改进RFB算法的车载实时行人检测算法研究

针对目前行人检测系统检测精度低以及检测实时性不高的问题,提出了一种改进RFB算法的车载实时行人检测算法RFB-Nano。RFB-Nano采取多尺度特征融合机制,减少计算量。对特征提取网络VGG16进行模型压缩,减少至一个RFB模块,添加1*1卷积、拟归一化BN层,在保证精度的前提下减少参数量;并在损失函数中引入类加权交叉熵增加分类的性能。最后将设计的RFB-Nano算法与其他算法在同一环境下进行实验对比,实验结果表明改进的算法有效地提高了检测实时性,达到精确性和实时性的有效平衡表现。     

车载行人检测技术研究

车载行人检测是智能汽车辅助导航技术中的一项关键技术,也是计算机视觉领域研究的热点和难点.本文介绍了该技术的两个重点环节感兴趣区域分割和目标识别,以及智能驾驶系统常用的行人数据库,HOG+SVM行人检测算法和深度学习YOLOv3行人检测算法.最后总结了现有行人检测技术的难点和亟待解决的问题.     

显著性纹理结构特征及车载环境下的行人检测

边缘信息往往是视觉对象检测的关键,已有方法对边缘梯度在各个方向上进行计算,会导致计算冗余.受韦伯局部描述算子的启发,提出一种模拟人眼观察事物的发散性及显著性特点的纹理结构算子.首先,计算邻域像素与中心像素灰度值相对差的总和,除以中心像素的灰度值求出局部显著性因子;然后,通过中心发散灰度共生矩阵提取局部纹理结构;最后,构造二维直方图结合显著性因子和纹理结构,生成一定维数的显著性纹理结构特征描述算子.实验结果表明,该特征算子具有良好的边缘检测能力,应对噪声和明暗变化的鲁棒性以及强大的结构表达能力,其行人检测的准确率优于中心变换直方图和梯度方向直方图.对车辆主动安全有很高的应用价值.     

车载视觉系统中的行人检测技术综述

作为计算机视觉以及智能车辆领域的一个重要研究方向,车载视觉系统中的行人检测技术近年来得到了业界广泛关注。本文对2005年以来该技术中最重要的两个环节——感兴趣区域分割以及目标识别的研究现状进行综述,首先将感兴趣区域分割的典型方法按照分割所用信息的不同进行分类并对比它们的优缺点,之后对行人目标识别的特征提取、分类器构造以及搜索框架等方面的进展进行总结,最后对未来发展作出展望。     

嵌入式系统中实时行人检测方法

随着计算机技术的不断发展,智能自动化的人数检测系统不断产生.人数检测对于企业或机构的信息化管理至关重要.传统人数检测方法因为肢体遮挡以及光照变化导致准确率较低.提出了针对人头特征的垂直检测方法,该特征可以保证在人流密度大的情况下无法被遮挡.该方法首先提取前景图像的梯度方向直方图特征,并通过SVM检测人头目标,利用头部的颜色特征,在相邻帧中使用MeanShift算法跟踪人头目标.根据人头目标轨迹进行过线检测,算法在嵌入式系统上进行了应用与测试,实验表明算法有较好的实时性与准确率.     

基于Adaboost算法的实时行人检测系统

为解决智能视频监控系统下中远距离的行人检测问题,设计并实现了一个基于目标形状特征的检测系统;提出了4种较为有效的旨在描述人体形状局部特性的矩形特征,引入了对传统Adaboost算法的改进措施,减小了计算量,优化了系统结构;试验表明,该系统具有较高的检测率和处理速度,对阴影、雨天、枝叶晃动等监控场景中常见的噪声干扰不敏感,在P43·0GHz的PC上处理320×240的视频序列可达到15帧/s以上。     

