面向智能交通系统的图像处理

图像处理在智能交通系统（ＩＴＳ）中扮演着极其重要的角色。文章综述了目前ＩＴＳ领域中所广泛采用的图像采集设备、图像处理硬件和图像处理软件,并给出了大量的应用实例。最后,结合目前的研究成果对其今后的发展进行了展望。     

谈谈智能视频监控

随着计算机视觉等相关技术的发展，尤其是“平安城市”等项目的启动，海量视频的处理需求随之产生，借此机会，智能视频监控开始崭露头角，成为安防界的热门话题之一。[编者按]     

智能交通系统中的计算机视觉技术应用

随着经济的发展,如何保障交通的顺畅与安全已成为世界性的热点研究课题之一。文章对智能交通系统进行了分析,并着重讨论了计算机视觉技术在智能交通系统中的应用。提出了一种基于背景差的车辆检测算法,在灰度图像序列中对六条车道同时进行监测,以统计各车道的车流量,并按大中小三种车型对过往车辆进行车型识别。     

智能视频分析在智能交通系统中的应用

近年来，随着网络环境、计算机处理能力和存储容量的迅速提高，以及各种视频信息处理技术的出现，全程数字化、网络化的视频监控系统优势愈加明显，其高度的开放性、集成性和灵活性为视频监控系统和设备的整体性能提升创造了必要条件，同时也为整个安防产业的发展提供了更加广阔的发展空间，而智能视频监控则是网络化视频监控领域最前沿的应用模式之一。本文就结合智能视频技术在智能交通中的应用，与您进行详细分析。[编者按]     

计算机视觉技术在智能交通系统中的应用

随着经济的发展,如何保障交通的顺畅与安全,已成为当今的研究热点。本文介绍了智能交通系统的组成,计算机视觉技术的应用,着重论述计算机视觉技术在智能交通系统中的应用。     

计算机视觉技术在智能交通系统中的应用

介绍了计算机视觉在智能交通系统中的应用,给出了采用的关键技术和实现手段、目前存在的问题和将来发展的方向,并介绍了几个著名的视觉系统和应用实例。     

基于图像处理的智能车辆系统

交通标志的自动识别技术是智能车辆中辅助驾驶系统中的关键技术,未来会发挥越来越重要的作用。根据当前该领域的研究现状,结合图像处理、计算机视觉和模式识别技术,提出了包括道路标志、红绿灯和车道线的道路信息识别算法,开发出一款智能车辆系统。该系统可以根据摄像头采集的道路视频图像,实时准确地识别图像中的道路标志信息,并对驾驶员发出相应的文本及语音提示,从而实现交通信号的自动识别和预警。     

选择正确的智能视频解决方案

最新一代计算机视觉技术的观念、应用以及在视频监控和CCTV领域的产品正在进行革新。它尤其适合大型户外设施的安防应用，例如商业化机场、精炼厂、电力站、办公／工业／学校机构。以机场为例．大多数机场是开放的．周界不设防，交通流量大，容易被人通过水陆接近．而且，某些地方仅仅是通过规定作为一个安全保护策略．     

视频技术在智能交通系统中的应用

论述了图像信号处理技术在智能交通系统(ITS)中应用的热点和关键问题。针对智能交通管理系统的多个应用实例，如城市交通智能监控、电子警察系统及流量监测和交通诱导系统等，给出了应用视频技术的解决方案，并与传统的交通管理方式作了对比。     

数字化煤岩分析系统的设计与实现

为了能够快速准确地进行煤岩自动分析 ,设计了一个数字化煤岩分析系统 .该数字化煤岩分析系统是一个集显微图象采集、煤岩成分识别和煤质分析 3大功能于一体的综合性系统 .在用该系统进行煤岩分析时 ,首先使用代价函数极值法实现自动聚焦 ,然后采用瞬间曝光测试法来实现自动曝光 ,最后用主分量分析法实现煤岩纹理分析和煤岩成分识别 ,并应用神经网络实现混煤分析中的函数参数估计 .由上述方法构成的煤岩分析系统已投入实际应用 ,实际应用效果表明 ,应用该系统不仅提高了煤岩分析的效率和准确性 ,且运行稳定可靠 ,在速度和精度方面均令人满意 .     

RoadCompass: following rural roads with vision + ladar using vanishing point tracking

We present a vision- and ladar-based approach to autonomous driving on rural and desert roads that has been tested extensively in a closed-loop system. The vision component uses Gabor wavelet filters for texture analysis to find ruts and tracks from which the road vanishing point can be inferred via Hough-style voting, yielding a direction estimate for steering control. The ladar component projects detected obstacles along the road direction onto the plane of the front of the vehicle and tracks the 1-D obstacle “gap” presumed due to the road to yield a lateral offset estimate. Several image- and state-based tests to detect failure conditions such as off-road poses (i.e., there is no road to follow) and poor lighting due to sun glare or distracting shadows are also explained. The system’s efficacy is demonstrated with analysis of diverse logged data including from the 2005 DARPA Grand Challenge, as well as tests with full control of a vehicle over 15 km of difficult roads at up to 37 km/h with no waypoints.

