基于凹性分析的粘连车辆分割*

复杂场景中车辆的粘连会导致车辆的漏检,影响道路交通检测的准确度,因此必须建立可靠、实用的粘连分割机制。提出了一种基于凹性分析的分割方法:检测出感兴趣的车辆区域,根据凸包和blob分析判断粘连,若粘连,采用扫描的方法来寻求分割点(凹点),结合一系列准则选择最优分割线。该方法快速地将粘连车辆分割开,有效地解决了车辆粘连的问题。该方法不需要除了车辆形状以外的任何先验知识,具有很强的适应性。     

一种新的车辆遮挡检测与分割方法

遮挡是图像处理和运动物体跟踪过程中比较难解决的问题。针对交通视频中车辆遮挡问题,提出了一种基于统计模型的车辆遮挡分割算法。该算法在提取出运动车辆的基础上,使用横向-纵向扫描方法对运动车辆前景模板进行去空洞处理,得到完整的运动车辆区域;利用统计模型判断是否发生遮挡,如果判断车辆发生遮挡,在加入纠错机制的前提下得到正确的遮挡点,同时确定遮挡区域;利用边缘提取方法分割出遮挡区域,得到完全分隔的车辆。实验结果表明,该方法能够很好地解决车辆部分遮挡问题。     

基于仿射特征描述的鲁棒车辆遮挡检测方法

在交通场景下进行多目标跟踪时,往往会存在车辆之间的相互遮挡,使得基于视觉的车流量计算准确度受到严重影响。针对这一问题,提出一种基于仿射特征描述的鲁棒车辆遮挡检测方法,该方法利用车辆的角点特征,建立基于仿射变换的车辆特征描述模型,判断车辆之间是否存在遮挡现象,再对遮挡车辆进行特殊分割,保证了车辆跟踪以及车流量统计的准确性。通过50段5分钟连续视频,每个视频中出现车辆遮挡时段大于1分钟,遮挡频率25%,遮挡帧数大于500幅进行试验,算法的车流量统计的正确性达到95%,正确跟踪率达到98%,验证了该算法的有效性。     

适用于遮挡问题的多车辆跟踪算法

针对多车辆跟踪中的遮挡问题,提出一种新的基于特征相关匹配的车辆跟踪算法。对前一帧和当前帧中获得的运动区域分别给予＂车辆区域＂和＂临时区域＂两种不同身份,采用＂三点外推法＂估计车辆区域在当前帧中位置,并通过计算到当前帧临时区域的距离以确定匹配区域,实现车辆跟踪。同时根据给各区域设置的状态因子判断车辆状态,结合基于追踪窗口的分割方法,较好地解决了车辆遮挡问题。实验结果表明,该算法简单有效,能较好解决跟踪中遮挡造成的车辆丢失问题,进行准确的目标跟踪。     

面向部件遮挡补偿的车辆检测模型

目的 复杂场景中多目标间的遮挡,会造成车辆视觉信息损失,致使车辆检测出现漏检问题。方法 为解决遮挡车辆漏检问题,提出一种遮挡补偿模型,分析车辆部件的单视点/多视点可见概率,弥补已有基于部件的车辆检测模型对遮挡区域信息描述的不足。首先,通过外观模型估计车辆候选区域,确定车辆各部件的位置和相似程度,判定车辆部件的遮挡情况,并获得外观项和结构项;其次,计算车辆区域的单视点可见概率和多视点可见概率,并获取被遮挡的部件中心点对应的单视点/多视点可见概率,作为车辆检测的补偿项,调整遮挡部分的检测得分;最后,将车辆检测的外观项、结构项和补偿项,统一到遮挡补偿模型中,实现对候选区域的车辆判断。结果 实验结果表明,对比于现有的车辆检测模型,本文算法在PASCAL、MSRC以及真实场景中车辆检测结果对应的P-R曲线性能更佳。结论 该遮挡补偿模型在保持虚警率的同时,能够有效提升遮挡车辆的检测准确性。     

基于改进线段分割检测的电线杆遮挡检测算法

针对监控视频中的电线杆遮挡问题,提出一种改进的线段分割检测(LSD)算法。将RGB图像进行双边滤波,并将滤波后的图像转换到HSV空间,在HSV彩色空间内利用矢量求导方法计算彩色图像的梯度和方向,利用LSD算法实现图像直线的提取。对直线进行合并得到矩形区域,采用矩形区域在H和S分量的标准差之积和结构相似度确定候选区域,通过合并候选区域完成电线杆检测。实验结果证明,提出算法的准确率可达到89.40%,能够有效并且准确地检测出电线杆遮挡。     

