或其他微小变化的影响,又能有效克服空洞和边缘丢失的现象,并且检测准确率更高,适用于无人监控环境。     

一种用于电力监控的行人运动检测与跟踪算法

在传统的行人检测跟踪算法中,主要采用HOG+SVM对视频中的行人直接进行检测,针对传统算法在复杂背景及多行人条件下,行人检测效果较差,且实时性低等缺点,提出一种融合目标运动检测与目标跟踪的行人检测算法。首先采用Vibe算法提取视频中的运动目标,并通过对Vibe算法的改进消除初始帧存在的阴影问题。针对视频中的运动目标采用Adaboost算法对运动目标区域进行行人检测,减小视频中背景的干扰,加快检测速度。最后采用卡尔曼滤波算法和匈牙利最优匹配算法对视频监控中的行人进行跟踪。仿真实验结果显示,该算法能够对电力监控视频中存在的行人进行检测跟踪。     

基于五帧差和二维Renyi熵的运动目标检测

针对传统帧间差分法存在的不足,提出改进五帧差分法和二维Renyi熵阈值分割法相融合的运动目标检测算法。该算法充分考虑视频序列帧间的时空相关性,利用改进五帧差分法对预处理后的视频图像序列进行差分运算,以提取运动目标的帧间时间相关性;将得到的差分序列使用二维Renyi熵阈值分割法分割处理,以获取运动像素与同帧周围像素的空间相关性。该算法避免了五帧差分法轮廓提取的空间信息丢失,克服了二维Renyi熵阈值分割法容易忽略运动像素的时间信息,从而提升了运动目标检测的完整性。实验结果表明,该算法能够更准确地检测出运动目标,具有较好的鲁棒性和有效性。     

动态场景下的快速目标检测算法

提出了一种动态场景下的目标快速检测算法,基于特征点SURF算法,采用旋转参数模型,结合最小二乘法求解全局运动参数进行运动补偿,最后使用帧差法获得运动目标.采用ORSA的方法去除外点的影响;SURF算法不能满足实时性的需要,针对这一点,提出基于运动预测的特征点匹配算法,提高了匹配的速度和准确率;采用基于残差图像块的更新策...     

Sobel算子在提取视频运动目标轮廓中的应用研究

在计算机视觉领域中,从视频流中获取清晰的运动目标轮廓对于目标的跟踪识别以及行为判断等高层次处理具有非常重要的意义.传统的帧间差分法虽然可以粗略的提取到运动目标,但却未能很好的解决算法留下的“空洞”和“重影”问题.本文首先采用Sobel算子提取每一幅帧图像的轮廓,然后将帧间差分法提取得到的运动目标同该轮廓做“与”运算,从而得到线条清晰的目标轮廓.实验表明,该方法较传统帧间差分法而言,在保证原有轮廓的同时,也能消除移动速度对轮廓的影响.     

基于数学形态学的运动目标检测算法

帧差法和背景差法都是重要的运动目标检测方法,帧差法不能完全提取出目标的所有相关点,而背景差法又受环境光照的影响。针对传统运动目标检测算法的不足,提出一种基于数学形态学的帧差法与背景差法相结合的运动目标检测算法。先将帧差法得到的图像经过数学形态学处理,再将其与背景差法得到的图像相结合。实验表明,该算法能适应复杂变化的环境,准确地提取运动目标,对复杂干扰场景下的实时运动目标检测得到了较为满意的效果。     

电力监控系统中运动目标检测算法研究

针对传统运动目标检测算法在实际应用场景中适应性较差、检测效果不太理想的问题,提出了一种融合三帧差分法与背景减除法的改进算法。首先,在三帧差分法的基础上,引入Canny边缘检测对其进行改进,以获取运动目标的完整轮廓;然后将目标轮廓和基于混合高斯模型的背景减除法提取的中间帧的运动前景相或,经过孔洞填充等一系列形态学处理,最终实现运动目标检测。仿真实验结果表明,改进的算法能够适应复杂的环境,将电力监控系统中的运动目标完整、准确地提取出来。     

基于车底阴影的前方运动车辆检测

实时准确检测前方运动车辆的位置信息是车辆安全驾驶的前提,提出了一种在不依赖车道线检测情况下,基于车底阴影的前方运动车辆检测。阴影算法采用两次自适应阈值分割图像从而提取车底与路面的交线,生成目标假设区域,对建筑物或树的投影、光照强弱等干扰能初步有效的排除,提高检测效率;接着,利用熵值归一化的对称性测度来验证,排除虚假车辆。实验结果显示,该算法的正确识别率达到97.2%,平均处理速度为22.5帧/秒,对白天中多种环境能满足实时准确地要求。     

基于OpenCV和 YOLOv5的车道线检测与识别

为更加快速、准确识别汽车行驶区域并区分车道,实现无人驾驶,提出一种结合视觉OpenCV 算法和改进 YOLOv5算 法的目标检测跟踪模型进行车道线检测的方法。在图像预处理阶段,首先读取视频图像,把每一帧RGB图像转为灰度图,通 过Canny 算子对图像的边缘轮廓进行提取,然后绘制车道线的掩码区域,并与边缘检测结合,采用ROI 技术提取感兴趣区域, 最后进行概率霍夫变换和最小二乘拟合,将得到的直线绘制到原图像中,最终对每一帧处理后的图像进行输出。目标识别模 块采用卷积神经网络(convolutional neural network,CNN)深度学习方法及 YOLOv5算法进行目标识别处理。实验结果表 明,所提检测算法能够实现准确的车道线检测,实时性和准确性比传统算法高很多,且该方法具有良好的鲁棒性。     

