应用于公交客流统计的机器视觉方法

为了提高公交客流高峰期时的客流检测准确率,提出了一种可以应用于嵌入式平台的基于机器视觉的客流检测方法。该方法以提取乘客的头部轮廓特征作为主要手段,采用针对非标准圆形,即类圆检测的改进型Hough变换,并针对Hough变换结果进行了结合模糊置信度的感知聚类,有效地去除虚假候选头部轮廓,从而实现视场中每个乘客的准确定位。现场实验结果表明,应用该方法进行公交客流统计,准确率可达85%以上。     

一种车道线检测与跟踪方法

为了得到较为理想的车道标识线边缘图像,便于更好地对车道标识线进行识别,采用小波方法实现对车道线的边缘检测,并进行边缘连接。利用Hough变换得到车道标识线参数,并采用Kalman滤波方法实现对车道标识线的实时跟踪。实验结果表明,该方法具有很好的可靠性、鲁棒性和实时性,为解决汽车智能驾驶提供了保障。     

一种改进的目标监测与跟踪算法

针对MeanShift算法在目标跟踪过程中因核窗宽不变导致目标尺度变化时定位不精确的问题,提出了融入边缘检测的方法计算目标大小,从而实现自适应调整核窗宽的改进算法。当目标丢失和发生遮挡时,结合Kalman滤波器对下一帧中目标位置进行预测,提出改进的跟踪算法,有效提高了跟踪的准确性和鲁棒性     

基于Camshift和Kalman滤波的自动跟踪算法

针对传统的Camshift算法在跟踪时需要手动定位目标,在颜色干扰、遮挡等复杂背景中容易跟丢目标的问题,提出了一种基于Camshift和Kalman滤波的自动跟踪算法。首先利用帧间差分法和Canny边缘检测法分割出运动目标的完整区域,然后用提取出的目标区域初始化Camshift算法的初始搜索窗口,从而实现了目标的自动跟踪。当背景中存在相似颜色干扰或者目标被严重遮挡时,采用Kalman滤波与Camshift算法相结合的改进算法进行跟踪。实验结果表明,本文改进算法在目标被严重遮挡、颜色干扰等情况下仍能有效、稳健地跟踪。     

基于深度学习的客流量统计方法

针对目标快速移动和遮挡情况导致的客流统计存在误差的问题,设计目标的检测、跟踪、进门行为判断等策略,提出基于深度学习的餐饮业客流统计方法.首先,通过多数据集对YOLOv3-tiny模型进行训练,实现对于小目标的准确检测;进而设计多通道特征融合的目标跟踪算法,完成目标快速移动情况下的稳定跟踪;最后设计目标进门行为的判断方法,通过重叠率对目标的进门行为进行判断,实现对进门客流量的准确统计.最终通过实验验证,客流量统计的平均准确率达到93.5%.     

一种快速的基于边缘的道路检测算法

道路检测是机器人视觉导航中的重要环节。本文提出了一种新的非结构化道路检测算法。算法基于这样的一个基本假设，即道路的轮廓由一些具有一定长度的连续直线段组成。在一定的范围中通过计算边缘点，然后通过Hough变换求得直线段，从而确定道路边界的位置。但是边缘图像中不仅仅包含道路的边缘，还有阴影，植物等其他的边缘。如果不消除这类边缘的影响，将大大削弱算法的效率和准确性。本文提出一种基于颜色和方差的规则有效地消除这类非道路的边缘。一旦当前帧中获取道路的边缘，通过限定下一帧中的感兴趣区域（ROD减少搜索范围从而快速定位帧中的道路边缘，从而进一步提高算法的效率。大量实地（校内公园道路）实验验证了该算法的快速和鲁棒性．     

一种基于机器视觉的铁路道岔检测方法

道岔是使列车由一组轨道转移到另一组轨道上去的装置。基于机器视觉的铁路道岔检测方法通过机器视觉系统和图像处理技术,实现对换轨时道岔间距进行高速,实时的测量,保证行车更加安全平稳。其关键技术就是有效提取道岔缝隙边缘并转化为参数空间进行精确测量。道岔背景复杂,简单的检测算法不能给出理想的检测结果,传统的Hough变换对于缝隙信息的提取有局限,采用改进的Canny边缘检测和Hough变换,同时结合最小二乘法实现对铁路道岔间距的测量。算法经过VC++编程实现,能够有效对道岔进行检测,为铁路道岔报警系统设计提供参考,为检测直线状缝隙提供方法。     