使用超像素分割与图割的网状遮挡物检测算法

针对由于摄影角度受限,一些自然图像被铁丝网、栅栏、外墙玻璃接缝等网状遮挡物所遮挡的问题,提出了一种用于修复此类图像的网状遮挡物检测算法。对于现有算法使用单像素颜色特征和固定形状特征造成对颜色和形状不均的网状遮挡物检测效果不佳的弊端,首先将图像进行超像素分割,引入颜色与纹理直方图的联合特征来描述超像素块,将基于像素分类问题转换成基于超像素的分类问题,抑制了局部颜色变化造成的误分类;然后,使用图割算法将超像素块进行分类,使网状结构能够沿着光滑的边缘进行延伸,不受固定的形状限制,提高了对异形网状结构的检测准确率,并且不依赖Farid等提出的算法（FARID M S,MAHMOOD A,GRANGETTO M.Image de-fencing framework with hybrid inpainting algorithm.Signal,Image and Video Processing,2016,10（7）：1193-1201）所需的人工输入;其次使用新的联合特征训练支持向量机（SVM）分类器并对所有未被分类的超像素块进行分类,得到准确网状遮挡物掩膜;最后,使用SAIST算法对图像进行修复。实验中,获得的网状遮挡物掩膜比Farid等提出的算法所得到的保留了更多的细节,在修复算法不变的同时显著提升了图像修复效果。在使用相同网状遮挡物掩膜的情况下,使用SAIST算法修复得到的图片在峰值信噪比（PSNR）和结构相似性（SSIM）上分别比Farid等提出算法提高了3.06和0.02。新的掩膜检测算法联合SAIST修复算法的总体修复效果对比Farid等提出算法及Liu等提出的算法（LIU Y Y,BELKINA T,HAYS J H,et al.Image de-fencing.Proceedings of the 2008 IEEE Conference on Computer Vision and Pattern Recognition.Washington,DC：IEEE Computer Society,2008：1-8）有了明显提升。实验结果表明,所提算法提升了网状遮挡物的检测准确性,得到了效果更好的去除网状遮挡物的图像。     

适用于遮挡车辆检测的子块带权模板匹配方法

针对多车辆跟踪过程中的遮挡问题,提出一种基于梯度方向直方图的子块带权模板匹配方法。该方法先对目标分块,并提取每块的梯度方向直方图,然后利用核函数为各块赋予不同权值,并采用子块带权特征匹配度度量方法计算目标模型与搜索窗的匹配度,进而获取最佳匹配。最后将该方法应用于多车辆跟踪过程中的遮挡车辆跟踪与检测。实验表明,该方法具有良好的精确度和鲁棒性。     

基于改进分水岭-凹点分割的矿石粒径分级检测方法

为了提高混凝土行业的生产质量,需要对矿石大小做粒径分析,传统方法是采用人工筛分处理,过程中需要耗费大量的人力物力,同时,也存在检测时间长和检测精度低等问题;针对这一难题,通过利用计算机视觉技术,提出了一种基于改进分水岭-凹点分割的矿石粒径分级检测新方法;首先,利用图像自适应中值滤波和改进的多尺度形态学处理,提取矿石轮廓特征;其次,采用改进的分水岭分割和凹点分割相结合,获得矿石之间粘连形成的深凹点集合;最后,引入反向链码模板对凹点集进行有效的分离,从而对矿石粒径做出精准的统计分析;实验结果表明,该算法的粒径分级与人工筛分的粒径分级相比较,两者之间的累积误差率在5%以内,具有较高的准确性与实用性,值得大力的推广与应用。     

基于转折角点的车辆遮挡分离算法

本文提出了一种基于转折角点的车辆遮挡分离算法,该算法分为目标区域块的空洞填充、转折角点的提取和分类、基于转折角点的模板匹配三个步骤.在目标区域块的空洞填充步骤中,本文使用基于轮廓的空洞填充方法;在转折角点的提取和分类步骤中,本文通过圆盘移动方法提取目标区域块的转折角点并通过转折角点的倾斜角归一化直方图对转折角点进行分类;在基于转折角点的模板匹配步骤中,本文利用目标区域块和模板两者对应的循环链表进行比对,找出与目标区域块匹配的模板,根据模板提供的分离策略,实现遮挡分离.本文提出的算法适用于各类常见的遮挡情况,具有广泛的适用性.     

基于透视点和区块特征的多车粘连分割方法

针对交通视频车辆检测与跟踪中经常出现的车辆前景粘连问题,提出了一种利用透视点在图像轮廓上搜索车辆分割点并通过区块特征识别车辆的粘连车辆分割方法.根据路面场景中车道线信息提取出透视点和车道区域,结合混合高斯模型与形态学梯度轮廓算法提取出车辆前景团块.利用透视点原理从前往后顺序分割粘连的车辆前景团块.对分割开的待检定区域,利用车辆区块特征进行检验识别,修正错误分割,将粘连的多辆车逐一分割.实验结果表明,该方法对直线道路上多辆车粘连的分割有较好的准确度和适应性.     