车载环境下语音端点检测的研究

语音端点检测直接决定了语音识别的精度和速度。车载环境是一个非常复杂的环境,信噪比(SNR)有可能出现很低的情况,对于传统的时域端点检测方法来说,在这种环境下的端点检测效果很差,而双门限在高信噪比条件下,端点检测的效果非常好,识别率很高,这就使得提高车载环境下语音SNR非常关键。文章提出采用改进的小波去噪和改进的双门限方法进行端点检测。实验结果表明,综合改进小波去噪和改进双门限的方法虽然有一定量的信号失真,但失真在可接受范围之内,并且在不增大运算量的情况下端点检测的效果比传统的双门限效果要好,表明了本文算法的有效性。     

车载环境下的语音端点检测

为了提高车载噪声环境下语音端点检测的准确性,提出了一个基于GRU RNN的神经网络结构, 对带噪语音的Log Mel特征序列进行处理,实现语音与噪声的分离,从而恢复出纯净语音的Log Mel特征序列;在此基础上,提出一种新的特征Log Mel Sum,并用该特征进行端点检测。实验结果表明,在车载环境下,本文方法具有很好的端点检测性能。     

无人机平台下的行人与车辆目标实时检测

在无人机图像中快速准确地检测行人和车辆是一项有意义但又极具挑战的任务,其广泛应用于军事侦察、交通管制以及偏远地区救援等任务中.然而,由于无人机属于小型移动设备,其内存和计算能力非常有限,使得如何保证其检测实时性一直是难题.针对SSD算法模型过大、运行内存占用量过高、很难在无人机设备上运行的问题,精心设计了轻量级的基准网...     

基于CenterNet的实时行人检测模型

针对传统目标检测模型不能同时兼顾检测速度和准确度的问题,提出一种新的PD-CenterNet模型.在CenterNet的基础上对网络结构和损失函数进行改进,在网络结构的上采路径中,设计基于注意力机制的特征融合模块,对低级特征和高级特性进行融合,在损失函数中通过设计α、γ、δ3个影响因子来提高正样本与降低负样本的损失,以...     

车载环境下的语音端点检测方法

通过对车辆内部噪音的统计分析,对于车辆在不同的速度下的情况,分别采用短时能量-过零率及小波分析降噪的方式进行端点检测,利用Matlab软件进行了仿真实现.仿真结果表明:此方法兼顾了处理效率和准确性,对于车载环境下语音的实时处理有重要意义.     

适合车载边缘计算的拥挤行人检测算法

针对目前车载计算单元的计算资源和计算能力有限,不能运行网络层次较深的目标检测算法,设计了一种轻量化的网络模型用于对拥挤行人场景的检测,将Darknet53骨干网络替换为GhostNet,通过引入线性计算获得与普通卷积相似的特征图来减少计算资源消耗;引入空间金字塔池化模块实现多尺度融合,加强特征提取;提出使用更加高效的搜索机制改进卷积块注意力机制模块,联合分类网络AlexNet对自适应搜索广度k值进行选取,进一步提高网络性能;采用Grad-CAM算法将网络模型实现热力图可视化来对注意力机制进行分析;引入CIOU损失函数实现真实框和预测值在中心点上的拟合,以此来加速模型收敛和实现更加精确的定位。研究结果表明：改进后的网络在WiderPerson行人检测数据集上行人类别查准率达到75.35%,相比于改进前的模型在行人查准率和平均查准率上分别提高了5.76个百分点和3.28个百分点。在Visdrone数据集上,改进后的网络平均查准率达到35.6%,在基本接近于YOLOv3的基础上,每秒检测图片的数量可以达到60张,相较于传统的单阶段检测算法,检测速率最高提升了52.1%,能满足移动设备以及车载...     