基于深度学习的改进型YOLOv4输电线路鸟巢检测与识别

针对输电线路无人机巡视图像经典鸟巢检测算法权重参数范围大、识别效率低、识别精度低的缺点,提出了一种改进型YOLOv4输电线路鸟巢检测与识别方法。首先,选取Mosaic图像增强技术对图片集进行多种变换,变相增加图片集中的小目标数量。其次,在骨干特征提取网络中,通过引入深度可分离卷积来提高检测网络的速度;在YOLO头中,基于K-means++算法改进锚框的大小和比例,基于最小凸集建立回归损失函数。最后,在PANet和YOLO头之间增加2个SPP模块,进一步增强特征融合能力,提高小目标检测能力。利用某供电局无人机巡检图像制作数据集,将提出的算法与其他目标检测算法进行对比实验研究。实验结果表明,改进后的算法有更高的鸟巢检测准确度和更低的运算开销。     

航天遥感TDICCD相机星上振动实时检测

为了对航天遥感相机焦平面振动进行实时检测,提出了一种利用CMOS图像传感器和快速灰度投影算法的振动实时检测方案。首先,分析了航天遥感相机焦面振动检测系统要满足的条件,提出了一种在焦面空闲处安装CMOS图像传感器的结构来获取图像序列,然后对传统灰度投影算法进行了改进并利用该算法计算了图像序列间的振动量,最后,利用FPGA对算法进行了实现。理论分析和实验结果均表明,提出的方案能满足航天遥感相机对焦面振动检测的要求。     

基于球面投影的激光点云目标检测

基于深度学习的激光点云目标检测已成为了一个重要的研究领域。本文采用球面投影和2D图像的SOTA深度学习网络,实现3D激光点云目标快速检测。首先,将KITTI数据集单帧3D点云经球面投影转换成一帧2D的RGB三通道图像,像平面的像素位置取决于点云的三维坐标,其R、G、B 3个通道灰度值取决于点云归一化后的反射强度、距离、高度。其次,分析了不同分辨率下球面投影的重叠分布情况和对图像质量的技术影响。最后,采用语义分割模型DeepLab-V3+网络,仿真结果表明：该方法在分割精确度和速度方面都具有良好的性能,应用价值较高。     

路面病害巡检评估系统中的裂缝检测技术

由于使用手持设备的网络型混凝土路面病害巡检评估系统与车载道路检测系统的病害图片处理方法不同,针对使用手持设备的网络型混凝土路面病害巡检评估系统提出一种基于图像处理的可纠正图像畸变的混凝土路面裂缝检测技术。1)使用张定友法对摄像头进行标定,获得摄像头内外参数;2)对路面病害图像进行预处理;然后,通过阈值分割法检测出路面裂缝,根据背景连通域数量的差异,实现了裂缝分类;通过投影法对出横、纵和斜向裂缝实现分类。3)对线性裂缝提取裂缝骨架细化并根据实际版块长宽,求出裂缝长度、平均宽度等病害参数;对于网状裂缝通过求其最小外接矩形计算其破损面积。     

基于水平灰度跳边和垂直投影的车牌定位方法

车牌定位技术是车牌识别技术中的关键也是难点。本文参照了二值化数学形态运算法和垂直投影法的一些特点,提出了一种基于二值化差分图像的水平灰度跳变法进行车牌定位。主要步骤包括:预处理,水平定位,垂直定位。实验结果表明,这种算法具有定位准,鲁棒性强的特点,并且符合实时性的需要。     

基于Snake算法的圆盘仪表示数识别技术研究

仪表示数的自动识别对于自动检测和自动控制具有重要意义,文章以圆盘仪表示数的自动识别为研究内容展开研究。提出了一种基于Snake算法的自动识别方法,整个算法分为Hough变换粗定位圆形特征、Snake算法精定位圆形特征、Hough变换检测直线特征三个环节。此方法以Hough变换检测的圆形特征为初始条件,进而根据Snake模型的内力和外力,引导Snake曲线向更加精确的圆形特征逼近。针对压力表图像展开相应的实验研究,实验结果证实了基于Snake算法的自动识别方法的有效性。     

YOLOv4 与 ORB 深度融合的绝缘子识别定位研究

为了解决复杂背景下铁路接触网绝缘子的快速准确识别及定位问题,提出了一种YOLOv4目标检测算法和ORB特征匹配算法深度融合的绝缘子识别定位方法。首先利用迁移学习的策略训练YOLOv4检测网络,解决了绝缘子数据集样本较少导致过拟合的问题;然后采用高斯金字塔提取图像多尺度特征,使原始ORB算法具备尺度不变性;最后将以上两种算法融合,在双目相机获取的图像上标出绝缘子识别框,并在左右图像识别框内提取特征点进行匹配,利用视差原理还原出绝缘子相对于相机的三维坐标。实验结果表明,该方法可以有效地避免复杂背景干扰,准确地定位出绝缘子的三维坐标,4 m内最大定位误差为2.1%,检测速度为35 fps,具有较高的精确性和实时性。     

煤矿井下人员视频图像识别跟踪的研究与应用

随着数字图像处理技术的发展,图像识别开始应用到煤矿的安全领域。基于背景差分法的研究,采用混合高斯模型的背景建模法,设计了井下视频图像中运动人员检测的流程和算法,来应对监测场景图像、光线强度的不断变化,并开发了实时监测平台,实现了对井下监控图像中人员进行识别和运动轨迹跟踪。实际应用结果验证,该算法能有效增强检测的效果,实现了在诸多不确定性因素的序列视频中较好的自适应构建背景,从而高效地检测出移动中的井下工作人员,并进行标注跟踪显示。