基于改进的DSSD算法的行人检测

交通场景下的行人检测在高级辅助驾驶系统和自动驾驶汽车领域中占有重要地位.为了解决道路行人因采集视角和低像素模糊而导致小、尺度行人氏检测精度的问题,提出了一种基于DSSD的行人检测网络框架,结合改进的ResNeXt特征提取模型作为DSSD检测框架的前置网络以保证小尺度行人特征的精确提取和高效传递.为了充分获取局部细节信息...     

一种远距离行人小目标检测方法

远距离行人小目标成像像素少、缺乏纹理信息,深度卷积神经网络难以提取小目标细粒度特征,难以准确识别与检测。本文提出一种远距离行人小目标检测方法。首先,在YOLOv4的基础上引入浅层特征改进特征金字塔,提取行人小目标细粒度特征,提出引力模型特征自适应融合方法,增加多层次语义信息之间的关联度,防止小目标特征信息流失。然后,采用增强型超分辨率生成对抗网络增加行人小目标特征数量,提高行人小目标检测准确率。最后,选取图像像素中占比范围为0.004%～0.026%的行人小目标建立试验数据集,通过与Faster RCNN、ION、YOLOv4对比实验验证。结果表明,本文方法mAP_0.5提高了25.2%、26.3%、11.9%,FPS达到24,研究成果在远距离安防监测监控领域具有重要应用价值。     

基于SVM-AdaBoost算法的行人检测方法

提出了一种基于SVM-AdaBoost算法的行人检测方法。该方法是通过改进和扩展Haar-like特征值,对AdaBoost级联分类器的算法加以改进,使用SVM作为AdaBoost的弱分类器,通过选择确定合适的核函数参数,提高分类精度,减少训练时间。实验结果表明,这种行人检测方法性能稳定,实时性和鲁棒性均优于传统的行人检测方法。     

基于改进BING模型和边缘信息的行人检测算法

针对行人检测中传统多尺度滑动窗口遍历搜索计算量大,计算速度慢的问题,提出了一种基于改进BING模型和边缘信息的行人检测算法。首先,通过样本采样规则的确定、样本阈值的选择和搜索尺度空间的优化对BING似物检测模型进行了改进;然后,针对提取的候选框存在偏移的问题,提出了基于边缘信息的候选框位置矫正方法;最后,利用经典的HOG-SVM行人检测算法,对提取的行人候选框进行最终的行人识别。实验结果表明,该算法在保证行人检测率的前提下有效提高了行人检测的实时性。     

基于PCA降维的多特征级联的行人检测研究

针对现有梯度方向直方图(Histogram of Oriented Gradient,HOG)在复杂背景下提取行人特征存在维度较高、准确率低、检测耗时等问题,提出了一种运用主成分分析法(Principal Components Analysis,PCA)降维后级联多特征的行人检测模型.通过该模型实验分析了不同维度的分类...     

多分支无锚框网络密集行人检测算法

针对街道等多人流量场景图像中人员密集、姿态变化多、人体遮挡严重造成的行人检测漏检问题,提出一种多分支无锚框网络（MBAN）行人检测方法。首先,在检测模型主干网络后加入多分支网络结构用以检测行人的多个关键区域局部特征;然后,设计了关键区域之间的距离损失函数引导分支网络对行人的局部检测位置进行差异化学习,接下来为了提高分支网络对行人局部特征空间信息的理解能力,在Resnet50网络尾部加入四个上采样块构成沙漏结构（Hourglass）;最后,设计了一种局部特征选择网络自适应抑制多分支输出的非最优值,消除预测时的冗余特征框。实验结果表明MBAN方法对多人流量场景行人检测的mAP值、F1值、Prec和Recall分别达到85.22%,0.87,80.07%和94.39%,证明该方法对密集人群检测能力较强,与其他行人检测算法相比有较高的召回率。     

面向行人检测的异构视觉传感网络自适应标定

异构视觉传感网络的标定是实现准确行人检测、跟踪、识别以及行为分析的关键和前提,对公共安全和智能安防具有重要意义。本文提出了一种面向行人检测的异构视觉传感网络自适应标定方法。首先,构建主动旋转变焦(PTZ)传感节点变焦成像模型,采用基于SURF特征点匹配的方法实现内参数自标定。其次,构建外参数分布式标定模型,将异构视觉传感网络外参数标定分解为节点局部标定和网络全局标定,从而避免采用单一中心节点进行集中式处理,提高方法的可扩展性;最后,为了提高标定精度,采用自适应混沌微粒群优化算法最小化内、外参数估计的再投影误差和轨迹匹配误差。实验结果表明,本方法有效降低了网络通讯量和标定误差,提高了异构视觉传感网络行人检测精度,具有重要的理论和实际应用价值。     