计算机视觉模型中的知识及其表示

计算机视觉模型是计算机完成视觉任务时所要具备的知识.根据任务的需要,确定模型中应当具有哪些知识并选择合适的表示方法,是建立一个计算机视觉系统首先要解决的问题,并将从根本上影响系统的性能.该文将这些知识分为几何知识、物理知识和关系三种类型,概括论述了各类知识的作用和现有的各种表示方法,并特别指出了物理知识在视觉模型中的重要性.     

Shape-from-recognition: Recognition enables meta-data transfer

Low-level cues in an image not only allow to infer higher-level information like the presence of an object, but the inverse is also true. Category-level object recognition has now reached a level of maturity and accuracy that allows to successfully feed back its output to other processes. This is what we refer to as cognitive feedback. In this paper, we study one particular form of cognitive feedback, where the ability to recognize objects of a given category is exploited to infer different kinds of meta-data annotations for images of previously unseen object instances, in particular information on 3D shape. Meta-data can be discrete, real- or vector-valued. Our approach builds on the Implicit Shape Model of Leibe and Schiele [B. Leibe, A. Leonardis, B. Schiele, Robust object detection with interleaved categorization and segmentation, International Journal of Computer Vision 77 (1–3) (2008) 259–289], and extends it to transfer annotations from training images to test images. We focus on the inference of approximative 3D shape information about objects in a single 2D image. In experiments, we illustrate how our method can infer depth maps, surface normals and part labels for previously unseen object instances.     

仿人智能控制的稳定性研究

为充分发挥仿人智能控制的优点,保证控制系统的稳定性,将控制过程分为粗调阶段、调整学习阶段、微调阶段等三个阶段,每个阶段采取不同的控制方法。在微调阶段,提出了“平均偏差”控制法,较好地解决了仿人智能控制系统的稳定性问题。同时,文中总结了在实际控制过程中为确保控制系统的稳定性而采用的几种控制方法。     

图象理解的应用与发展

图象理解是关于图象工程中的关键环节,介绍了图象理解的概念,基本理论和方法。并指出了图象理解的应用和发展趋势。     

多分辨率二项分布滤波器及其在纹理分类中的应用

从空域与频域两方面对二项分布滤波器及Ｇａｂｏｒ滤波器进行了分析比较。当两种滤波器的尺度空间常数很大时,它们的时域与频域性能基本相近,但在尺度空间常数较小时,二项分布滤波器的性能稍优于Ｇａｂｏｒ滤波器。在对纹理图象的分类中其性能得到验证。     

基于纹理分析的表面粗糙度等级识别

提出了一种利用图象纹理分析技术进行机械加工表面粗糙度检测的非接触检测方法,该方法首先根据统计方差对待测工件的表面粗糙度进行粗分类,然后,利用基于Ｇａｂｏｒ滤波器的纹理分类器,识别待测工件表面粗糙度等级。该新方法可简单、快速地实现表面粗糙度等级的自动识别,而且对图象旋转具有不变性,由于其纹理分类器的参数少,并且新方法成本低,参数标定方便,因而便于现场检测,如果与机床的控制系统相连,还可以实现加工的实     

基于计算机视觉的公交系统人流量检测算法

提出了一种基于计算机视觉的公交系统人流量检测方法。通过分析现场行人视频数据，运用图像处理的方法提取图像中通行的行人以及通过视场内的人流量，阐述了复杂背景、低分辨率和特殊拍摄角度条件下的人头特征曲线提取算法和基于部分椭圆弧的椭圆模板参数估算法，试验结果表明了该算法的正确性和有效性。     

Object Recognition Based on Human Saccadic Behaviour

The automated recognition of targets in complex backgrounds is a difficult problem, yet humans perform such tasks with ease. We therefore propose a recognition model based on behavioural and physiological aspects of the human visual system. Emulating saccadic behaviour, an object is first memorised as a sequence of fixations. At each fixation an artificial visual field is constructed using a multi-resolution/ orientation Gabor filterbank, edge features are extracted, and a new saccadic location is automatically selected. When a new image is scanned and a ‘familiar’ field of view encountered, the memorised saccadic sequence is executed over the new image. If the expected visual field is found around each fixation point, the memorised object is recognised. Results are presented from trials in which individual objects were first memorised and then searched for in collages of similar objects acting as distractors. In the different collages, entries of the memorised objects were subjected to various combinations of rotation, translation and noise corruption. The model successfully detected the memorised object in over 93% of the ‘object present’ trials, and correctly rejected collages in over 98% of the trials in which the object was not present in the collage. These results are compared with those obtained using a correlation-based recogniser, and the behavioural model is found to provide superior performance. Received: 15 July 1998?Received in revised form: 24 December 1998?Accepted: 9 February 1999