基于联合条纹关系的车辆重识别

为了解决车辆重识别过程中因车辆特征图分块所导致的空间信息丢失问题,提出一种联合条纹特征之间关系的模块以弥补丢失的空间信息。首先,针对车辆特殊的物理结构,构建了一种双分支神经网络模型,对输出的特征图进行水平和垂直均等分割并在不同的神经网络分支上进行训练;然后,设计多激活值模块以减少噪声并丰富特征图信息;接着,使用三元组和交叉熵损失函数对不同的特征进行监督训练以约束类内距离并扩大类间距离;最后,设计批量归一化（BN）模块消除不同损失函数在优化方向上存在的差异,从而加速模型的收敛。使用所提方法在VeRi-776和VehicleID两个公共数据集上进行实验,结果表明该方法的Rank1值优于现有最好的方法VehicleNet,验证了其有效性。     

基于各向异性磁传感器的车辆检测技术

提出了一种采用各向异性磁阻传感器（AMR）进行车辆检测的方法,该方法具有不受温度、风雨等自然条件影响的优点.文章给出了实际测量电路,进行地球弱磁场下车辆检测试验.实验数据表明AMR传感器应用在停车场车位检测等领域具有一定的优势.     

基于动态网格的云的实时仿真

为实时绘制真实感的云场景,针对已有基于网格的方法效率低下的问题,提出动态网格方法,充分考虑风对云的发展变化的影响.在动态网格上离散化云的运动方程和热动力学方程,根据视距的变化调整网格分辨率.在云的绘制过程中,将Cornette-Shanks相位函数用于多重前向散射模型,并采用GPU加速来提高仿真效率.实验结果表明,提出的动态调整网格分辨率的方法提高了仿真效率,可以实时模拟云与物体的交互和绘制真实感的云图像.     

基于四叉树的自适应栅格地图创建算法

针对传统的尺度均一概率栅格地图表达法在大尺度未知环境下地图创建过程中海量数据存储和相关量计算问题,提出一类基于四叉树的栅格大小自适应地图创建算法.利用四叉树理论,根据地图不同区域环境障碍物密度的变化,自适应调整各区域栅格尺度大小.仿真结果表明,所提出的算法不仅降低了数据存储量,而且栅格量的减少使得相关量计算大大降低,提高了移动机器人地图创建的实时性和地图表达的精度.     

基于网格的雷暴识别与追踪技术

为实现对雷暴发展情况的实时监控,提出一种利用云地闪监测数据来评估雷暴覆盖范围并追踪雷暴发展和移动的模型.使用固定大小的网格去覆盖在某个时间段内发生云地闪的区域,使用一种广度优先的搜索算法对这些网格进行聚类;对于两个连读时间段内的聚类结果,采用地闪数据重叠法对相邻时间段内的聚类进行匹配,对雷暴进行追踪.通过在云地闪监测数据上的实验验证了该模型对雷暴识别和追踪的有效性.     

基于局部密度和动态生成网格聚类算法

为了解决网格聚类算法中的输入参数和聚类结果不精确问题,提出了基于局部密度的动态生成网格聚类算法(DGLD).该算法使用动态生成网格技术能大幅度地减少数据空间中生成的网格单元的数量,并简化邻居的搜索过程;采用局部密度思想解决数据空间相邻部分对网格密度的影响,提高了聚类精度.该算法不需要用户输入参数,能识别任意形状的聚类并有效地去除噪声点.实验结果表明该算法是有效的.     

基于时间栅格法和免疫算法的机器人动态路径规划

提出了一种机器人动态路径规划方法。该方法首先采用时间栅格法采标识动态障碍物。建立机器人的环境信息,然后使用免疫算法实现在动态环境下机器人的全局和局部路径规划,达到避障和避碰的目的。文中定义了免疫算法的多因素适应度函数由碰撞系数、距离、转角和安全系数决定。实验表明所提方法可以提高路径规划的效率,满足机器人实时导航要求。     

基于移动ad-hoc网络的车辆定位

当车辆不能通过GPS接收机获得自身位置信息时,就难以获得有用的交通提示风险服务.提出了一种新的基于车载移动ad-hoc网络车辆定位方法,该方法能够获取作为网络节点车辆的大致位置,并结合一种改进的警报信息优化传播算法,向即将处于危险或拥堵区域的不能通过GPS接收机定位的车辆发送警报信息.仿真实验表明只要车辆自组织网络中有40%的车辆可以获得GPS的定位信息,就可以将警报信息准确完整地送达处于网络中的所有车辆.当遇到浓雾天气、交通事故或者是其他拥塞时,该方法会防止车辆进一步拥堵并能提醒驾驶员防范危险.