机器人视觉中行人和车辆检测算法的研究

对车辆和行人进行快速且准确的检测是机器人视觉和自动驾驶领域的一个难题,为了解决这个难题,提出一种基于深度学习网络的行人车辆检测算法,这是一种端到端的单阶段检测方法。主要使用多级跳跃连接网络和多级特征融合网络。多级跳跃链接网络在特征提取阶段避免了反向传播过程中的梯度消失、爆炸和退化等优化问题,从而提高检测精度和模型的收敛速度。多级特征融合网络对来自不同层次的多尺度特征变化尺度后进行特征信息融合,可以提取到比较低层的信息以提高算法的精度。这里的算法在多个公开的数据集上进行实验,实验结果表明,与目前的一些主流算法相比,行人和车辆的平均检测精度大幅提高,在精度提高的情况下,具有更快的检测速度,有较高的应用潜力。     

基于注意力机制的多尺度车辆行人检测算法

无人驾驶汽车在复杂多变的交通场景中能提前且准确检测到车辆行人的动态信息尤为重要.然而,无人驾驶场景下存在相机快速运动、尺度变化大、目标遮挡和光照变化等问题.为了应对这些挑战,本文提出了一种基于注意力机制的多尺度目标检测算法.基于YOLOv3网络,首先,使用空间金字塔池化模块对多尺度局部区域特征进行融合和拼接,使网络能够...     

基于Stixel world及特征融合的双目立体视觉行人检测

针对单目视觉行人检测无法获得深度信息从而导致冗余信息较多、检测效率和准确度存在局限性的问题,首先,在图像的预处理阶段提出了一种利用双目立体视觉产生的视差信息优化分析来简化复杂场景的动态规划棒状像素场景(stixel-world)表达方式;然后,在行人目标检测阶段,对传统HOG特征中block尺度进行分析、降维,采用Fisher准则筛选得到了适用于道路环境下的多尺度HOG(multi-HOG)特征,将Multi-HOG特征与LUV颜色通道特征进行融合,最后采用交叉核支持向量机(hikSVM)分类器对行人目标分类。实验结果表明,采用改进过后的Stixel-world算法用于图像预处理极大地减少了计算时间。缩小了行人检测的候选区域,基于特征融合和hik-SVM的目标检测算法在保证检测准确度的前提下,具有较好的实时性和鲁棒性。     

基于改进深度卷积网络的铁路入侵行人分类算法

异物侵入铁路限界严重影响行车安全,识别铁路限界内的人员侵入对保证铁路运营安全具有重要意义。由于既有铁路图像异物侵入检测系统只能检测报警图像,无法区分是人员侵入的正确报警还是光线干扰导致的误报警,为了降低上述误报警,本文建立了铁路异物侵限报警样本的训练集和测试集,提出了将改进的深度卷积网络提取的高层Alex特征和HOG特征相结合并用于深度卷积网络模型训练的分类算法。首先引入了改进的AlexNet深度卷积神经网络模型,提取了自动学习的Alex高层特征,然后将其与HOG特征相结合形成Alex-HOG组合特征,最后利用组合特征对分类网络进行训练。铁路异物侵限报警测试样本库的实验表明,该方法对1 498张测试样本图像的识别准确率高达98.46%,时间为3.78s,实时性和准确率均有较大提高,对降低系统误报率具有重大意义。     

基于双目视觉和约束条件的行人目标定位

针对行人检测中计算量大、训练分类器耗时和无法满足实时性要求等问题,提出了一种基于双目视觉的行人目标定位方法。该方法利用图像处理技术获取候选轮廓,将轮廓的几何特征作为约束条件来筛选候选轮廓;利用双目视觉获取轮廓的深度信息后,将深度信息作为约束条件对候选轮廓进行进一步筛选。通过深度信息和几何信息的共同约束,识别出行人的头部轮廓,从而实现对行人目标的定位。实验结果表明,该方法减小了计算量,提高了检测精度。     