基于ZYNQ的车载行人检测系统设计与实现

为了防止驾驶员因注意力分散而导致的行人交通事故,提出了一种基于ZYNQ的车载行人检测系统设计方案。方案在FPGA部分完成图像采集、缓存和显示,在ARM部分运行梯度方向直方图和支持向量机算法对图像进行行人检测,获取行人的位置,并根据行人位置给出相应的预警信息。该系统实现了行人检测的目的,具有准确度高、体积小、功耗低等特点。     

基于YOLO的雾天行人实时检测方法

运用YOLO(You Only Look Once)目标检测算法解决行车过程中汽车智能驾驶系统中对于行人目标的检测问题。针对雾天交通环境下,YOLO算法受天气影响检测精度不高的问题,运用图像去雾技术对数据进行预处理,并训练出了针对雾天环境下适用于行人检测的网络模型。实验结果表明,使用单尺度的Retinex去雾算法训练得到的网络结构YOLO-SSR降低了漏检率和误检率,提高了定位准确性使得精度由77.05%提高到80.27%,并通过对视频进行取帧处理的方法解决单尺度Retinex算法针对视频检测速度慢的问题使其满足实际需求。     

基于背景差的实时行人检测和记数的图像系统

提出了一种新的用于行人检测的背景模型建模方法。为了提高系统的运行速度,采用了多线程的程序设计方法。该系统能够实时地检测出复杂背景中行人的数目,并且能够把包含行人的图像记录下来,具有视频回放功能。实验结果表明,该系统具有良好的实时性,并能够快速地适应环境的改变。     

基于卷积神经网络的实时行人检测方法

近年来,卷积神经网络在行人检测领域取得了同其他方法相似甚至更好的检测成绩,然而缓慢的检测速度远不能满足现实需求.针对这一问题,本文提出一种实时的行人检测方法,将分散的检测过程整合成单一的深度网络模型,被检测图片通过模型的计算可以直接输出检测结果.使用扩充的ETH数据集进行训练测试,实验结果表明,在保证准确率的情况下,该方法检测速度极快,可以满足实时检测的目的.     

车载实时视频稳像系统研究与设计

通过对惯性稳像技术和电子稳像技术的分析,提出了一种新颖的坦克装甲车辆视频稳像设计理念,即在低成本的速率陀螺平台稳定的基础上采用电子稳像进行二次精稳,可有效提高图像稳定精度并能解决三级海况条件下的图像平移问题;主要论述了视频稳像系统的组成、工作原理和关键技术,建立了图像运动模型并工程实现了视频稳像系统快速原型--周视稳定观瞄镜;试验结果表明,该系统实现了视频稳像一级稳定的稳定精度要求(已高达0.2mil),而且跟踪平稳,快速性好;为车载稳像观瞄系统提供了成本低、性能优良的图像稳定系统,在军事及民用领域中具有广阔的应用前景.     

实时车载导航电子地图研究

针对经典交通网络模型的缺陷,提出一种实时交通网络模型,详细介绍了该模型的数据组织和跨地图应用方式,包括基于该实时网络模型的邻接矩阵算法的改进,并最终将计算模型反映到导航数据结构的设计方案之中,使数据格式具备了区别于其它导航数据的独特优势。     

高铁沿线GSM-R电磁环境实时检测系统

为了适应高速铁路工程测试的实际需要, 提出了高铁沿线GSM-R电磁环境实时检测系统的设计方案. 该系统使用ESPI、GPS等仪器, 通过控制技术实现了对GSM-R电磁环境数据实时、连续地采集, 并对测试数据进行筛选处理, 最终实现了对被测路段GSM-R电磁环境数据的曲线显示及质量评价.     

车载环境下语音增强的研究

针对车载环境下语音系统受到外界强噪声的干扰而导致识别精度降低以及通信质量受损的问题,提出一种自适应MMSE-LSA估计与TEO(Teager Energy Operator)能量端点检测相结合的语音增强算法。TEO端点检测可以将语音分为语音段和非语音段,从而在噪声估计时可以更好地跟踪噪声的变化,得到更加准确的先后验信噪比,使增强后的语音最大限度地接近纯净语音,而且对车载噪声的增强效果比其他噪声更好。在车载环境中进行实验,结果显示该方法与MMSE-LSA以及传统的谱减法相比,提高了输出信噪比,减弱了音乐噪声,在可懂度和清晰度方面均具有优势。