基于视频眼震图的瞳孔中心定位方法研究

瞳孔定位是计算机视觉领域一个重要的研究课题,涉及到生理学、心理学、人工智能、模式识别、计算机视觉、图像分析与处理等多个学科。对眼睛瞳孔中心的定位是用灰度聚类法粗定位虹膜中心,并用Canny算子进行边缘提取,然后利用Hough变换基于瞳孔的正圆特性精确定位瞳孔中心。     

基于霍夫变换的证件图像尺寸恢复

随着手机摄像头性能的提高,手机用户经常会用摄像头拍摄证件图像用于各种事务办理。但是由于抖动和拍摄角度的影响,导致证件图像变形,无法得到标准的尺寸。针对该问题,本文提出了一种基于霍夫变换的证件图像尺寸恢复方法:首先利用Canny进行边缘检测,然后利用Hough直线变换寻找证件的四个角点,最后利用透视变换恢复证件图像的标准尺寸。实验结果表明:本文的方法在不同的缩放和旋转变形下均能较好地提取出证件图像,具有一定的实用性。     

一种视频序列图像中运动目标的分割算法

提出了一种新的用于检测视频序列图像中运动目标的算法。该算法通过对差帧图像进行模板检测及形态学滤波,并结合Canny算子边缘检测获得运动目标的分割掩模,提取出运动目标。实验结果表明,该方法能够有效分割运动物体,具有较强的鲁棒性。     

基于乘客多运动行为的公交客流计数判定方法

针对基于单目视觉的公交乘客人数统计判定方法不稳定、计数结果不准确的现状,结合公交车门附近乘客运动行为的复杂性和多样性,以及乘客运动行为对计数判定方法的干扰,给出一种基于乘客多运动行为分析的计数判定方法。采用轨迹聚类的方式对乘客运动行为进行分析,结合轨迹的空间特征和方向特征计算轨迹距离,并使用层次聚类方法进行聚类。分析聚类结果中每一类别所对应乘客类的运动行为,讨论各乘客类的运动行为对常用计数判定准则的影响,由此提出一种改进的公交车客流计数判定方法。利用采集的乘客上下公交车视频图像进行实验,结果表明,该方法能获得较高的统计精度和较好的稳定性。     

一种改进的视频图像检测跟踪算法

针对运动目标在运动过程中的交叉、遮挡等情况,采用自适应阈值的Vibe算法来压缩背景杂波和相关噪声,进而对运动目标进行检测.采用基于Camshift优化的粒子滤波算法对运动目标进行跟踪,该算法在粒子滤波算法的基础上结合Camshift算法的优点,加入当前观测信息,使粒子更好地采样于目标周围,提高了粒子效率,节省了算法时间.实验表明,自适应阈值的Vibe算法能够准确检测复杂场景中的运动目标,并能够适应噪声干扰和光照变化,而基于Camshift优化的粒子滤波算法能够在目标快速运动、遮挡情况下对目标进行准确跟踪.     

基于铁路客运精密统计系统实现客流图的编制

针对手工绘制客流图存在的编制困难、精确度低等问题,提出基于铁路客运精密统计系统实现客流图计算机自动编制的解决方案,介绍了"铁路旅客运输流向、密度图形绘制及分析系统"的实现和应用。     

基于改进特征跟踪的客流量统计

为实现多目标的精确跟踪,提出一种基于视频客流量的跟踪计数方法。利用图像差分法提取运动目标,对差分图像进行形态学处理,使用连通域分析创建人体结点,得到目标的形心,采用向前优先搜索像素点的原则搜索下一帧图像的所有像素点,通过搜索到的像素点确定目标的新中心位置,根据目标中心与计数线的关系进行计数。实验结果表明,该方法简单可行,统计数据具有较高的正确率。     

基于Canny边缘检测的车牌字符分割方法

在对其它车牌字符分割方法研究的基础上,提出一种基于Canny边缘检测和数学形态学处理的车牌字符分割方法。该方法以获得真实明确的车牌字符位置信息为着眼点,采用Canny边缘检测、数学形态学运算和同态滤波等处理方法,判断决策的依据充分、方法简单明确,实验中获得了较好的效果。     

基于Canny边缘检测的车牌字符分割方法

在对其它车牌字符分割方法研究的基础上，提出一种基于Canny边缘检测和数学形态学处理的车牌字符分割方法。该方法以获得真实明确的车牌字符位置信息为着眼点，采用Canny边缘检测、数学形态学运算和同态滤波等处理方法，判断决策的依据充分、方法简单明确．实验中获得了较好的效果。