智能视频监控系统中改进YOLO算法的实现

智能视频监控主要采用了人工智能、图像处理等先进技术对监控摄像头获得的图像进行分析和处理,在各行各业中得到了广泛的应用,成为当今社会研究的热点。介绍了智能视频监控系统的架构,针对数字化车间的特点,提出一套基于深度学习的检测方法,将YOLO检测算法用于数字化车间中人员和安全帽的检测。为了提高YOLO算法检测小物体的能力,设计了一种改进的YOLO网络结构,将RPN检测算法融入到YOLO算法中,并借鉴R-FCN算法,去掉一个全连接层,在卷积层上进行滑动窗口操作,采用先池化再卷积的方法,以减少图片特征丢失。将改进后的算法用于视频监控中,有效地减少了检测过程中图片特征的丢失,系统检测的实时性和准确率均满足实际工程的需求,实现了车间的智能检测。     

面向OLED屏像素缺陷检测的新方法

有机发光显示器OLED（Organic LED）的内部像素缺陷常由于尺寸小、对比度不高、且灰度与像素轮廓灰度相近等问题,在使用传统阈值分割方法处理时会将像素轮廓保留下来,因而不能达到缺陷的有效检测目的。提出一种多次迭代差影法的OLED屏像素缺陷检测方法。该检测算法在对图像进行中值滤波和图像增强处理后,对图像实施多次像素模板提取和差影运算,获取到对比度较低的缺陷图,运用K-均值聚类方法对图像进行分割,从而较好地实现缺陷的识别。运用Labview和IMAQ Vision软件包工具,编程实现所提出的算法,并通过实际获取的OLED图片验证了方法的有效性。结果表明,该方法能很好地保持缺陷的细节,并能检测到8 μm×8 μm的微小缺陷。     

基于PDE和小波分析的破损路面检测技术

提出了一种基于PDE和小波分析的破损路面检测技术。通过CCD采集路面信息,并运用PDE进行去噪处理,从而很好地保留原始图像的边缘和纹理;利用小波分析进行边缘检测,再采用Canny算法对图像边缘进行提取,以确定破损路面的位置。实验结果表明,检测结果与实际结果相吻合。     

基于图像熵的密集人群异常事件实时检测方法

在智能视频监控领域,为了提高密集人群中异常事件的检测效率,改善已有算法在实时性和适用性方面的不足,提出了一种实时高效的检测方法。该方法首先提取图像的全局光流强度作为运动特征,并构造全局光流强度的图像化表达;然后利用图像熵进行分析,获取正常状态下图像熵的统计参数;最后确定正常状态的可信区间和自适应的异常判定公式,从而判断异常事件是否发生。实验结果表明,该算法对尺寸为320×240像素的视频,平均每帧的检测时间低至0.031 s,且准确率可达96%以上,具有较高的检测效率,且实时性较好。     

基于无人机摄影电力线缆破损位置检测方法

由于部分电力线缆所处环境较为恶劣,极易发生损坏且人工检测可操作性不强,导致位置检测结果与实际破损位置误差大,因此提出基于无人机摄影电力线缆破损位置检测方法。标定无人机采集图像坐标系,提取电力线缆破损有效位置信息。采用色彩空间分割技术,获取图像灰度值,对无人机摄影图像进行校正处理。使用差分计算梯度分量算法,对图像处理结果展开迭代计算,完成破损点定位分析实现电力线缆破损位置的检测。经实验证实,此方法位置检测结果与实际破损位置误差最小,有效提升了电力线缆破损位置检测精度。     

基于改进Harris角点提取算法的网格图像破损检测

针对周界网格状围栏破损预警问题,提出一种基于改进Harris角点的网格图像破损检测算法。传统Harris角点提取算法需要对图像中每个像素点计算横纵方向上的一阶导数以及角点响应函数值,算法复杂度高,通过引入灰度“相似度”的参数来计算像素点与其周围像素灰度值的相似程度,从而滤除伪角点,减少Harris角点提取时间,最后通过分析角点分布信息来界定破损区域。对移动机器人采集的典型围栏破损图像进行了检测试验,由实验结果可看出,Harris角点提取时间大大减少,表明该算法有效且满足围栏破损检测实际应用要求。     