基于组合近似模型的可靠性优化方法在行人柔性腿型碰撞中应用研究

当行人与车辆发生碰撞时,车身最前端的部件将直接与行人下肢腿部发生接触,其设计是满足行人下肢保护要求的关键。然而针对传统要求的基于刚性腿型行人保护车辆前结构设计方法,在应对柔性腿型行人保护要求已呈现明显的局限性。为了提高保险杠结构的柔性腿型保护功能,结合试验设计技术、组合近似建模技术、多目标优化算法和可靠性分析方法,以行人腿部的伤害值最低为优化目标,对车辆前端结构参数进行可靠性优化设计并对优化结果进行试验验证。研究结果表明:优化后的车辆前端结构与原设计相比,行人柔性腿型保护功能得到明显提高,为车辆前端结构的设计与开发提供有效的参考。     

基于Mean Shift和灰色预测的快速运动行人跟踪

针对MeanShift跟踪算法在跟踪快速运动的行人时往往不能持续跟踪的不足,提出了一种基于GM（1,1）灰色预测的MeanShift运动行人跟踪算法。依据行人衣装颜色分布建立了目标模板,利用GM（1,1）模型预测行人可能出现的位置并作为搜索目标的起始点,在该点邻域内利用MeanShift迭代求取行人的实际位置。实验结果表明,本算法对于快速运动行人和被遮挡行人均能给出较为良好的跟踪效果,并减少了MeanShift的迭代次数。     

混合气体的光电检测系统

利用光吸收原理设计气体检测系统.为提高系统的灵敏度和准确度,设计用于提供光源的4 mA激励源电路、高响应的对比解调电路和三级放大加数字闭环的调理电路等硬件,开发数字滤波器、驱动程序和混合气体检测分析的软件系统,利用70 ppm的氨气与40 ppm的硫化氢混合气体进行检测实验.实验数据显示电压分辨率为10 mV,相对标准...     

基于改进亮度变化函数实现红外图像中行人跟踪

由于基于亮度变化函数(IVF)的跟踪算法能高效跟踪前视红外图像中刚性目标但无法满足行人跟踪鲁棒性要求,提出了一种新的基于多热点亮度变化函数的红外图像中行人跟踪算法。分析了分区域、多热点描述行人目标热信号的必要性,利用改进的亮度变化函数在帧间目标窗口内定位热点,建立目标窗口自适应更新机制解决尺度变化问题,最后基于热点的运动特征描述子剔除定位于背景的野值点。对复杂红外场景的跟踪实验结果表明,由于在原始算法的基础上省去了模板匹配步骤及缩小了搜索对象的矩阵维数,该算法获得了最优的实时性;且多热点机制使该算法的鲁棒性优于多种其他视觉跟踪算法,能够胜任存在遮挡、尺度变化、低对比度等干扰因素的前视红外图像中行人目标的跟踪。     

基于单片机的行人过街交通信号控制系统设计

论文基于解决城市干道横向过街行人交通问题,提出了对行人过街交通信号协调控制的方法,设计了以AT89C51单片机为主控芯片的系统.通过对机动车流量、过街行人数量检测确定不同的信号灯控制策略,增加语音提示模块,过街辅助控制装置等,提高了过街信号控制的智能和自动化程度.有利于保证行人过街的安全性以提高及道路的利用率.     

满足行人保护的汽车前端系统设计方法

随着对汽车安全性能的重视程度越来越高,汽车制造商也在不断改进车辆本身的行人保护性能,尤其是行人腿部碰撞保护。如何从概念设计到总布置设计全面考虑汽车前端系统的设计就显得尤为重要。文中通过研究小腿碰撞机理,得出相应的造型和总布置设计条件,并且指出EPP材料的应用能够显著提高小腿碰撞性能,更为有效的方法是采用薄壁钢结构,从而为汽车前端系统提供了设计参考。     

基于计算机视觉的药片实时检测系统

为了提升药品缺陷检测效率,降低制药企业的生产成本,设计了一款基于计算机视觉的药片实时检测系统。介绍了计算机视觉检测系统的工作原理和硬件结构组成,并在此硬件结构基础上,提出了一种新型计算机图像分割和特征提取方法。实验结果表明,所述算法和系统能够显著提高药片缺陷检测准确度,可以达到99%,计算机视觉检测系统能够完全满足实时性、高识别率等要求。     

基于机器视觉的二维尺寸检测

借助CMOS工业相机、光学镜头、计算机以及Open CV等搭建了一套机器视觉检测简易系统,采用了一种针对两孔零件的测量方法。经试验得出:精度可达0.009mm,重复性误差可达0.0215mm,用该系统测量已检测合格的300个零件,满足检测要求,说明该检测系统具有一定的可行性。