用于智能垃圾分拣的注意力YOLOv4算法

针对人工垃圾分拣效率低、工作环境恶劣且成本高的问题,提出了一套智能可回收垃圾分拣系统,该系统采用RGB图像作为视觉信息输入,通过目标检测算法获取垃圾在传送带上的位置坐标信息,并通过机械臂对垃圾进行分拣操作。可回收垃圾形态各异、种类繁多,为提高检测算法的泛化能力,建立了一个含36 572帧图片的可回收垃圾数据集,并基于此数据集上训练目标检测算法。基于YOLOv4提出了嵌入注意力机制的目标检测算法Attn-YOLOv4,经实验验证,Attn-YOLOv4算法的mAP比原始YOLOv4算法高0.16个百分点。在静态识别功能的基础上,提出基于多线程的目标跟踪算法实现了对运动垃圾的快速稳定跟踪,在20 mm误差范围内达到了0.945的精确度。此外,后处理模块对图像进行形态学处理并获取垃圾的世界坐标以及放置角度,供机械臂进行分拣操作。分别对目标检测和跟踪算法进行验证,在实际分拣流水线上验证并评估了该智能可回收垃圾分拣系统的可行性、精度及分拣的成功率。     

基于特征点的路面图像检测

随着高速公路建设的日新月异,路面维护问题也日益突出。针对路面破损监测对实时性要求高的特点,提出一种快速实时的基于SUSAN(Small univalue segment assimilation nucleus)算法的公路破损图像的检测方法。新方法首先利用SUSAN算法对特征点进行准确提取,然后引入模糊聚类理论,对特征点进行分类,接着利用分类结果及特征点的邻域像素梯度方向分布特性差别来进行特征点的匹配,最后使用RANSAC(Random sample consensus)算法进行特征点错配的消除。经实验证明,这种方法匹配准确,运行速度快,可达到很好的效果,这对完善公路图像自动检测系统,有很好的参考价值。     

基于LeNet卷积神经网络的路面病害自动检测方法

随着高速公路事业和运输业的大力发展,高效率低成本的路面病害检测技术具有越来越重要的研究价值。面对传统人工方法在路面病害检测时的低效率高成本问题,提出一种基于卷积神经网络的路面病害自动检测方法。采用LeNet卷积神经网络构建并训练得到路面病害检测预训练离线模型。对采集到的路面图片进行数字图像处理之后,再使用LeNet预训练模型进行路面破损检测。实验结果表明,基于LeNet卷积神经网络的路面病害自动检测方法可精确有效地检测出路面破损情况,实现低成本高效率且对公路路面和交通无影响的自动智能路面检测。     

基于OpenCV的可变分辨率嵌入式监控系统设计

本文根据OV9650摄像头分辨率设置特点,提出了一个基于OpenCV的可变分辨率嵌入式监控系统设计方案。利用OpenCV对采集到的图像实时进行人形检测处理,根据检测结果控制摄像头工作分辨率,实现了高分辨率采集异常情况图片,低分辨率采集正常情况图片的实时智能监控。     

基于先验约束和统计的图像修复算法

利用基于块匹配（PatchMatch）图像修复算法对破损区域较大且周围既含有几何结构信息又含有丰富纹理信息的图片进行修复时,容易出现纹理延伸现象以及样本块误匹配问题。针对此类问题,在样本块的精确匹配和算法的时效性两个方面进行改进,提出新的图像修复算法。在样本块精确匹配方面,改进算法对图像进行预处理以获得图像的先验信息,并利用先验信息约束算法偏移映射图的初始化,从而转变PatchMatch算法中对图像偏移映射图的全局随机初始化为在先验信息指导下的约束初始化;在像素块匹配过程中,利用均值法和夹角法来判断不同类别像素块的相似度,从而提高样本块的匹配精度。在算法的时效性方面,根据图像相似块的统计性特性,引入直方图统计的方法来减少最终用于修复的样本标签,提高改进算法的时效性。最后,将改进算法用于实例验证,相比原算法,改进算法的运行时间减少了5~10 s,峰值信噪比（PSNR）提高了0.5~1 dB。实例验证结果表明改进算法不但可以有效地提高图像修复的精度,而且提高了图像修复的效率。     

一种方向链码扫描与跟踪的图像细化后期处理算法

目标图像骨架的提取是智能分析中的重要组成部分,利用Zhang并行细化算法提取的目标骨架不是单一像素且极易产生毛刺。提出一种获取单一像素并消除毛刺的快速目标图像骨架提取算法。该算法首先对提取得到的目标二值图像进行形态学预处理,然后结合8邻域方向链码扫描编码原理对细化后的图像进行单一像素处理,最后采用优化的8邻域方向链码来消除毛刺。实验结果表明,提出的算法不仅效率高,而且能够很好地获得单一像素宽度、无毛刺的骨架。     

使用行人重识别算法的智能视频监控系统

为了提高在大量视频监控中寻找目标行人的效率,本文基于行人重识别算法开发了一个智能视频监控系统。该系统使用行人检测算法获取监控视频中的行人图片并裁剪后输入行人重识别算法中,得到行人特征并通过对比来检索行人。经过测试,本系统在6路摄像头下表现良好,能较准确地在视频监控中搜寻目标行人,极大地提高了工作效率。     

基于计算机视觉的蜂窝陶瓷在线检测系统研究

研发了一种基于计算机视觉的蜂窝陶瓷智能在线检测系统;设计了系统的体系结构,4台高速摄像机在线获取蜂窝陶瓷图像,研究了改进型加权中值滤波处理,论述了基于Fisher评价函数的图像阈值分割算法;最后进行亚像素测量,判断产品尺寸是否在允许范围内,实验验证了系统的有效性和检测算法的可行性,可以很好地代替人工检测。     

基于OPENCV的人眼检测系统

在对司机们的疲劳状态进行监控的系统中,为了能够实现监控的实时性,需要对整个眼部区域实施跟踪,且定位眼睛的大概位置,由此便提出了一种检测方式,即基于OPENCV的人眼检测。系统在Visual Studio开发平台上,利用开源的OPENCV图像处理函数库,对摄像头实时输入的图像进行采集处理,用HAAR特征的ADABOOST分类器算法进行分割定位,再经过多次OPENCV样本训练和检测提高成功率。实验结果显示:此次设计能够成功捕捉人眼的位置,只要五官清晰可见,即使是图片也可以识别出来;当被部分遮挡时,若提前已经检测出轮廓,将不会改变实验结果。     

文本页面图像的图文分割与分类算法

为了能对包含不规则图片区和表格的倾斜文本页面图像进行图文分割与分类，提出了一种新的图文分割和分类算法。该算法先采用数学形态学和分级霍夫变换来进行文本倾斜的检测和校正；然后为了使算法能够对包含不规则图片区的文本页面图像进行处理，提出在传统的投影轮廓切割算法中，引入中点切割的过程，以便利用一系列的矩形来近似地逼近不规则的图片区。对于分割后的图像，则提出利用黑白像素比(Rbw)和近邻像素间的交叉相关性(Rcc)两个特征来作为分类的判据。实验结果证明，算法速度快、可靠性高。该算法只适用于二值图像。     

海底电缆破损红外图像监控方法研究与仿真

研究海底电缆破损准确监控问题.由于海底与陆地电缆不同,海底电缆往往具备大容量、长距离的特征,一旦发生细微的电缆表皮绝缘裂化,转化的红外表皮扫描报警信号也会较小,在长距离的海水传递中,受到海水阻塞等因素的影响,很容易造成信号衰减.传统的介质损耗因数方法通过检测介质中的红外报警信号进行监控,一旦红外线信号发生衰减,会导致海底电缆破损检测准确率降低.提出了一种配合计算机视觉图像的海底电缆破损智能监控方法.运用像素补偿手段,对细微破损点进行多次迭代补偿增强,克服了传统算法中需要远距离传递信号造成衰减的弊端.实验证明,改进算法能够避免海水深度增加造成的红外线信号衰减的缺陷,提高了海底电缆破损检测的准确率.     

视频检测技术在智能交通系统中的应用

智能交通视频检测技术,是一项利用计算机视觉技术分析视频图像,对运动车辆检测及识别以获得交通信息的技术。在实际交通路况下,摄像机常处于静止状态,并且镜头焦距是固定的。本文以此情形下获取的车流量视频为对象,提出快速自适应灰度归类算法重构背景,即融合灰度归类算法与帧间差分算法,对前景像素采用灰度归类算法获取背景灰度值,以重构背景图像。仿真结果表明本算法在处理效果和处理时间上都大大优于传统算法。     

多孔零件二维几何量高精检测系统的研究

为了提高工业零件检测效率和测量精度,研究了基于图像检测技术的多孔零件二维几何量的测量问题.先对CCD获取的零件图像进行分析处理以改善图像的可识别性,采用基于二次曲线拟合的快速亚像素边缘定位算法快速提取零件的精确边缘,从而提高系统的测量精度,并运用Hough变换计算被测零件的几何参数.实测结果表明,该系统的测量精度和准确度高,边缘定位精度达0.1 pixel,检测精度达101μm,最大相对误差为0.4%.     

视频监控中视频质量诊断系统的设计与实现

针对平安城市视频监控画面中存在的黑屏、冻结、偏色等问题,设计并实现了基于监控视频的质量诊断系统。该系统获取前端摄像机的视频图像,调用对应的检测算法对视频图像进行准确分析、判断,并给出告警提示。用户通过Web页面对系统结果,运行情况进行监控。结果表明,该系统实现了对常规视频故障的快速检测,能够满足大规模数字视频监控系统运行的需求。